一种基于目标检测的婴幼儿行为状态检测方法技术

本发明专利技术公开了一种基于目标检测的婴幼儿行为状态检测方法。本发明专利技术中，监测流程主要涉及如下步骤：首先，对婴幼儿是否睡觉进行功能选择，从而确定具体监测任务，若选择睡觉，还需选择踢被子判断依据；对获取的RGB视频帧进行预处理；然后，将预处理后的图片输入到基于结构简化和特征增强改进的YOLOX

【技术实现步骤摘要】
一种基于目标检测的婴幼儿行为状态检测方法


[0001]本专利技术属于目标检测
，具体为一种基于目标检测的婴幼儿行为状态检测方法。

技术介绍

[0002]近年来，我国生育率持续下降，而生育率的稳健发展，影响人口的未来走向，因此，研究智能婴幼儿行为状态监护方法从而降低意外风险伤害具有重要意义。
[0003]但是在基于视频的动作识别算法领域，主要用于短视频中成人行为分类，缺乏针对婴幼儿行为状态识别分析研究，由于婴幼儿行为状态和成人行为状态的差异性，导致现有算法在婴幼儿行为分析上不具强鲁棒性，此外婴幼儿行为状态视频数据难以获取，现有动作识别算法的计算成本高昂，在边缘设备上无法满足婴幼儿行为状态监测的实时性要求。

