[发明专利]一种摔倒报警方法、装置及设备

权利要求书

1.一种摔倒报警方法，其特征在于，所述摔倒报警方法包括：

获取采集区域内的环境视频；

将所述环境视频处理成多个第一图像序列；

将每一个所述第一图像序列输入到基于深度学习算法的人体姿态估计模型，得到所述环境视频中人体对应的热度图像；

获取所述热度图像的多个关键点，将所述多个关键点按预设规则生成第一关键点序列；

根据多个连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒；

当判断所述人体摔倒时，生成报警信息。

2.如权利要求1所述的摔倒报警方法，其特征在于，所述将每一个所述第一图像序列输入到基于深度学习算法的人体姿态估计模型，得到所述环境视频中人体对应的热度图像的步骤之前，还包括对所述基于深度学习算法的人体姿态估计模型进行训练的步骤：

获取人体图片，对图片中的人体的轮廓进行标注；

构建深度学习网络；

将所述人体图片输入所述深度学习网络进行训练，以得到所述基于深度学习算法的人体姿态估计模型。

3.如权利要求1所述的摔倒报警方法，其特征在于，所述根据多个连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒的步骤之前还包括建立关键点序列模型的步骤，所述建立关键点序列模型的步骤包括：

获取人体在不同姿态时对应的第二图像序列，获取所述第二图像序列对应的第二关键点序列，所述姿态包括摔倒行为和未摔倒行为；

根据第二图像序列对应的姿态对所述第二关键点序列进行标记，获取所述第二关键点序列对应的人体姿态变化，以得到所述关键点序列模型。

4.如权利要求3所述的摔倒报警方法，其特征在于，所述获取人体在不同姿态时对应的第二图像序列，获取所述第二图像序列对应的第二关键点序列的步骤，包括：

获取人体姿态模型视频，将所述视频处理成多个所述第二图像序列；

获取多个连续的所述第二图像序列的所述第二关键点序列。

5.如权利要求4所述的摔倒报警方法，其特征在于，所述获取多个连续的第二图像序列的第二关键点序列的步骤包括：

记录多个连续的所述第二图像序列中每一所述第二图像序列对应的时间；

获取所述多个连续的所述第二图像序列中每一所述第二图像序列对应的第二关键点序列。

6.如权利要求5所述的摔倒报警方法，其特征在于，所述根据多个连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒的步骤，包括：

当连续的多个所述第一图像序列对应的所述第一关键点序列的变化大于连续的多个所述第二图像序列对应的所述第二关键点序列的变化的阈值时判断所述人体摔倒。

7.一种摔倒报警装置，其特征在于，所述摔倒报警装置包括：

视频获取模块，用于获取采集区域内的环境视频；

图像分割模块，用于将所述环境视频处理成多个第一图像序列；

热度图像获取模块，用于将每一个所述第一图像序列输入到基于深度学习算法的人体姿态估计模型，得到所述环境视频中人体对应的热度图像；

关键点检测模块，用于获取所述热度图像的多个关键点，将所述多个关键点按预设规则生成第一关键点序列；

摔倒行为判断模块，用于根据多个连续的所述第一图像序列对应的所述第一关键点序列判断所述人体是否摔倒；

报警模块，用于当判断所述人体摔倒时，生成报警信息。

8.如权利要求7所述的摔倒报警装置，其特征在于，所述报警装置还包括：

人体估计模型训练模块，用于获取人体图片，对图片中的人体的轮廓进行标注；构建深度学习网络；将所述人体图片输入所述深度学习网络进行训练，以得到所述基于深度学习算法的人体姿态估计模型。