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】
本专利技术涉及人体跌倒检测,尤其涉及一种基于关键点序列分析的人体跌倒检测方法、装置及设备。
技术介绍
1、人体跌倒检测技术是随着人口老龄化问题日益严重和个人健康管理意识增强而迅速发展的一项技术。它主要用于及时检测老年人、独居人士或身体条件较弱者的跌倒事件,以便在紧急情况发生时迅速采取救助措施,减少由跌倒引起的伤害,跌倒不仅对老年人造成即时的伤害,还可能导致长期的健康问题,包括恐惧症、行动不便甚至死亡,因此,人体跌倒检测技术在医疗健康、老年护理和智能家居等领域具有广泛的应用前景。现有的人体跌倒检测技术方案主要包括基于可穿戴设备的检测、基于环境传感器的检测以及基于智能视频分析的检测,上述技术通过监测人体的运动状态、环境变化或图像信息来判断跌倒事件,尽管技术不断进步,但仍面临一些技术问题,如准确性问题,现有技术无法准确区分日常活动与真正的人体跌倒;同时,对于可穿戴设备,设备的便携性与舒适性也会对用户体验造成影响。
2、现有中国专利cn112163564a公开了一种基于人体关键点行为识别与lstm的跌倒预判方法,包括:利用rgb摄像机采集人体行为的rgb图像;将rgb图像转化为红外图像;对红外图像进行初步清晰化处理;提取出活动的人体图像;基于相邻人体关键点分组方法,把人体分为头部、躯干和腿部三个区域进行行为识别;采用lstm,即长短期记忆神经网络机制来实现对采集视频的记忆功能,从而实现对人体行为变化的分析与识别功能,最后将识别结果归为三类:跌倒、非跌倒与其他。然而,上述专利是通过将被监护人当前状态与模型库进行对比,利用跌倒所
3、为此,如何提高人体跌倒检测的准确度是亟待解决的问题。
技术实现思路
1、有鉴于此,本专利技术提供了一种基于关键点序列分析的人体跌倒检测方法、装置及设备,用以解决现有技术中人体跌倒检测准确度低的问题。
2、本专利技术采用的技术方案是:
3、第一方面,本专利技术提供了一种基于关键点序列分析的人体跌倒检测方法,所述方法包括:
4、获取目标对象监护场景下采集的实时视频流,将所述实时视频流分解为多帧实时图像;
5、对各帧实时图像进行人体关键点检测和滤波处理,输出人体关键点的目标位置信息;
6、依据所述目标位置信息,对所述目标对象进行运动分析,输出运动分析结果;
7、依据预设的跌倒检测条件和所述运动分析结果,当判定目标对象跌倒时,发出安全提醒。
8、优选地,所述对各帧实时图像进行人体关键点检测和滤波处理,输出目标关键点位置信息包括:
9、将各帧实时图像输入预训练的关键点检测模型中,输出人体关键点的第一位置信息;
10、对所述第一位置信息进行空间滤波处理,确定被遮挡关键点的第二位置信息;
11、对所述第一位置信息和所述第二位置信息进行时序滤波处理,输出所述目标位置信息。
12、优选地,所述对所述第一位置信息进行空间滤波处理,确定被遮挡关键点的第二位置信息包括:
13、依据所述第一位置信息,检测与被遮挡关键点相连接的目标关键点,获取目标关键点的数量;
14、若目标关键点的数量为1,或,目标关键点的数量为2但存在未被成功检测的目标关键点,则将被遮挡关键点在上一帧实时图像中对应的位置信息作为所述第二位置信息;
15、若目标关键点的数量为2且目标关键点均被成功检测,则将两个目标关键点的中值坐标作为所述第二位置信息。
16、优选地,所述对所述第一位置信息和所述第二位置信息进行时序滤波处理,输出所述目标位置信息包括:
17、依据所述第一位置信息和所述第二位置信息,确定在时序上的关键点位置序列信息;
18、依据预设的滑动窗口大小,对所述关键点位置序列信息进行滑动中值滤波处理,输出滤波处理后的所述目标位置信息。
19、优选地,所述依据所述目标位置信息,对所述目标对象进行运动分析,输出运动分析结果包括:
20、依据所述目标位置信息,获取参考目标位置信息和分析目标位置信息,其中,参考目标至少包括脚踝关键点,分析目标至少包括头顶关键点;
21、依据所述参考目标位置信息和分析目标位置信息,确定参考目标和分析目标之间的相对位置信息;
22、依据所述相对位置信息,确定相对运动参数作为所述运动分析结果,其中,所述相对运动参数至少包括:相对位移量、相对运动速度和相对运动加速度。
23、优选地,所述依据预设的跌倒检测条件和所述运动分析结果,当判定目标对象跌倒时,发出安全提醒包括:
24、获取预设的与人体跌倒相关的评估阈值,其中,所述评估阈值至少包括位移阈值、速度阈值和加速度阈值;