技术实现思路

[0004]本专利技术的目的在于：为了解决上述提出的问题，提供一种基于目标检测的婴幼儿行为状态检测方法。
[0005]本专利技术采用的技术方案如下：一种基于目标检测的婴幼儿行为状态检测方法，该方法包括以下步骤：
[0006]S1:功能选择，对婴幼儿是否睡觉状态进行判断，从而进入不同的监测功能，所涉及的两种婴幼儿行为状态监测功能，共用一套数据集，一个算法模型；
[0007]S2:从摄像头或其他视频采集设备获取RGB视频帧，并对得到的RGB视频帧图像进行预处理；
[0008]S3:将预处理后的视频帧输入到基于结构简化和特征增强改进的YOLOX
‑
tiny目标检测算法中，以得到每一RGB视频帧图像中婴幼儿定位和状态识别监测结果数据，其中目标检测算法使用自建数据集并使用迁移学习思想进行训练得到；
[0009]S4:对检测识别得到的数据进行存储、处理，以实现对婴幼儿行为状态的准确把握，当出现攀爬、踢被子和丢失状态时，进行实时报警，从而降低意外伤害风险。
[0010]在一优选的实施方式中，所述步骤S1中不同监测功能，该功能选择可实现对婴幼儿是否睡觉中两个场景进行监测，若选择睡觉，首先进行踢被子判断依据选择，然后进行宝宝踢被子和丢失监测，相反，则进行婴幼儿攀爬、爬、站(走)、坐、躺和丢失共计6种状态监测。
[0011]在一优选的实施方式中，所述踢被子判断依据选择，判断依据共包含四个选项：其一，当且仅当肚子和胯露出时判断为踢被子；其二，当且仅当手臂及连接的侧胸部露出时判断为踢被子；其三，当且仅当脚露出时判断为踢被子；其四，前三种情况，有一种或多种同时露出则判断为踢被子。
[0012]在一优选的实施方式中，所述步骤S3中结构简化方法，基于最基本的特征金字塔
网络(Feature Pyramid Network，FPN)对原始YOLOX
‑
tiny网络中路径聚合特征金字塔网络(Path Aggregation Feature Pyramid Network，PAFPN)进行去除，并重新设计一种上下文特征融合网络(Context Feature Fusion Network，CFFN)，在保证一定精度的同时，降低网络整体的计算量。
[0013]在一优选的实施方式中，所述步骤S3中特征增强模块，考虑到人类识别物体不仅需要知道目标特征，而且需要周围环境进行辅助判断的逻辑，该模块涉及一种自适应空间注意力机制。
[0014]在一优选的实施方式中，所述自适应空间注意力机制的结构，该注意力机制，首先，通过对输入特征图基于通道方向，分别进行平均和最大值计算，得到两个长宽和输入特征图相同，通道数均为1的空间语义特征图；其次，将两个具有不同语义信息的特征图进行通道维度的级联操作；然后，利用卷积核为1的卷积将通道数降为1；之后，使用sigmoid激活函数增加非线性，防止过拟合；最后，将得到的通道为1的具有全局信息的语义特征图与输出特征图相乘，增强原始特征图表达能力。
[0015]在一优选的实施方式中，所述自适应空间注意力机制在YOLOX
‑
tiny中的位置，自适应注意力机制在YOLOX
‑
tiny中一共使用三次，分别位于YOLOX
‑
tiny主干特征提取网络后三层到CFFN特征加强模块之间。
[0016]在一优选的实施方式中，所述步骤S1中的数据集收集婴幼儿在室内场景下的行为状态图片，包括，站(走)、躺、攀爬、爬、坐5种，标注信息包括：站(走)状态下的全身、上半身和下半身，躺着状态下的全身、上半身、腹部及胯、受约束的胳膊(手臂及连接的侧胸部)，攀爬状态全身，坐着状态全身，爬状态全身，头，脚，手共计13种标注目标；数据集按照8：1：1划分成训练集、验证集、测试集。
[0017]在一优选的实施方式中，所述步骤S4中数据存储、处理方法，为了准确识别婴幼儿行为状态，设计长度为N的队列，并使用众数滤波器思想，取出N帧视频中出现次数最多的感兴趣目标类别，该类别包括攀爬、爬、坐、躺、站(走)、躺下时的腹部及胯、受约束的胳膊和脚，用以判断婴幼儿是否攀爬、爬、坐、躺、站(走)和踢被子的状态，此外，当长度为N的队列为空时，识别为宝宝丢失了。
[0018]综上所述，由于采用了上述技术方案，本专利技术的有益效果是：
[0019]本专利技术中，首先，在本方法使用时进行功能选择，对婴幼儿是否睡觉状态进行判断，从而进入不同的监测功能；也可以从摄像头或其他视频采集设备获取RGB视频帧，并对得到的RGB视频帧图像进行预处理；然后，将预处理后的视频帧输入到基于结构简化和特征增强改进的YOLOX
‑
tiny目标检测算法中，以得到每一RGB视频帧图像中婴幼儿定位和状态识别监测结果数据，其中目标检测算法使用自建数据集并使用迁移学习思想进行训练得到；最后，对检测识别得到的数据进行存储、处理，以实现对婴幼儿行为状态的准确把握，并且当出现攀爬、踢被子和丢失状态时，进行实时报警，从而降低意外伤害风险，提高了对于婴幼儿的保护性，也减轻了加上的看护负担，提高了使用时的便利性。
附图说明
[0020]图1为本专利技术的详细步骤示意图；
[0021]图2为本专利技术整体流程示意图；
[0022]图3为本专利技术YOLOX
‑
tiny目标检测算法改进后总体结构图；
[0023]图4为本专利技术简易上下文特征融合网络结构图；
[0024]图5为本专利技术自适应空间注意力机制结构图。
具体实施方式
[0025]为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。
[0026]参照图1
‑
5，
[0027]实施例：
[0028]一种基于目标检测的婴幼儿行为状态检测方法，该方法包括以下步骤：
[0029]S1:功能选择，对婴幼儿是否睡觉状态进行判断，从而进入不同的监测功能，所涉及的两种婴幼儿行为状态监测功能，共用一套数据集，一个算法模型；
[0030]S2:从摄像头或其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于目标检测的婴幼儿行为状态检测方法，其特征在于，该方法包括以下步骤：S1:功能选择，对婴幼儿是否睡觉状态进行判断，从而进入不同的监测功能，所涉及的两种婴幼儿行为状态监测功能，共用一套数据集，一个算法模型；S2:从摄像头或其他视频采集设备获取RGB视频帧，并对得到的RGB视频帧图像进行预处理；S3:将预处理后的视频帧输入到基于结构简化和特征增强改进的YOLOX
‑
tiny目标检测算法中，以得到每一RGB视频帧图像中婴幼儿定位和状态识别监测结果数据，其中目标检测算法使用自建数据集并使用迁移学习思想进行训练得到；S4:对检测识别得到的数据进行存储、处理，以实现对婴幼儿行为状态的准确把握，当出现攀爬、踢被子和丢失状态时，进行实时报警，从而降低意外伤害风险。2.根据权利要求1所述的一种基于目标检测的婴幼儿行为状态检测方法，其特征在于：所述步骤S1中不同监测功能，该功能选择可实现对婴幼儿是否睡觉中两个场景进行监测，若选择睡觉，首先进行踢被子判断依据选择，然后进行宝宝踢被子和丢失监测，相反，则进行婴幼儿攀爬、爬、站、走、坐、躺和丢失共计6种状态监测。3.根据权利要求2所述的一种基于目标检测的婴幼儿行为状态检测方法，其特征在于：所述踢被子判断依据选择，判断依据共包含四个选项：其一，当且仅当肚子和胯露出时判断为踢被子；其二，当且仅当手臂及连接的侧胸部露出时判断为踢被子；其三，当且仅当脚露出时判断为踢被子；其四，前三种情况，有一种或多种同时露出则判断为踢被子。4.根据权利要求1所述的一种基于目标检测的婴幼儿行为状态检测方法，其特征在于：所述步骤S3中结构简化方法，基于最基本的特征金字塔网络对原始YOLOX
‑
tiny网络中路径聚合特征金字塔网络进行去除，并重新设计一种上下文特征融合网络，在保证一定精度的同时，降低网络整体的计算量。5.根据权利要求1所述的一种基于目标检测的婴幼儿行为状态检测方法，其特征在于：所述步骤S3中特征增强模块，考虑到人类识别物体不仅需要知道目标特征，而且需要周围环境进行辅助判断的逻辑，该模块涉及一种自适应空间注意力机制。6.根据权利要求5所述的...

【专利技术属性】
技术研发人员：朱泽德，王启胜，黄浩，
申请(专利权)人：安徽工业技术创新研究院六安院，
类型：发明
国别省市：