[发明专利]基于计算机视觉的老人室内跌倒检测方法

说明书

技术领域

本发明涉及图像视觉的运动检测方法技术领域，具体的说，涉及一种基于计算机视觉的老人室内跌倒检测方法。

背景技术

随着人口老龄化的加剧，老年人的医疗健康已成为重要的社会医疗问题，而跌倒是老年人面临的主要健康威胁之一。由于跌倒过程中往往伴随剧烈的撞击，它会对人体造成直接的伤害，如骨折、软组织损伤和脑部创伤等。同时，随着生理结构衰老和身体机能的退化，老年人跌倒后常常失去行动能力，若不能及时地发现他们跌倒，对他们提供及时的救助，将会加重跌倒带来的伤害。

在基于计算机视觉的人体跌倒检测方法中存在如下难点：1.如何区分跌倒动作和类似跌倒动作的正常动作；2.如何检测平行于摄像头的跌倒动作；3.难以获取真实的老年跌倒数据，跌倒与非跌倒动作之间存在交集；4.如何区分跌倒动作和正常的平躺动作。目前，基于计算机视觉自动检测跌倒方法常使用的硬件为：普通摄像头或体感摄像头。前者成本低廉、使用范围广；后者价格高，普及性低，而且检测方法计算量大，难以实时检测跌倒。这两类方法均以摄像头作为媒介获取监控环境变化信息，通过分析环境图像序列的变化特点区分正常动作和跌倒动作，然而传统的跌倒检测方法存在识别率不高、漏检情况。由于人体活动的复杂性和多样性，不同的动作之间具有类似的变化特征，如跌倒和突然坐下动作，两者均是剧烈的人体动作，传统的跌倒检测方法不能有效的识别这两类动作，误检率高；而根据人体姿态变化的跌倒检测方法又不能有效区分跌倒和正常的躺动作。此外，当人体平行于摄像头主轴跌倒时，由于人体自身发生了自遮挡，此时跌倒动作和正常的跌倒的图像序列的变化特征不同，很容易造成漏检。

发明内容

本发明的目的是分析监控环境图像序列变化信息，有效地提取人体运动特征，解决现有问题误报率高和漏检率高的问题，并有效区分跌倒动作和躺动作，从而实时监控人体的活动，对人体的跌倒进行直接有效的检测，而提出一种基于计算机视觉的老人室内跌倒检测方法。

为达到上述目的，本发明采用的具体技术方案如下：

一种基于计算机视觉的老人室内跌倒检测方法，基于一台计算机和至少一个摄像头的硬件设备，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GMM模型提取人体原始轮廓：比较输入图像与GMM模型，将当前帧与不断变化更新的背景模型进行差分，通过灰度等特征变化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；

其中，所述步骤S2包含如下子步骤：

S2.1，对采集到的图像进行预处理，获得图像的灰度值等容易计算的图像值；

S2.2，对比GMM模型，差分提取人体原始轮廓；

S2.3，将含有人体原始轮廓的图像转化为二值图像，移除该二值图像中未连通的区域，使人体原始轮廓饱满完整，并填充其中小的空洞点；

该步骤方法思路简单，且运算量小，能提供完整的数据特征；

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；

其中，所述步骤S3包含如下子步骤：

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人体主要轮廓图像，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；

该步骤方法将原有提取人体轮廓外接矩形框改为提取人体原始轮廓的椭圆框，克服了易受肢体干扰的识别难点，使提取的人体运动特征更准确，从而提高人体活动识别和跌倒检测的效果；

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，采用最近距离法识别每个质心，每隔a帧图像对相应的质心进行跟踪并计算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；

其中，所述步骤S4包含如下子步骤：

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；