一种人体姿态检测判断是否跌倒的检测方法技术

本发明专利技术提供一种人体姿态检测判断是否跌倒的检测方法，包括：S0获取图像帧；S1人形检测；S2人体关键点检测；S3跟踪：将以上检测结果信息输入跟踪算法根据人形在视频中的坐标信息进行跟踪匹配，并将人体关键点检测的结果保存到跟踪目标当中，其中保存的关键点检测结果要做进一步处理，求上半身的关键点的中心点Up(x,y)，和下身腿部的中心点Dp(x,y)：上半身中心点下身腿部中心点将Up和Dp保存到跟踪目标中，并会保留前24帧的历史信息；S4跌倒判断；S5输出结果；S6当前帧检测结束，进行下一帧图像，重新返回步骤S0。本方法提供一种可部署到终端设备实现实时跌倒检测的方法，提高检测效率的同时一定程度上降低了成本，是一种简单可行的落地方案。

【技术实现步骤摘要】

本专利技术属于智能视频处理，特别涉及一种人体姿态检测判断是否跌倒的检测方法。

技术介绍

1、随着科技的发展，近10年内神经网络在人工智能(ai)领域展现出强大的能力与活力，当前最流行的神经网络是深度卷积神经网络，在计算机视觉领域物体检测与物体关键点检测任务中发挥着重要的作用，人体姿态的检测对人体动作识别发挥重要作用。随着ai技术的发展，其中跌倒检测等危险动作识别也成为了计算机视觉领域的研究方向。在人口老龄化问题的日益严峻的形势下，进行跌倒检测具有十分重要的意义。

2、然而，现有技术也存在以下缺陷：

3、目前较为普遍的跌倒检测是通过手表佩带加速度传感器与大数据ai算法实时检测的，计算机视觉领域虽然可以完成较高精度的动作识别，但将其赋能给智能检测的终端设备时，却较难落地实现。即在动作识别领域，成熟的计算机深度学习的算法要运用到图卷积(gcn)，但是比较难在终端设备上完成的，难以实际落地。

技术实现思路

1、为了解决上述问题，本申请的目的在于：提供一种部署到终端摄像头的跌倒检测的方法，可在终本文档来自技高网...

【技术保护点】

1.一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述步骤S2中所述人体17个关键点坐标，输出其34个数值，2个一组对应其17组坐标点数据：

3.根据权利要求1所述的一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述步骤S3中的跟踪算法，包括：deepsort多目标跟踪算法、mht多假设跟踪算法。

4.根据权利要求3所述的一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述方法优选基于deepsort多目标跟踪算法。</p>

5.根据...

【技术特征摘要】

1.一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述步骤s2中所述人体17个关键点坐标，输出其34个数值，2个一组对应其17组坐标点数据：

3.根据权利要求1所述的一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述步骤s3中的跟踪算法，包括：deepsort多目标跟踪算法、mht多假设跟踪算法。

4.根据权利要求3所述的一种人体姿态检测判断是否跌倒的检测方法，其特征在于，所述方法优选基于deep...

【专利技术属性】
技术研发人员：闫少甫，
申请(专利权)人：北京君正集成电路股份有限公司，
类型：发明
国别省市：