25、依据所述运动分析结果和所述评估阈值,当所述运动分析结果符合所述跌倒检测条件时,判定为目标对象跌倒。
26、优选地,所述依据所述运动分析结果和所述评估阈值,当所述运动分析结果符合所述跌倒检测条件时,判定为目标对象跌倒包括:
27、获取所述运动分析结果,其中所述运动分析结果至少包括:相对位移量、相对运动速度和相对运动加速度;
28、将所述相对位移量与所述位移阈值进行比较,若相对位移量小于所述位移阈值,则将所述相对运动速度与所述速度阈值比较,或,将所述相对运动加速度与所述加速度阈值进行比较;
29、若相对运动速度大于所述速度阈值或所述相对运动加速度大于所述加速度阈值,则判定为目标对象跌倒。
30、第二方面,本专利技术提供了一种基于关键点序列分析的人体跌倒检测装置,所述装置包括:
31、实时图像获取模块,用于获取目标对象监护场景下采集的实时视频流,将所述实时视频流分解为多帧实时图像;
32、关键点检测和滤波处理模块,用于对各帧实时图像进行人体关键点检测和滤波处理,输出人体关键点的目标位置信息;
33、运动分析模块,用于依据所述目标位置信息,对所述目标对象进行运动分析,输出运动分析结果;
34、跌倒检测模块,用于依据预设的跌倒检测条件和所述运动分析结果,当判定目标对象跌倒时,发出安全提醒。
35、第三方面,本专利技术实施例还提供了一种电子设备,包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,本文档来自技高网...
【技术保护点】
1.一种基于关键点序列分析的人体跌倒检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述对各帧实时图像进行人体关键点检测和滤波处理,输出目标关键点位置信息包括:
3.根据权利要求2所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述对所述第一位置信息进行空间滤波处理,确定被遮挡关键点的第二位置信息包括:
4.根据权利要求2所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述对所述第一位置信息和所述第二位置信息进行时序滤波处理,输出所述目标位置信息包括:
5.根据权利要求1所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述依据所述目标位置信息,对所述目标对象进行运动分析,输出运动分析结果包括:
6.根据权利要求1至5任一项所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述依据预设的跌倒检测条件和所述运动分析结果,当判定目标对象跌倒时,发出安全提醒包括:
7.根据权利要求6所述的基于关键点序列分析的人体跌倒检测方法
8.一种基于关键点序列分析的人体跌倒检测装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-7中任一项所述的方法。
10.一种存储介质,其上存储有计算机程序指令,其特征在于,当所述计算机程序指令被处理器执行时实现如权利要求1-7中任一项所述的方法。
...【技术特征摘要】
1.一种基于关键点序列分析的人体跌倒检测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述对各帧实时图像进行人体关键点检测和滤波处理,输出目标关键点位置信息包括:
3.根据权利要求2所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述对所述第一位置信息进行空间滤波处理,确定被遮挡关键点的第二位置信息包括:
4.根据权利要求2所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述对所述第一位置信息和所述第二位置信息进行时序滤波处理,输出所述目标位置信息包括:
5.根据权利要求1所述的基于关键点序列分析的人体跌倒检测方法,其特征在于,所述依据所述目标位置信息,对所述目标对象进行运动分析,输出运动分析结果包括:
6.根据权利要求1至5...
【专利技术属性】
技术研发人员:熊章,陈辉,张智,张青军,胡国湖,
申请(专利权)人:宁波星巡智能科技有限公司,
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。