【技术实现步骤摘要】
本申请涉及行为人体姿态检测，特别是涉及一种摔倒行为检测方法、装置及设备。
技术介绍
1、目前，摔倒是日常生活中对人体造成意外伤害的主要原因之一。尤其对于老年人、盲人来说，摔倒是一种非常危险的行为。
2、传统摔倒行为检测方法利用的是基于阈值的摔倒检测算法，被检测用户佩戴基于三轴加速度传感器的检测装置，该检测装置不断测量用户的三轴加速度值，即x轴加速度值、y轴加速度值以及z轴加速度值，并对三轴加速度值进行监测。一旦发现被三轴加速度值突然增大且增幅超过一定阈值，则判断被检测用户发生了摔倒行为。但该方法将人体的摔倒模式考虑的过于简单，容易将正常运动事件误判为摔倒事件，导致摔倒行为检测准确性较低。
技术实现思路
1、本说明书实施例提供一种摔倒行为检测方法、系统及设备，以提高摔倒行为检测的准确性。
2、为解决上述技术问题，本说明书实施例是这样实现的：
3、本说明书实施例提供的一种摔倒行为检测方法，包括：
4、获取包含人体的图像数据；
5、将所述包含人体的图像数据输入yolov8-pose关键点检测模型，得到关于所述人体的关键点的坐标信息；所述关键点的坐标信息包括头部的坐标信息、肩膀的坐标信息、手部的坐标信息、髋部的坐标信息、膝盖的坐标信息以及脚踝的坐标信息；
6、若所述头部的坐标信息、所述肩膀的坐标信息、所述手部的坐标信息、所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的横坐标的值的差值大于第一预
7、和/或，若所述头部的坐标信息、所述肩膀的坐标信息、所述手部的坐标信息、所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的纵坐标的值的差值小于第二预设阈值，则确定所述人体出现摔倒行为。
8、可选地，所述确定所述人体出现摔倒行为，具体包括：
9、若所述头部的坐标信息与所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的至少一种坐标信息的横坐标的值的差值大于所述第一预设阈值，则确定所述人体出现摔倒行为。
10、可选地，所述确定所述人体出现摔倒行为，具体包括：
11、若所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的纵坐标的值的差值小于所述第二预设阈值，所述手部的坐标信息与所述脚踝的坐标信息的纵坐标的值的差值小于所述第二预设阈值，所述手部的坐标信息与所述脚踝的坐标信息的横坐标的值的差值大于所述第一预设阈值，则确定所述人体出现摔倒行为。
12、可选地，所述确定所述人体出现摔倒行为，具体包括：
13、若所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的纵坐标的值的差值小于所述第二预设阈值，所述肩部的坐标信息与所述髋部的坐标信息的纵坐标的值的差值小于所述第二预设阈值，则确定所述人体出现摔倒行为。
14、可选地，所述包含人体的图像数据包括第一帧图像数据以及第二帧图像数据，所述人体的关键点的坐标信息包括基于所述第一帧图像数据得到的第一关键点的坐标信息，以及基于所述第二帧图像数据得到的第二关键点的坐标信息；所述方法还包括：
15、若所述第一关键点的坐标信息与所述第二关键点的坐标信息的纵坐标的值的差值大于第三预设阈值，则确定所述人体出现摔倒行为。
16、可选地，在将所述图像数据输入yolov8-pose关键点检测模型，得到关于所述人体的关键点的坐标信息之后，所述方法还包括：
17、将所述人体的关键点的坐标信息进行归一化，得到归一化后的人体的关键点的坐标信息。
18、可选地，所述人体的图像数据由四足仿生机器人采集得到。
19、可选地，在确定所述人体出现摔倒行为之后，所述方法还包括：
20、发出人体摔倒报警。
21、本说明书实施例提供的一种摔倒行为检测装置，包括：
22、图像数据获取模块，用于获取包含人体的图像数据；
23、坐标信息获取模块，用于将所述包含人体的图像数据输入yolov8-pose关键点检测模型，得到关于所述人体的关键点的坐标信息；所述关键点的坐标信息包括头部的坐标信息、肩膀的坐标信息、手部的坐标信息、髋部的坐标信息、膝盖的坐标信息以及脚踝的坐标信息；
24、摔倒行为确定模块，用于当所述头部的坐标信息、所述肩膀的坐标信息、所述手部的坐标信息、所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的横坐标的值的差值大于第一预设阈值时，确定所述人体出现摔倒行为；
25、和/或，所述摔倒行为确定模块用于当所述头部的坐标信息、所述肩膀的坐标信息、所述手部的坐标信息、所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的纵坐标的值的差值小于第二预设阈值时，确定所述人体出现摔倒行为。
26、本说明书实施例提供的一种摔倒行为检测设备，包括：
27、至少一个处理器；以及，
28、与所述至少一个处理器通信连接的存储器；其中，
29、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
30、获取包含人体的图像数据；
31、将所述包含人体的图像数据输入yolov8-pose关键点检测模型，得到关于所述人体的关键点的坐标信息；所述关键点的坐标信息包括头部的坐标信息、肩膀的坐标信息、手部的坐标信息、髋部的坐标信息、膝盖的坐标信息以及脚踝的坐标信息；
32、若所述头部的坐标信息、所述肩膀的坐标信息、所述手部的坐标信息、所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的横坐标的值的差值大于第一预设阈值，则确定所述人体出现摔倒行为；
33、和/或，若所述头部的坐标信息、所述肩膀的坐标信息、所述手部的坐标信息、所述髋部的坐标信息、所述膝盖的坐标信息以及所述脚踝的坐标信息中的任意两者的纵坐标的值的差值小于第二预设阈值，则确定所述人体出现摔倒行为。
34、本说明书一个实施例实现了能够达到以下有益效果：
35、本说明书实施例公开了一种摔倒行为检测方法、装置及设备，方案包括：获取包含人体的图像数据；将包含人体的图像数据输入yolov8-pose关键点检测模型，得到关于人体的关键点的坐标信息；若头部的坐标信息、肩膀的坐标信息、手部的坐标信息、髋部的坐标信息、膝盖的坐标信息以及脚踝的坐标信息中的任意两者的横坐标的值的差值大于第一预设阈值，和/或，任意两者的纵坐标的值的差值小于第二预设阈值，则确定人体出现摔倒行为。本说明书实施例通过利用yolov8-pose关键点检测模型检测人体的关键点的坐标信息，并基于关键点的坐标信息的横纵坐标的差值来检测摔倒行为，提高了摔倒行为检测的准确性。
本文档来自技高网...【技术保护点】
1.一种摔倒行为检测方法，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，所述确定所述人体出现摔倒行为，具体包括：
3.根据权利要求1所述的方法，其特征在于，所述确定所述人体出现摔倒行为，具体包括：
4.根据权利要求1所述的方法，其特征在于，所述确定所述人体出现摔倒行为，具体包括：
5.根据权利要求1所述的方法，其特征在于，所述包含人体的图像数据包括第一帧图像数据以及第二帧图像数据，所述人体的关键点的坐标信息包括基于所述第一帧图像数据得到的第一关键点的坐标信息，以及基于所述第二帧图像数据得到的第二关键点的坐标信息；所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，在将所述图像数据输入YOLOv8-pose关键点检测模型，得到关于所述人体的关键点的坐标信息之后，所述方法还包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述人体的图像数据由四足仿生机器人采集得到。
8.根据权利要求7所述的方法，其特征在于，在确定所述人体出现摔倒行为之后，所述方法还包括：
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。