[发明专利]一种利用红外摄像头的室内人员跌倒检测方法

说明书

本发明公开一种利用红外摄像头的室内人员跌倒检测方法，属于防跌倒技术领域。读取测试红外视频段；基于视频提取算法提取红外视频帧；光流视频帧序列输入时间域行为预测模型，得到时间域预测结果；基于LRCN模型，得到最终的行为预测结果。红外摄像头可以布设在洗手间，医院，养老院等需要着重注意人员是否跌倒的场所，有着广阔的应用场景，并且利用红外摄像头的优势在于热成像原理可以有效保护人员的隐私；一旦检测到有人员跌倒，可以实时报警，根据摄像头的设备ID号定位跌倒人员的位置。

技术领域

本发明涉及防跌倒技术领域，特别涉及一种利用红外摄像头的室内人员跌倒检测方法。

背景技术

跌倒是人类常见的伤害事件，智能识别室内活动人员的安全异常情况尤为重要。考虑到各种室内场景，尤其是安装在敏感区域的摄像头应当充分保证人员的隐私安全。

目前对于人员跌倒检测有两种基本做法：一是基于可穿戴设备，通过传感器进行跌倒检测；二是基于计算机视觉，利用摄像头采集视频信息，利用图像处理技术进行处理后从而进行跌倒检测。但是传统的检测方法识别时间较长，准确率低。

发明内容

本发明的目的在于提供一种利用红外摄像头的室内人员跌倒检测方法，以解决传统的检测方法识别时间较长、准确率低，并且无法保护个人隐私的问题。

为解决上述技术问题，本发明提供了一种利用红外摄像头的室内人员跌倒检测方法，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。

可选的，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。

可选的，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：