【技术实现步骤摘要】
一种基于点云的人体跌倒检测方法及装置
[0001]本专利技术属于跌倒检测
，更具体地，涉及一种基于点云的人体跌倒检测方法及装置。
技术介绍
[0002]世界人口老龄化现象越来越引人关注，对于老年人，尤其是独居老人，极易发生跌倒事件，而采用人体跌倒检测技术可以及时发现跌倒老人并进行报警，从而实现有效救治，降低国家与家庭医疗负担。
[0003]随着大数据时代的到来，以神经网络为基础的算法飞速发展，GPU处理数据算力显著提升，目标检测和行为检测技术均取得了显著进步，为人体跌倒检测提供了较好的研究基础。
[0004]目前常见的跌倒检测方法主要包括：
[0005](1)基于穿戴式传感器的跌倒检测
[0006]常见的基于加速度传感器的跌倒检测设备有含加速度计的腰带，智能手机、智能手表、智能手环等。该类算法通过计算跌倒时手和身体的加速度或速度在时间序列上的变化特征判断是否发生跌倒，如2014年吴志强等人提出基于智能手机的人体跌倒检测系统设计方案。该类算法的优点是没有隐私问题和不需要固定装置，缺点是需要...
【技术保护点】
【技术特征摘要】
1.一种基于点云的人体跌倒检测方法，其特征在于，包括步骤：S1三维转换：将室内场景下实时采集的人体深度图像序列的起始帧转换为实际物理尺寸下的三维空间点云，对点云进行分析获取当前坐标系Z轴与实际场景重力方向的夹角α；S2区域检测：分别基于深度图像纹理特征、光流图特征和神经网络获取初始帧的人体潜在框，合并三路获取的人体潜在框获得人体运动区域；S3区域跟踪：逐帧对深度图像序列进行人体运动区域的跟踪，并将跟踪到的人体运动区域转化为物理尺寸下的三维人体运动区域点云，对人体运动区域点云进行去噪处理，并以α为旋转角矫正Z轴，使Z轴与重力方向平行；S4点云聚类：逐帧对人体运动区域点云进行聚类，得到各帧的不同类别点云；S5点云匹配：逐帧匹配各帧的不同类别点云，得到不同类别连续的实例点云；S6点云分析：对匹配后的实例点云进行尺寸分析以确认人体点云，分析所述人体点云的重心及位姿变化，从而判断是否发生跌倒。2.如权利要求1所述的一种基于点云的人体跌倒检测方法，其特征在于，所述步骤S2包括：S2.1通过深度图像纹理特征获取人体潜在框：将初始帧F
raw
深度值归一化到0
‑
255后，转化为类灰度图F
grey
，在此灰度图基础上获得人体潜在框并进行非极大值抑制后得到集合B
apprance
＝{b
a1
,b
a2
,
…
,b
ai
,
…
,b
an
}，i∈{1,2,
…
,n}，b
ai
∈R4，其中每一个框b
ai
由二维深度图像上左上角横纵坐标和右下角横纵坐标四个坐标构成；S2.2通过光流估计技术得到的光流图特征获取人体潜在框：利用光流估计网络获取初始帧光流图后，将光流图的幅值归一化到0到255区间内，在此光流图基础上获得人体潜在框并进行非极大值抑制后得到集合B
flow
＝{b
f1
,b
f2
,
…
,b
fi
,
…
,b
fn
}，i∈{1,2,
…
,n}，b
fn
∈R4，其中每一个框b
fn
由二维深度图像上左上角横纵坐标和右下角横纵坐标四个坐标构成；S2.3通过神经网络获取人体潜在框：在类灰度图F
grey
上通过神经网络获取人体潜在框并进行非极大值抑制后得到集合B
human
＝{b
h1
,b
h2
,
…
,b
hi
,
…
,b
hn
}，i∈{1,2,
…
,n}，b
hn
∈R4，其中每一个框b
hn
由二维深度图像上左上角横纵坐标和右下角横纵坐标四个坐标构成；S2.4将步骤S2.1至S2.3得到的人体潜在框进行合并，获得最终的人体运动区域。3.如权利要求1所述的一种基于点云的人体跌倒检测方法，其特征在于，所述步骤S1包括：S1.1基于二维深度图像与三维实际物理尺寸下点云的坐标对应关系，将深度图像序列的起始帧转化为三维点云，采用的坐标对应关系为：其中x，y，z是对应点云的点的xyz坐标值，Dx,Dy是深度图像的行列坐标，Dz是深度图像在<Dx,Dy>处的深度值...
【专利技术属性】
技术研发人员：肖阳，卢俊义，谭波，佟星宇，闫亭冰，曹治国，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。