[发明专利]一种基于深度学习的人体摔倒识别系统及方法

权利要求书

1.一种基于深度学习的人体摔倒识别系统，其特征在于，所述人体摔倒识别系统包括：

采集模块，用于采集人体实时图像；

获取模块，用于接收所述人体实时图像并根据所述人体实时图像获取第一人体骨骼图像，以及用于获取多张人体关键节点图像并根据多张所述人体关键节点图片获取多张第二人体骨骼图像；

骨骼状态分类器，用于在以多张所述第二人体骨骼图像作为训练样本进行深度学习后，对所述第一人体骨骼图像进行识别并判断人体状态；

其中，所述人体状态包括正常状态以及摔倒状态。

2.如权利要求1所述的一种基于深度学习的人体摔倒识别系统，其特征在于，所述人体摔倒识别系统还包括COCO数据集，所述获取模块通过COCO数据集获取多张人体关键节点图像。

3.如权利要求2所述的一种基于深度学习的人体摔倒识别系统，其特征在于，所述人体摔倒识别系统还包括报警模块，所述报警模块用于接收所述人体状态并将所述人体状态发送至客户端。

4.如权利要求3所述的一种基于深度学习的人体摔倒识别系统，其特征在于，所述客户端为移动终端，所述移动终端安装有小程序，所述小程序用于显示所述人体状态。

5.如权利要求4所述的一种基于深度学习的人体摔倒识别系统，其特征在于，所述获取模块通过openpose深度学习算法获取所述第一人体骨骼图像以及多张所述第二人体骨骼图像。

6.一种基于深度学习的人体摔倒识别方法，其特征在于，包括如下步骤：

采集人体实时图像；

根据所述人体实时图像获取第一人体骨骼图像；

获取多张人体关键节点图像并根据多张所述人体关键节点图片获取多张第二人体骨骼图像；

骨骼状态分类器以多张所述第二人体骨骼图像作为训练样本进行深度学习；

通过深度学习后的骨骼状态分类器对所述第一人体骨骼图像进行识别并判断人体状态；

其中，所述人体状态包括正常状态以及摔倒状态。

7.如权利要求6所述的一种基于深度学习的人体摔倒识别方法，其特征在于，多张所述人体关键节点图像通过COCO数据集获取而得。

8.如权利要求7所述的一种基于深度学习的人体摔倒识别方法，其特征在于，所述人体摔倒识别方法还包括如下步骤：将所述人体状态发送至客户端并由所述客户端所安装的小程序显示所述人体状态。

9.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，当所述计算机程序被处理器执行时实现如上述权利要求6至8任何一项所述的基于深度学习的人体摔倒识别方法。