[发明专利]一种行为危险度评估方法及家庭安防看护系统

说明书

本发明公开了一种行为危险度评估方法及家庭安防看护系统，构建卷积神经网络模型，选定待识别的目标种类并进行识别及定位，其中，待识别的目标种类包含危险物与看护对象类别；得到目标种类中各个类别的位置坐标后，对移动的看护对象的运动轨迹进行预测，得到看护对象的移动方向与看护对象和危险物连线方向夹角并记为θ，及看护对象与危险物的距离记作d；建立危险度评估模型，根据看护对象与危险物相对位置信息d，以及预测移动方向θ，实时计算行为危险度。并设定安全阈值，当危险度超过安全阈值时，发出提示警报。本发明协助看护人对看护对象做出及时看护，规避意外伤害。

技术领域

本发明涉及家庭安防技术领域，特别是涉及一种行为危险度评估方法及家庭安防看护系统。

背景技术

家庭是温暖的避风港湾，但对于某些特殊群体而言，同时也存在诸多潜在安全隐患。例如，低龄儿童活动能力、好奇心强，对家庭环境中潜在危险因素的判断力较弱，因而往往导致意外伤害；高龄或患有痴呆症状老人由于身体机能衰退，感官行动迟缓，对环境的危险感知能力严重下降，同样容易引发意外事故。而家庭环境中，造成伤害的主要原因多为坠落、锐器伤、烫伤、触电等。而看护人由于其精力有限，往往无法时时看护。因此，能够智能、精准、有效协助家庭成员看护此类特殊群体的家庭安防系统成为了全社会关注的热点技术。

已有的家庭安防系统及设施大多采用硬件传感器报警方式。根据环境中的特征物理量(如烟雾、温度、光线等)评估其是否出现危险情况。但这种结果后验的方式往往对危险情况“后知后觉”。无法起到针对潜在的危险因素及可能的危险行为“提前感知”的功效。使用基于计算机视觉的风险评估与行为感知模型，为解决此类问题提供了更好的解决方案。

综上所述，现有技术中对于家庭安防中的实时性及准确性问题，尚缺乏有效的解决方案。

发明内容

本发明的目的之一是提供了一种行为危险度评估方法，该方法对潜在的危险性目标做出准确的识别与定位，对待看护目标的行为进行预测，及时评估其行为危险度并预警，从而协助看护人对看护对象做出及时看护，规避意外伤害。

一种行为危险度评估方法，包括：

构建卷积神经网络模型，选定待识别的目标种类并进行识别及定位，其中，待识别的目标种类包含危险物与看护对象类别；

得到目标种类中各个类别的位置坐标后，对移动的看护对象的运动轨迹进行预测，得到看护对象的移动方向与看护对象和危险物连线方向夹角并记为θ，及看护对象与危险物的距离记作d；

建立危险度评估模型，根据看护对象与危险物相对位置信息d，以及预测移动方向θ，实时计算行为危险度。并设定安全阈值，当危险度超过安全阈值时，发出提示警报。

进一步优选的技术方案，构建卷积神经网络模型时，搜集训练数据，制作数据集，并按照一定比例分为训练集和测试集；

数据集中的每张图片标有类标号及边界框参数信息，每个边界框包含五个预测值：x，y，w，h，confidence。其中(x,y)表示边界框中心坐标，w，h表示边界框的宽、高，置信度confidence表示识别为相应类的概率；

将整张图片作为输入，训练得到的卷积神经网络能够输出识别不同类别的置信度及对应边界框，由此得到家居环境中危险物的分布状况及看护对象相对这些危险物所处的位置。

本申请中，边界框与置信度一一对应。即图片中识别出来的每一类目标都会由一个外接边界框标注；并且给出该识别结果的“可信赖”程度。

进一步优选的技术方案，对移动的看护对象的运动轨迹进行预测时，采用卡尔曼滤波器对看护对象进行轨迹预测。

进一步优选的技术方案，采用卡尔曼滤波器对看护对象进行轨迹预测时，假定看护对象的位置状态方程为：