【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，具体为一种基于双层判断的跌倒行为检测方法。
技术介绍
1、随着社会的发展，人口老龄化是当今社会面临的重大挑战之一，老年人跌倒行为是影响其正常生活的重要因素之一。社区养老中心、养老院、老年活动中心等场所作为老年人社交活动、康复服务和娱乐活动的重要场所，跌倒事件成为其中一个突出的安全问题，跌倒不仅容易导致老年人受伤，还可能造成长期的心理影响甚至直接威胁到生命。
2、当前，基于计算机视觉的跌倒检测方法部署便捷以及成本低，因此具备一些显著的优势。现存的基于计算机视觉的跌倒检测方法大多分为两步：先对检测目标进行跟踪，再对目标的运动信息进行分析判定是否发生跌倒行为，这种方法虽然会减少误判率，但由于网络结构较大，占用空间内存较多；同时，在社区养老中心、养老院、老年活动中心等复杂环境的场景中，跌倒行为检测容易受到多个人之间互相遮挡的影响，并且目前所知的跌倒检测方法很难辨别出跌倒行为和躺在床、沙发或椅子上休息等这类类跌倒行为之间的区别，从而增加了跌倒行为的漏判和误判。
3、为解决上述问题，本专利技术提...
【技术保护点】
1.一种基于双层判断的跌倒行为检测方法，其特征在于：所述方法通过以下步骤实现：
2.根据权利要求1中所述的一种基于双层判断的跌倒行为检测方法，其特征在于：所述步骤(1-1)将基于跨空间学习的高效多尺度注意力机制融入到YOLOv8网络的具体实现方法为：将EMA注意力机制融入到YOLOv8网络的neck端，与连接Detect的三个C2f模块结合，即在融合特征前都加入EMA注意力机制模块。
3.根据权利要求1中所述的一种基于双层判断的跌倒行为检测方法，其特征在于：所述步骤(1-2)将空间和通道重建卷积融入到YOLOv8网络的具体实现方法为：将YOLO...
【技术特征摘要】
1.一种基于双层判断的跌倒行为检测方法，其特征在于：所述方法通过以下步骤实现：
2.根据权利要求1中所述的一种基于双层判断的跌倒行为检测方法，其特征在于：所述步骤(1-1)将基于跨空间学习的高效多尺度注意力机制融入到yolov8网络的具体实现方法为：将ema注意力机制融入到yolov8网络的neck端，与连接detect的三个c2f模块结合，即在融合特征前都加入ema注意力机制模块。
3.根据权利要求1中所述的一种基于双层判断的跌倒行为检测方法，其特征在于：所述步骤(1-2)将空间和通道重建卷积融入到yolov8网络的具体实现方法为：将yolov8网络backbone部分的四个c2f层全部替换为c2f_scconv模块。
4.根据权利要求1中所述的一种基于双层判断的跌倒行为检测方法，其特征于：所述步骤(2)使用跌倒特征判断方法对图像进行特征提取及分类，其中跌倒特征具体实现方法为：通过改进的yolov8与openpose网络结合的方法得到人体颈部以及双脚中心点的关键点坐标，两个坐标的连线为颈轴，计算相邻十帧间颈轴方向与重力垂直方向之间的角度α，颈轴方向与地面之间的角度β，人体在产生跌倒行为的瞬间，颈轴与重力垂直方向夹角α会产生明显变化，若α≥30°，则对人体的颈轴方向与地面方向之间的夹角β进行计算，若β无限趋于0°，则判断为疑似跌倒行为，否则判断为未发生跌倒行为。
5.根据权利要求1中所述的一种基于双层判断的跌倒行为检测方法，其特征在于：所述步骤(3)具体实现方法为：首先，建立一个自定义的场景语义分割网络；其次，对这个场景语义分割网络进行训练，在训练阶段，选取了coco数据集中的“床”、“沙发”和“椅子”三个类别的图片作为训练数据，将其视为可跌倒区域；最后，将经过训练的语义分割部署到跌倒检测网络的输出端。
6.根据权利要求1中所述的一种基于双层判断的跌倒行为检测方法，其特征在于：所述的场景语义分割网...
【专利技术属性】
技术研发人员：薛楠，王鑫磊，刘莉芬，李鹏程，
申请(专利权)人：哈尔滨理工大学，
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。