[发明专利]一种基于视频处理的自适应阈值多目标摔倒检测方法

权利要求书

1.一种基于视频处理的自适应阈值多目标摔倒检测方法，其特征在于包括以下步骤：

步骤一、进行用户图像信息采集；

通过用户正常活动和摔倒后的图像的采集，记录下用户正常活动和摔倒时的最小外接矩形内人体图像的高宽比、有效面积比和中心变化量；

步骤二、进行摔倒判定方式的融合；

根据人体中心变化量判定人是否有摔倒趋势，然后利用人体图像高宽比和有效面积比对摔倒的敏感程度不同赋予不同权重，得到新的判定参数实现摔倒判定方式的融合；

步骤三、摔倒阈值的自适应，对不同体型用户进行最佳阈值的设定；过程如下：设定用户摔倒阈值区间[T_min,T_max]和摔倒阈值参数a；估计一个用户的初始摔倒阈值T_k，T_minT_kT_max，筛选用户活动过程中在摔倒阈值区间[T_min,T_max]的数据，数据总数为n个，小于初始摔倒阈T_k的值T_j1属于集合C₁，C₁包含m个元素，大于等于初始摔倒阈T_k的值T_j2属于集合C₂，C₂包含n-m个元素；计算集合C₁和C₂的平均摔倒阈值u₁和u₂；计算新的摔倒阈值T_k+1，T_k+1＝(u₁+u₂)/2，若|T_k+1-T_k|≤a，则推出T_k+1最佳，否则将T_k+1的值赋给T_k并重复上述过程，直至得到最佳摔倒阈值T_k+1；

步骤四、实现人体目标摔倒检测；

依据步骤一中采集的用户图像信息和步骤二中摔倒判定方式的融合，并结合步骤三设定的用户最佳摔倒阈值，实现目标摔倒检测。

2.根据权利要求1所述的一种基于视频处理的自适应阈值多目标摔倒检测方法，其特征在于：所述的步骤一用户图像信息采集包括该用户目标的检测和图像预处理，通过用户正常活动和摔倒后的图像的采集，记录下用户正常活动和摔倒时的最小外接矩形内的人体图像的高宽比R_1i、有效面积比R_2i和中心变化量R_3i：

式中H_1i和W_1i分别为人体最小外接矩形的高度和宽度；

式中S_有i和S_矩i分别为人体图像像素点面积与人体最小外接矩形的面积；

R_3i＝y_2i-y_1i (3)

式中y_1i和y_2i是相邻帧之间的目标中心的估计纵坐标，R_3i为中心变化量，当R_3i为负数时，用户存在摔倒趋势，否则为正常运动或摔倒后的起身。

3.根据权利要求2所述的一种基于视频处理的自适应阈值多目标摔倒检测方法，其特征在于：所述的图像预处理过程为，首先将采集到的视频图像进行灰度化，对灰度值Y进行计算：

Y＝0.299R+0.587G+0.114B (4)

式中R、G、B分别代表RGB格式图像中的红、绿、蓝颜色的数据值；

然后将得到灰度图像进行背景减除及去噪，通过当前帧和背景帧做差实现图像中人和背景的分离；

再对背景减除后的图像进行二值化和形态学处理。