[发明专利]一种识别老年人跌倒的方法及陪伴机器人

说明书

本发明公开了一种识别老年人跌倒的方法及陪伴机器人，涉及摔倒姿态识别领域；方法包括步骤1：采集身体视频数据；步骤2：进行人体定位；步骤3：基于上述结果获取骨架信息；步骤4：根据骨架信息计算头脚高度差值hd、前后帧的头脚高度差值hp、前后帧头部高度差值对应的速度v和肩膀宽度w；步骤5：根据上述数据建立判定公式，输出结果，并计算距离度量误差，判断其是否满足二分类条件，若满足，则采用建立的神经网络模型进行识别，若否，则返至步骤1；本发明先进行人物提取，再进行姿态识别，识别通过骨架信息进行动态和静态识别，解决现有采用局部特征提取和检测导致识别准确率低的问题，实现正确、快速识别出老年人跌倒行为。

技术领域

本发明涉及摔倒姿态识别领域，尤其是一种识别老年人跌倒的方法及陪伴机器人。

背景技术

随着我国科技、医疗的不断发展和进步，我国“老龄化”人口同步增长，养老已凸显为一个社会问题。到目前为止，我国老年化人口己远超世界平均水平。经综合联合国、国家人口计生委、全国老龄委以及部分学者对我国未来老龄化发展趋势的预测结果显示，2018年到2035年我国老年人口将年均增长一千万左右。目前，我国大众城市老年空巢家庭率已达到70％。这一数据正在急剧恶化。然而，中国养老产业尚处于起步阶段。我国的养老产业才刚起步，发展还处在初级阶段，特别是服务供给侧严重不足。传统的养老模式面临了巨大的挑战，新的养老服务模式的将会迎来前所未有的高速发展机遇。由于子女不可能一直陪在父母身边，当老人跌倒时，如果不能及时发现，将会导致很严重的后果。因此，对老人的跌倒行为及时检测并呼叫救援成为了迫切需要解决的问题。

目前，老人跌倒行为检测方法主要采用可穿戴式传感设备，基于用户的行为数据和行为规律构建模型，基于多特征融合的视频监控等方法。这些检测方法对于老人来说，容易忘记佩戴设备，操作繁琐，实时性不高，且检测方法单一，容易出现误判。传统老年人姿态特征提取方法依赖于对图像中老年人身体局部特征识别，必须要求准确检测，当光线等环境噪声较大时，可能会导致提取局部特征不准确；姿态特征提取方法无法获取高维空间中密集采样信息，进行连续估计时会导致数据丢失，导致识别精度与识别连续性无法保证。因此，本申请为克服以上问题，提出一种识别老年人跌倒的方法及陪伴机器人。

发明内容

本发明的目的在于：本发明提供了一种识别老年人跌倒的方法及陪伴机器人，解决现有采用局部特征提取和检测导致识别准确率低的问题，实现在图像模糊、视频抖动和光线不佳等环境下能够正确、快速识别出老年人跌倒行为。

本发明采用的技术方案如下：

一种识别老年人跌倒的方法，包括如下步骤：

步骤1：采集检测对象的身体视频数据；

步骤2：利用YOVO算法通过距离度量进行人体定位获取人体图像定位检测结果；

步骤3：基于人体图像定位检测结果，利用OPENPOSE算法检测身体视频数据中的关节点信息，并根据关节点信息采用VGGNET作为骨架，获取骨架信息；

步骤4：根据骨架信息中的头部、脚部、颈部、肩膀信息计算头部和脚部高度差值hd、前后帧的头部和脚部高度差值hp、前后帧头部高度差值对应的速度v和肩膀宽度w；

步骤5：根据上述数据建立判定公式，输出结果“摔倒”或者“未摔倒”，根据上述数据计算距离度量误差，判断距离度量误差是否满足二分类条件，若满足，则采用建立的神经网络模型进行识别，若否，则返至步骤1；

判定公式如下：abs(head-foot)abs(x2-x5)||abs(head_p-head)/abs(foot_p-foot)2，其中，abs(head-foot)表示头部和脚部高度差绝对值，abs(x2-x5)表示肩宽绝对值，head_p、foot_p分别表示前一次头部质点位置和前一次脚部质点位置，x2表示左肩节点x方向坐标，x5表示右肩节点x方向坐标。

优选地，所述步骤2中包括距离度量，其计算如下：