人员跌倒判断方法技术

本申请实施例提供一种人员跌倒判断方法

【技术实现步骤摘要】
人员跌倒判断方法、装置、存储介质及系统


[0001]本申请涉及视频监控
，特别涉及一种人员跌倒判断方法
、
装置
、
存储介质及系统
。

技术介绍

[0002]在煤矿井下开采过程中，工作人员的安全尤为重要
。
目前的人员跌倒检测算法多使用一种算法来判断人员是否跌倒，但是单种算法的的准确率较低，误报率较高
。
因此，如何提高判断人员是否跌倒的准确率，是一个需要解决的技术问题
。

技术实现思路

[0003]本申请实施例提供一种人员跌倒判断方法
、
装置
、
存储介质及系统，能够提高判断人员是否跌倒的准确率，降低误报率
。
[0004]本申请实施例提供一种人员跌倒判断方法，所述方法包括：
[0005]获取目标人员最新的多帧人员图像，以及获取每一帧所述人员图像中所述目标人员的多个关键点中每一所述关键点对应的关键点信息；
[0006]基于获取到的所述关键点信息判断所述目标人员是否跌倒，并生成第一判断信息；
[0007]将获取到的所有所述关键点信息输入至经
GRU
深度学习算法训练的人员关键点序列分类器中，通过所述人员关键点序列分类器判断所述目标人员是否跌倒，并生成第二判断信息；
[0008]获取每一帧所述人员图像的人员图像信息，并将获取到的所有所述人员图像信息输入预先训练好的人员图像序列分类器中，通过所述人员图像序列分类器判断所述目标人员是否跌倒，并生成第三判断信息；
[0009]基于所述第一判断信息
、
第二判断信息以及第三判断信息判断所述目标人员是否真的跌倒
。
[0010]在本申请实施例所述的人员跌倒判断方法中，多个所述关键点包括所述目标人员的鼻子
、
左肩
、
右肩
、
左手肘
、
右手肘
、
左手腕
、
右手腕
、
左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝，所述关键点信息包括所述关键点的
X
坐标
、Y
坐标和置信度
。
[0011]在本申请实施例所述的人员跌倒判断方法中，所述基于获取到的所述关键点信息判断所述目标人员是否跌倒，包括：
[0012]基于获取到的所述鼻子
、
左肩
、
右肩
、
左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝的所述
Y
坐标判断所述目标人员是否跌倒
。
[0013]在本申请实施例所述的人员跌倒判断方法中，所述基于获取到的所述鼻子
、
左肩
、
右肩
、
左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝的所述
Y
坐标判断所述目标人员是否跌倒，包括：
[0014]将所述左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝的所述
Y
坐标与所述鼻子
、
左
肩和右肩的
Y
坐标进行对比；
[0015]若所述左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝中存在有任一关键点的
Y
坐标大于所述鼻子
、
左肩和右肩中的任一关键点的
Y
坐标，则判断所述目标人员跌倒；
[0016]若所述左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝中不存在有任一关键点的
Y
坐标大于所述鼻子
、
左肩和右肩中的任一关键点的
Y
坐标，则判断所述目标人员没有跌倒
。
[0017]在本申请实施例所述的人员跌倒判断方法中，所述第一判断信息
、
第二判断信息
、
第三判断信息均包括跌倒和非跌倒
。
[0018]在本申请实施例所述的人员跌倒判断方法中，所述基于所述第一判断信息
、
第二判断信息以及第三判断信息判断所述目标人员是否真的跌倒，包括：
[0019]若所述第一判断信息
、
第二判断信息和所述第三判断信息中至少存在两个判断信息为跌倒，则判断所述目标人员是真的跌倒；
[0020]若所述第一判断信息
、
第二判断信息和所述第三判断信息中至少存在两个判断信息为非跌倒，则判断所述目标人员不是真的跌倒
。
[0021]在本申请实施例所述的人员跌倒判断方法中，所述通过所述人员关键点序列分类器判断所述目标人员是否跌倒，包括：
[0022]获取所述人员关键点序列分类器的输出结果；
[0023]若所述人员关键点序列分类器输出标签为1的输出结果，则判断所述目标人员跌倒；
[0024]若所述人员关键点序列分类器输出标签为0的输出结果，则判断所述目标人员没有跌倒
。
[0025]本申请实施例还提供一种人员跌倒判断装置，所述装置包括：
[0026]获取模块，用于获取目标人员最新的多帧人员图像，以及获取每一帧所述人员图像中所述目标人员的多个关键点中每一所述关键点对应的关键点信息；
[0027]第一生成模块，用于基于获取到的所述关键点信息判断所述目标人员是否跌倒，并生成第一判断信息；
[0028]第二生成模块，用于将获取到的所有所述关键点信息输入至经
GRU
深度学习算法训练的人员关键点序列分类器中，通过所述人员关键点序列分类器判断所述目标人员是否跌倒，并生成第二判断信息；
[0029]第三生成模块，用于获取每一帧所述人员图像的人员图像信息，并将获取到的所有所述人员图像信息输入预先训练好的人员图像序列分类器中，通过所述人员图像序列分类器判断所述目标人员是否跌倒，并生成第三判断信息；
[0030]判断模块，用于基于所述第一判断信息
、
第二判断信息以及第三判断信息判断所述目标人员是否真的跌倒
。
[0031]本申请实施例还提供一种人员跌倒判断系统，所述人员跌倒判断系统包括以上实施例所述的人员跌倒判断装置
。
[0032]本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，当所述计算机程序在计算机上运行时，使得所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种人员跌倒判断方法，其特征在于，所述方法包括：获取目标人员最新的多帧人员图像，以及获取每一帧所述人员图像中所述目标人员的多个关键点中每一所述关键点对应的关键点信息；基于获取到的所述关键点信息判断所述目标人员是否跌倒，并生成第一判断信息；将获取到的所有所述关键点信息输入至经
GRU
深度学习算法训练的人员关键点序列分类器中，通过所述人员关键点序列分类器判断所述目标人员是否跌倒，并生成第二判断信息；获取每一帧所述人员图像的人员图像信息，并将获取到的所有所述人员图像信息输入预先训练好的人员图像序列分类器中，通过所述人员图像序列分类器判断所述目标人员是否跌倒，并生成第三判断信息；基于所述第一判断信息
、
第二判断信息以及第三判断信息判断所述目标人员是否真的跌倒
。2.
如权利要求1所述的人员跌倒判断方法，其特征在于，多个所述关键点包括所述目标人员的鼻子
、
左肩
、
右肩
、
左手肘
、
右手肘
、
左手腕
、
右手腕
、
左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝，所述关键点信息包括所述关键点的
X
坐标
、Y
坐标和置信度
。3.
如权利要求2所述的人员跌倒判断方法，其特征在于，所述基于获取到的所述关键点信息判断所述目标人员是否跌倒，包括：基于获取到的所述鼻子
、
左肩
、
右肩
、
左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝的所述
Y
坐标判断所述目标人员是否跌倒
。4.
如权利要求3所述的人员跌倒判断方法，其特征在于，所述基于获取到的所述鼻子
、
左肩
、
右肩
、
左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝的所述
Y
坐标判断所述目标人员是否跌倒，包括：将所述左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝的所述
Y
坐标与所述鼻子
、
左肩和右肩的
Y
坐标进行对比；若所述左腰
、
右腰
、
左膝盖
、
右膝盖
、
左脚踝和右脚踝中存在有任一...

【专利技术属性】
技术研发人员：黄甫军，赵黄健，沙跃庆，金勇，
申请(专利权)人：南京北路智控科技股份有限公司，
类型：发明
国别省市：