[发明专利]基于计算机视觉的老人室内跌倒检测方法

权利要求书

1.一种基于计算机视觉的老人室内跌倒检测方法，其特征在于采用如下具体步骤：

S1，计算机获取实时人体运动图像，该图像由连接计算机的摄像头拍摄后传送至计算机；

S2，采用高斯模型(GMM)提取人体原始轮廓：比较输入图像与GMM模型并差分获得人体原始轮廓的区域图像，移除小目标并填充小的空洞点；

S3，利用椭圆拟合方法定位人体坐标：将所述人体原始轮廓拟合为椭圆形的人体主要轮廓图像，计算该椭圆的特征值并以此获取人体坐标，移除拟合的椭圆外的区域；

S4，提取人体运动特征：将所述拟合轮廓的椭圆划分为N个区域，计算每个区域的质心，跟踪计算连续图像中各个质心的坐标变化，提取全部质心的偏移向量构成运动特征；

S5，建立视觉语句：使用K-means聚类算法分析步骤S4的偏移向量建立运动词典，使用TF-IDF算法统计运动词典中每个单词的词频，并按照运动词典的单词顺序组成人体运动视觉语句；

S6，区分活动属性：建立DAG-SVM并对步骤S5的人体运动视觉语句进行分类，判断当前活动是否为跌倒；

S7，判断跌倒后，发出跌倒警报。

2.根据权利要求1所述的基于计算机视觉的老人室内跌倒检测方法，其特征在于步骤S3的具体内容如下：

S3.1，利用椭圆拟合方法将所述人体原始轮廓拟合为椭圆形的图像，计算该椭圆的特征值；

S3.2，移除所述椭圆以外的区域图像，并根据椭圆的特征值获得人体在图像中的位置坐标。

3.根据权利要求1或2所述的基于计算机视觉的老人室内跌倒检测方法，其特征在于：

所述椭圆的特征值包括：中心坐标、倾角θ、长半轴和短半轴的长度。

4.根据权利要求1所述的基于计算机视觉的老人室内跌倒检测方法，其特征在于步骤S4的具体内容如下：

S4.1，提取步骤S3所述椭圆的最小外接矩形框，该矩形框的宽w和高h均平行于整体图像的边框，计算所述宽w、高h；

S4.2，将人体轮廓的所述椭圆划分为N个区域，N为大于1的整数；

S4.3，计算每帧图像中每个区域的质心坐标；

S4.4，分别计算每帧图像的各区域质心与相邻帧所有区域质心的欧式距离，采用最近距离法逐帧识别各区域的质心坐标；

S4.5，计算间隔a帧后人体区域质心坐标的变化，并转化为多质心偏移向量V_f，其中f为图像帧数；

S4.6，采用滑动时间窗口的方式提取该时间窗口内全部多质心偏移向量V_f，所述时间窗口为t。

5.根据权利要求4所述的基于计算机视觉的老人室内跌倒检测方法，其特征在于步骤S4.2中划分椭圆的具体方法如下：

S4.2.1，若w<h，沿y轴方向将人体轮廓外接矩形框划分成面积相等的N个部分，分别记为R₁，R₂，…，R_N；

S4.2.2，若w>h，沿x轴方向将人体轮廓外接矩形框划分成面积相等的N个部分，分别记为R₁，R₂，…，R_N；

S4.2.3，当w＝h且0°≤θ≤75°时，沿x轴45°方向，将与x轴正方向成45°夹角的外接矩形的对角线作N-1条垂线，该N-1条垂线将外接矩形框分为面积相等的N个部分，分别记为R₁，R₂，…，R_N；

S4.2.4，当w＝h且105°≤θ≤180°时，沿x轴135°方向，将与x轴正方向成135°夹角的外接矩形的对角线作N-1条垂线，该N-1条垂线将外接矩形框分为面积相等的N个部分，分别记为R₁，R₂，…，R_N。