一种基于视觉的摔倒检测方法及监测预警系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114170629A(43)申请公布日2022.03.11(21)申请号202111451254.1G06V10/82(2022.01)(22)申请日2021.12.01G06T7/207(2017.01)G06N3/04(2006.01)(71)申请人贵州师范学院G06N3/08(2006.01)地址贵州省贵阳市乌当区高新路115号贵G08B21/04(2006.01)州师范学院(72)发明人吴恋崔忠伟赵建川于国龙熊伟程左欣马敏耀陈伟滨杨燚云(74)专利代理机构北京中济纬天专利代理有限公司11429代理人陈友(51)Int.Cl.G06V40/10(2022.01)G06V20/40(2022.01)G06V10/80(2022.01)权利要求书2页说明书5页附图4页(54)发明名称一种基于视觉的摔倒检测方法及监测预警系统(57)摘要本发明提供了一种基于视觉的轻量级摔倒事件监测方法，具体包括如下步骤：步骤一：对指定范围内的区域进行视频拍摄；步骤二：实时获取拍摄的视频并进行人体目标检测；步骤三：对检测到的人体目标获取视频中每一帧人体目标的几何特征；步骤四：根据几何特征获取对应于人体目标摔倒可能性的异常分值y1；步骤五：计算视频中相邻的两帧图像的光流信息；步骤六：根据所述光流信息获取对应于人体目标摔倒可能性的异常分值y2；步骤七：将由视频对应的帧得到的y1和y2进行加权融合得到一融合值，将融合值与预设的阈值进行比较，通过比较结果判断所述对应的帧是否为摔倒帧；步骤八：如果为摔倒帧，将摔倒帧的数量加1；步骤九：当一段视频长度内的摔倒帧的数量大于预设的阈值时，判断为摔倒。该方法能够更加准确地判断人体目标是CN114170629A否摔倒。CN114170629A权利要求书1/2页1.一种基于视觉的摔倒检测方法，其特征在于，具体包括如下步骤：步骤一：对指定范围内的区域进行视频拍摄；步骤二：实时获取拍摄的视频并进行人体目标检测；步骤三：对检测到的人体目标获取视频中每一帧人体目标的几何特征；步骤四：根据几何特征获取对应于人体目标摔倒可能性的异常分值y1；步骤五：计算视频中相邻的两帧图像的光流信息；步骤六：根据所述光流信息获取对应于人体目标摔倒可能性的异常分值y2；步骤七：将由视频对应的帧得到的y1和y2进行加权融合得到一融合值，将融合值与预设的阈值进行比较，通过比较结果判断所述对应的帧是否为摔倒帧；步骤八：如果为摔倒帧，将摔倒帧的数量加1；步骤九：当一段视频长度内的摔倒帧的数量大于预设的阈值时，判断为摔倒。2.根据权利要求1所述的方法，其特征在于，步骤七中，相互融合的异常分值y1对应的帧与异常分值y2对应的帧相对应，异常分值y1和异常分值y2实时且同步计算。3.根据权利要求1所述的方法，其特征在于，步骤二中采用Tiny‑YOLOv3模型，在步骤三中采用Tiny‑YOLOv3模型获取人体目标的几何特征。4.根据权利要求1所述的方法，其特征在于，所述异常分值y1取值在0‑1之间，所述异常分值y2取值在0‑1之间，融合值＝a*y1+b*y2，a、b为权值且0≤a、b≤1。5.根据权利要求4所述的方法，其特征在于，a＝0.4，b＝0.6。6.根据权利要求1所述的方法，其特征在于，还包括步骤十：在判断为摔倒后，向指定的电话号码发送信息，信息中包含人体所在的位置信息和/或摔倒的照片。7.一种摔倒事件的监测预警系统，包括：视频拍摄模块，用于对指定区域实时地拍摄视频；人体目标获取模块，用于实时地获取所述视频中的人体目标；第一异常分值y1计算模块，用于获取所述视频中每一帧的人体目标的几何特征，根据几何特征获取对应于人体目标摔倒可能性的第一异常分值y1；第二异常分值y2计算模块，用于获取所述视频中相邻两帧的光流信息，根据光流信息获取对应于人体目标摔倒可能性的第二异常分值y2；融合模块，将由相对应的帧计算出的第一异常分值y1和第二异常分值y2进行加权融合得到融合值；第一判断模块，将融合值与预设的阈值进行比较，根据比较结果判断对应的帧是否为摔倒帧；第二判断模块，当第一判断模块判断为摔倒帧后，将该摔倒帧发送到第二判断模块，第二判断模块将摔倒帧的数量加1,若在预定的视频长度内摔倒帧的数量大于预定的阈值，则判断为摔倒。8.根据权利要求7所述的监测预警系统，其特征在于，所述人体目标获取模块、第一异常分值y1计算模块、第二异常分值y2计算模块、融合模块、第一判断模块集成在视频拍摄模块中。9.根据权利要求7所述的监测预警系统，其特征在于，还包括远程服务器，所述第二判断模块集成在远程服务器中，在第一判断模块判断到摔倒帧后将该摔倒帧发送到远程服务2CN114170629A权利要求书2/2页器中，在远程服务