System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,尤其涉及一种跌倒检测方法、装置、电子设备及介质。
技术介绍
1、随着生活水平的提高,人们越来越关注健康和安全,而跌倒是很常见的意外事故,尤其是老人、小孩、病人、残疾人等群体则更容易发生这种意外的跌倒。目前,随着整个社会人口老龄化的急剧加速以及空巢老人问题的日益加重,调查研究发现跌倒是我国伤害死亡的重要原因,且在65岁以上的老年人中则为首位。如果能够准确及时地发现老年人跌倒,就能及时地采取相应的救助措施,减少因跌倒而造成的严重伤害或死亡。
2、目前,现有技术中的监控设备由于需要考虑性能算力、功耗、存储等方面的限制,因此不具备本地推理和处理的能力,通常需要联网才能够实现跌倒检测,而且检测的准确度低。
3、因此,亟需一种跌倒检测方法、装置、电子设备及介质以改善上述问题。
技术实现思路
1、本专利技术的目的在于提供一种跌倒检测方法、装置、电子设备及介质,能够实现本地推理和处理的能力,实现本地的跌倒检测,且准确度高。
2、第一方面,本专利技术提供一种跌倒检测方法,包括:
3、采集人员跌倒的参考图像数据;
4、对所述参考图像数据进行特征提取,得到人体姿态关键点特征数据;
5、基于所述人体姿态关键点特征数据构造训练样本集和测试样本集;
6、利用所述训练样本集和测试样本集对深度学习模型进行训练,得到训练好的跌倒检测模型;
7、将所述训练好的跌倒检测模型进行转换得到预设格式的模型,
8、本专利技术的方法有益效果为:通过采集人员跌倒的参考图像数据;对所述参考图像数据进行特征提取,得到人体姿态关键点特征数据;基于所述人体姿态关键点特征数据构造训练样本集和测试样本集;利用所述训练样本集和测试样本集对深度学习模型进行训练,得到训练好的跌倒检测模型;将所述训练好的跌倒检测模型进行转换得到预设格式的模型,并存储至本地设备,以使得本地设备基于所述预设格式的模型对本地采集的实际环境图像数据进行跌倒检测,得到检测结果,能够实现本地推理和处理的能力,实现本地的跌倒检测,且准确度高。
9、可选的,基于所述预设格式的模型对本地采集的实际环境图像数据进行跌倒检测,得到检测结果包括:
10、基于所述预设格式的模型判断本地采集的实际环境图像数据中人体当前姿态是否为跌倒,若是,则判断人体的动作和运动轨迹是否满足设定跌倒检测的规则和阈值,若是,则检测结果为跌倒并进行预警。
11、可选的,将所述训练好的跌倒检测模型进行转换得到预设格式的模型包括:
12、对跌倒检测模型进行模型剪枝、量化和分层压缩后得到预设格式的模型。
13、可选的,将所述训练好的跌倒检测模型进行转换得到预设格式的模型,并存储至本地设备包括:
14、使用rknn toolkit将所述训练好的跌倒检测模型进行转换得到rknn格式的rknn模型;
15、存储至本地设备时,使用rknn toolkit提供的api和示例代码进行部署。
16、可选的,采集人员跌倒的参考图像数据之后包括:
17、对所述人员跌倒的参考图像数据进行预处理;
18、所述预处理包括滤波和去噪。
19、可选的,所述深度学习模型为yolov5。
20、可选的,得到检测结果之后还包括:
21、保存将检测结果为跌倒时对应的场景图像和人体姿势,以及定时无人时场景图像。
22、第二方面,本专利技术提供一种跌倒检测装置,该装置包括执行上述第一方面的任意一种可能的设计的方法的模块/单元。这些模块/单元可以通过硬件实现,也可以通过硬件执行相应的软件实现。
23、第三方面,本专利技术提供一种电子设备,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的程序,当所述程序被所述处理器执行时,使得所述电子设备实现执行上述任一方面的任意一种可能的设计的方法。
24、第四方面,本专利技术提供一种可读存储介质,所述可读存储介质内存储有程序,所述程序被执行时,实现上述任一方面的任意一种可能的设计的方法。
25、关于上述第二方面至第四方面的有益效果可以参见上述第一方面的描述。
本文档来自技高网...【技术保护点】
1.一种跌倒检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述预设格式的模型对本地采集的实际环境图像数据进行跌倒检测,得到检测结果包括:
3.根据权利要求1所述的方法,其特征在于,将所述训练好的跌倒检测模型进行转换得到预设格式的模型包括:
4.根据权利要求1所述的方法,其特征在于,将所述训练好的跌倒检测模型进行转换得到预设格式的模型,并存储至本地设备包括:
5.根据权利要求1所述的方法,其特征在于,采集人员跌倒的参考图像数据之后包括:
6.根据权利要求1所述的方法,其特征在于,所述深度学习模型为YOLOv5。
7.根据权利要求2所述的方法,其特征在于,得到检测结果之后还包括:
8.一种跌倒检测装置,用于所述权利要求1至7中任一项所述的方法,其特征在于,包括:
9.一种电子设备,其特征在于,包括存储器和处理器,所述存储器上存储有可在所述处理器上运行的程序,当所述程序被所述处理器执行时,使得所述电子设备实现权利要求1至7中任一项所述的方法。
10.
...【技术特征摘要】
1.一种跌倒检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,基于所述预设格式的模型对本地采集的实际环境图像数据进行跌倒检测,得到检测结果包括:
3.根据权利要求1所述的方法,其特征在于,将所述训练好的跌倒检测模型进行转换得到预设格式的模型包括:
4.根据权利要求1所述的方法,其特征在于,将所述训练好的跌倒检测模型进行转换得到预设格式的模型,并存储至本地设备包括:
5.根据权利要求1所述的方法,其特征在于,采集人员跌倒的参考图像数据之后包括:
6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员:邓彩怡,孙杰,
申请(专利权)人:嘉翮科技深圳有限公司,
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。