[发明专利]一种家庭环境下独居老人异常行为的监测方法

说明书

技术领域

本发明属于视频图像技术领域，涉及一种家庭环境下独居老人异常行为的监测方法。

背景技术

随着经济社会的快速发展，人民生活水平和医疗卫生保障事业的巨大改善，生育率持续保持较低水平，我国人口年龄结构发生了较大的变化。由第六次全国人口普查数据显示，我国60岁及以上人口占13．26%，比2000年上升2.93个百分点，我国老龄化进程逐步加快。随着我国人口老龄化进程的不断加快，人均期望寿命的延长和生育率的进一步下降，“空巢”现象日趋突出，空巢老人逐年增加。据首届全国智能化养老战略研讨会介绍，到2050年，我国临终无子女的老年人将达到7900万左右，独居和空巢老年人将占54%以上，空巢老人的养老问题，也再次引发关注。空巢老人是一个特殊的老年群体，由于子女长期不在身边，养老服务人力资源短缺，使得空巢老人的饮食起居完全依靠自己．随着年龄的增长，老年人的机体生理老化的同时也伴随着精神活动能力减弱，从而使其生活中产生很多安全隐患，易出现摔倒、跌落等意外伤害。因此，如何在空巢老人的家庭环境下及时检测出摔倒等异常行为，第一时间通知家人和医院，保障空巢老人的安全，是值得我们关注的重要课题。

目前，异常行为检测是一个研究热点，具有很大的发展空间。在现有技术中，有一种基于动作识别的人体异常行为检测与预警系统，该申请方案提出由摄像头采集人体运动图像，由人体腕套内的惯性测量单元采集人体运动数据，并分别传送至主机，通过主机内置程序根据人体运动图像结合人体运动数据在显示器上模拟出相关动作画面，当有异常行为发生时，会通过预警系统报警。该技术将运动图像与运动数据进行结合，以实现人体异常行为的检测，但人体手部佩戴的腕套属于接触性装置，采集数据时，会对人体的正常活动造成一定影响，使得该技术的实用性较低。还有一些方案提出用视频图像处理的方法，提取出人群行为的特征，把提取的这些特征运用到机器学习模型中，将各种行为特征进行分类，得到训练参数，从而可对人群异常的行为进行检测。该方案在神经网络进行训练时，需要大量的样本，才能得到较为准确的参数，由于人体行为的复杂多样性，使得识别结果缺乏一定的准确性保证。同时，现有的各种方案多采用普通摄像头直接监控，缺乏对监控对象的隐私保护。

因此，目前急需一种无需大量样本、非接触性、具有一定隐私保护效果的异常行为监控方法来实现家庭环境下独居老人的异常行为监测。

发明内容

有鉴于此，本发明的目的在于提供一种家庭环境下独居老人异常行为的监测方法，该方法基于红外摄像技术和Blob图像跟踪算法，可以对老人的日常行为进行跟踪检测，并在发生危险异常情况时进行报警提示。

为达到上述目的，本发明提供如下技术方案：

一种家庭环境下独居老人异常行为的监测方法，包括以下步骤：步骤一：利用红外线摄像机进行红外线摄像，获取视频图像信号；步骤二：采用改进的自适应混合高斯建模方法进行前景检测；步骤三：识别目标团块，获取团块信息；步骤四：对目标团块进行实时跟踪；步骤五：对目标团块中心进行Kalman滤波，得到其预测值，预测值与实际值进行比较，大于设定阈值，则判定行为异常，发送紧急短信。

进一步，在步骤二中具体包括以下步骤：21：建立混合高斯背景模型表征图像帧中的每一个像素点的特征；22：自适应更新背景模型，计算前景掩膜；23：对前景掩膜进行形态学开运算和闭运算滤波。

进一步，所述步骤三中采用基于前景掩膜连通区域的团块检测算法识别目标团块。

进一步，所述步骤四中采用MeanShift算法对目标团块进行实时跟踪。

进一步，所述步骤五中发送紧急短信是基于互联网的SMS模块实现的。

进一步，步骤三中所述的团块信息包括：团块的中心，长、宽及ID信息。

本发明的有益效果在于：本发明所述方法基于红外摄像技术和Blob图像跟踪算法，其中，红外摄像机能准确地探测热目标，而忽略背景及人体本身丰富的细节信息，因此能对监控对象的隐私起到一定的保护作用；在基于Blob的跟踪算法中，能有效方便地获取目标团块的信息，使得实时的跟踪算法得以实现，同时，卡尔曼滤波预测值与真实值的差值，作为判定标准，简单有效可靠，使得该方法能实现跌倒异常行为检测的目的。同时，利用红外视频进行行为监控，实现了通过非接触性方式进行异常行为监测的目的，且本发明使用的跟踪算法实时性好，跟踪目标特征易于获取，运算过程迅速，判断标准简单可靠。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明所述方法的流程图；