[发明专利]一种基于深度学习的人体摔倒识别系统及方法

说明书

本发明提供了本发明还提供一种基于深度学习的人体摔倒识别方法，包括如下步骤：采集人体实时图像；根据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第一人体骨骼图像进行识别并判断人体状态；其中，人体状态包括正常状态以及摔倒状态。本发明可以对老人的摔倒状态进行自动识别与报警，进而对老年人进行远程监控看护。相应地，本发明还提供一种基于深度学习的人体摔倒识别系统。

技术领域

本发明涉及人体行为识别技术领域，具体而言，涉及一种基于深度学习的人体摔倒识别系统及方法。

背景技术

随着医疗水平的不断提高，人类的寿命也不断提高。根据世界卫生组织调查数据显示，目前的老年人口数量占世界总人口8.5％，预计到2050年，老龄化人口将占世界人口的20％，未来十几年老龄化问题将会是社会面临的最大挑战之一。调查显示，摔倒是老年人受伤的主要原因，根据世界卫生组织的数据，65岁以上的人中，每年大约有30％的人意外地摔倒一次或多次，80岁以上的人中，这一比率上升到50％。由于老年人身体机能的衰老，跌倒后身体恢复较慢，加上原始的慢性疾病，一次摔倒可能造成非常可怕的影响和后遗症。

研究表明，老年人最容易摔倒的地方是在自己的家里，而卧室和卫生间是最常见的摔倒地点。对于独居老人来说，独自在家中摔倒是非常可怕的，如果摔倒老人无法得到及时的帮助，他们自己又无法爬起拿手机求助，那将直接威胁老人的生命。针对当今独居老人生活的环境，很多人会安装监控系统来远距离观察老人的生活日常，以对老年人进行远程监控看护。但是传统的监控系统只能对监控下的环境进行记录，无法对老人的摔倒状态进行自动识别与报警。

发明内容

基于此，为了解决传统监控系统只能对监控下的环境进行记录，无法对老人的摔倒状态进行自动识别与报警的问题，本发明提供了一种基于深度学习的人体摔倒识别系统及方法，其具体技术方案如下：

一种基于深度学习的人体摔倒识别系统，所述人体摔倒识别系统包括采集模块、获取模块以及骨骼状态分类器。

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。

利用深度学习后的骨骼分类器对所述第一人体骨骼图像进行自动识别并判断人体状态，可以解决传统监控系统只能对监控下的环境进行记录，无法对老人的摔倒状态进行自动识别与报警的问题，对老人的摔倒状态进行自动识别与报警，进而对老年人进行远程监控看护。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

相应地，本发明还提供一种基于深度学习的人体摔倒识别方法，其包括如下步骤：

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；