[发明专利]一种利用红外摄像头的室内人员跌倒检测方法

权利要求书

1.一种利用红外摄像头的室内人员跌倒检测方法，其特征在于，包括：

步骤1、收集人体基本姿态的红外视频数据集，根据是否发生跌倒行为将数据训练分为正、负样本集合，并且标记好相应的类别标签；

步骤2、从样本集合中逐个提取视频中的红外热成像图像帧序列，进行图像预处理；

步骤3、构建红外视频数据的光流帧生成网络，并采用标注好的数据集训练生成光流帧生成网络；

步骤4、采用步骤2中得到的红外热成像图像帧序列，输入到训练好的光流帧生成网络，生成表征视频数据中人体姿态信息的光流帧序列；

步骤5、以光流帧序列作为输入，构建长时递归卷积神经网络，并利用步骤1中得到的数据集训练该网络；

步骤6、级联步骤3的光流帧生成网络和步骤5的长时递归卷积神经网络，获得人体姿态预测模型；

步骤7、获取待识别人体姿态视频，经步骤2处理后得到红外热成像图像帧序列，输入到人体姿态预测模型，识别出红外视频中是否存在人员跌倒。

2.如权利要求1所述的利用红外摄像头的室内人员跌倒检测方法，其特征在于，所述步骤2中的图像预处理包括：

头部粗定位，寻找头部的大致位置，即找到头部区域的像素；

头部精确定位，寻找头部区域的中心点；以及，人体躯干定位。

3.如权利要求2所述的利用红外摄像头的室内人员跌倒检测方法，其特征在于，所述头部粗定位包括如下步骤：

根据常识可知人体头部的温度较高，反映在红外图像中即头部区域的亮度较高，由此锁定头部的粗略位置；

首先对红外图像统一缩放为ω×h的大小，进行标准化，ω,h分别是标准化图像的宽和高；

再进行二值化，取二值化后取值为真的像素组成头部候选区域，人的头部处于图像中间偏上位置；由此，利用空间位置约束，对于头部粗定位即可建模为一个优化问题：

其中，_Ω表示二值化图像的像素集合，f_B(x,y)表示二值化图像中坐标为(x,y)的像素的值，人体头部初始位置设为(ω/2,h/6)，表示初始位置与(x,y)之间的距离，其定义如下：

其中，λ是横纵距离代价的权值；当λ＝1时，表示与(x,y)之间的欧氏距离；考虑到人体头部在图像横向的中间位置，因此横向距离高于纵向距离的代价，式中λ取值为1.5；

人体头部粗定位的优化问题通过按距离递增，遍历二值化图像，寻找取值为真的像素点的方式快速求解。

4.如权利要求2所述的利用红外摄像头的室内人员跌倒检测方法，其特征在于，所述头部精确定位包括如下步骤：

将头部粗定位的结果作为输入，搜索亮度最高的像素的位置作为头部中心位置；头部精确定位可以建模为以下优化问题：

其中，f_s(x,y)表示标准化红外图像中坐标为(x,y)的像素的值，Ω表示标准化红外图像的像素集合；

在给定的粗定位为中心的局部区域中定位人体头部中心的过程是一个单峰搜索的过程，利用爬山法实现人体头部精确定位。

5.如权利要求2所述的利用红外摄像头的室内人员跌倒检测方法，其特征在于，所述人体躯干定位包括如下步骤：

首先根据头部定位的结果划分躯干的候选区域，通过候选区域中各个像素垂直投影得到候选区域的累加直方图；取其中最大值对应的横坐标作为躯干的水平偏移量，记为x⁰；

由此，人体躯干的中心位置为：(x^b,y^b)＝(x^h+x⁰,y^h+h₂/2)；

其中，h₂表示人体躯干的高度，设为3h/8；根据人体图像模型的先验研究，所估计的躯干中心位置应当有如下约束：头部中心位置与躯干中心位置的连线与图像垂线的夹角不大于12°；若此约束条件不满足，将重新计算躯干的位置。