[发明专利]一种基于人体关键点的对需特别看护人员的异常状态检测方法

说明书

本发明涉及一种基于人体关键点的对需特别看护人员的异常状态检测方法。所述方法包括如下特征：场景区域、边界及特定目标预先标识和智能维护；对看护场景中的人员进行人体关键点检测；基于检测到的人体关键点做姿态判断；综合前述特征，分析被看护人员在监控场景中不同的姿态、不同区域的时问参数，综合判断是否异常。本方法基于计算机视觉领域，通过人体关键点检测，结合深度学习的方法对人体异常状态进行检测，拥有设备成本低、发现情况及时、检测准确度高、鲁棒性强的优点。

技术领域

本发明涉及一种基于人体关键点的对需特别看护人员的异常状态检测方法。

背景技术

随着时代的发展，社会对老人、病人、残障人士等弱势群体越来越关注。许多较脆弱的人员因为种种原因不得不独自居住，例如家中的独居老人、盲人和病房里的病人。随着人力成本的增加，非常多的弱势人员得不到有效的看护和保障。他们一旦遇到突发情况导致摔倒、晕倒，失去意识或自救能力，又不能及时被他人发现，很有可能危及生命。截止2018年，我国现有老年人约2.4亿、残疾人约8500万，对弱势人员的看护已成为当今社会的重要课题。

目前对需特别看护人员进行监测和辅助看护的设备可以分为三大类，第一类是智能穿戴设备，通过穿戴于手腕、手臂、胸口等部位的设备对人体运动加速度、心率、血压等生理指标的感知，来判断是否遇到危险情况并报警。该类设备精度高，但长期穿戴不舒适、不方便，充电较为繁琐。第二类是在需看护人员活动区域例如地板、床和沙发铺设传感器，监测到人体行为异常时进行报警。该类设备安装成本高，维护困难，环境适应性差。第三类是通过摄像头采集视频信息，运用微处理器提取视频中的人体目标，结合相关算法分析当前人体状态。该类设备安装维护简单、不会影响需看护人员的生活体验，但是部分产品检测准确性不高。

随着硬件计算能力的增加和人工智能的兴起，计算机视觉应用领域越来越广。目前基于视频对人体姿态分析的方法有：1，拍摄大量不同人体姿态的照片，提取照片中的特征点，使用机器学习或深度学习的方法对照片进行分类，从而识别图中的人体姿态。该方法需要大量训练照片数量极大才能保证分类准确性。2，对人体对象进行跟踪、用人体模型算法估算出需看护人员目前的姿态，根据检测结果及人体是否处于非静止区域来判断需看护人员是否摔倒，针对不同等级的异常情况进行报警。该方法对人体姿态的识别通过人体跟踪框的高宽比来确定，对于坐、蹲和跪等相近的姿势容易误判。3，通过识别人脸检测的方法找到人体，对视频中每帧人体姿态进行判断。对于人脸被遮挡、未能识别人脸的情况无法判断。

目前的姿态识别方法也存在以下几点不足：1，姿态一般是基于单帧判断，未将多帧联合判断，易发生误判情况。2，识别方法较为单一，背景光影变化、家具和物体的移动会干扰识别。3，未将人体姿态与时间、位置等多个参数进行组合分析，不能很好的区分当前人体状态。4，没有对应用场景进行针对性训练，训练图片集从网上下载，与产品摄像头参数、实际使用场景不匹配，训练分类效果不佳。5，通过提取图片中的特征点来进行机器学习和姿态识别，受人体衣着、体型和环境等因素影响较大，姿态分类准确度不高，也容易出现误识别人体的情况。

发明内容

本发明目的是提供一种基于人体关键点的对需特别看护人员的异常状态检测方法。通过在需特别看护人员室内安装视频采集设备，实时采集室内视频并即时分析，发现异常姿态与异常姿态保持时间，及时告警。为达实现此目的并针对前述现有技术的不足，本发明的技术方案如下：

M1场景区域、边界及特定目标的标识和智能维护：

1)标识如活动区域、休息区域，以便后续步骤智能判断不同姿态在相应区域是否异常；

2)标识洗手间门口，以便后续步骤判断进入洗手间的时间是否异常；

3)标识阳台、监控视角盲区等，以便后续步骤判断是否进入时间超长；

4)标识出入门口，后续步骤判断为正常出口。