[发明专利]一种基于时序特征的人体摔倒检测方法及系统

说明书

本发明公开了一种基于时序特征的人体摔倒检测方法及系统，属于计算机视觉异常行为检测技术领域，方法包括：获取视频样本；将视频样本进行逐帧分解对比，提取手臂的角度时序特征和头部骨骼点的熵的时序特征；将两组时序特征输入预建立的神经网络中，得到包含异常帧信息的第一输出张量与第二输出张量，融合后得到特征张量，输入由全连接层和Sigmoid函数组成的分类器进行分类，所述分类器预先进行过训练，输出人体摔倒与非摔倒的概率，概率高的为检测结果；通过融合手臂的角度时序特征与头部骨骼点的熵的时序特征，能够更好的表示人体的行为，提高检测人体摔倒的概率。

技术领域

本发明涉及一种基于时序特征的人体摔倒检测方法及系统，属于计算机视觉异常行为检测技术领域。

背景技术

日常生活中，导致人体摔倒的原因主要有两种，一种是因腿脚不方便被绊倒或滑到，另一种是因疾病引起的摔倒；摔倒时如果没有得到及时的救助，往往会导致伤情加重，甚至付出生命代价；因此，对于人体的摔倒进行检测显得尤为重要。

目前，常见的人体摔倒检测技术可分为三类，包括基于穿戴式，基于环境传感器以及基于视频；基于穿戴的方法是将传感器放置在腰带或手表等当中，但可能会因老人记忆力衰退而忘记佩戴，或者因为不舒适而不去佩戴；基于环境传感器的方法，比如红外技术监测，但是有一些人会红外线过敏，对人体的健康造成影响；基于视频，目前结合人体骨骼进行摔倒行为检测的方法有基于头部骨骼点的位移量以及腿部骨骼点的变化等，但往往人体摔倒时最先作出反应的不是腿部，所以检测存在延迟性。

发明内容

本发明的目的在于提供一种基于时序特征的人体摔倒检测方法及系统，通过提取手臂的角度时序特征能够更好的表示人体的行为，从而使人体摔倒检测更加精准；通过提取头部骨骼点的熵的时序特征能够获取人体运动的混乱程度，更好的帮助检测人体摔倒的概率。

为实现以上目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种基于时序特征的人体摔倒检测方法，包括：

获取视频样本；

将视频样本进行逐帧分解对比，提取手臂的角度时序特征和头部骨骼点的熵的时序特征；

将手臂的角度时序特征和头部骨骼点的熵的时序特征输入预建立的神经网络中，得到包含异常帧信息的第一输出张量与第二输出张量，将第一输出张量与第二输出张量进行信息融合后得到特征张量；

将特征张量输入由全连接层和Sigmoid函数组成的分类器进行分类，所述分类器预先进行过训练，输出异常帧中人体摔倒与非摔倒的概率，其中概率高的为检测结果。

结合第一方面，进一步的，将视频样本进行逐帧分解对比，包括：

通过光流场的变化获取人体运动区域，实现人体动态跟踪，通过OpenPose 算法获取视频样本中手臂骨骼点坐标，通过手臂骨骼点坐标计算得到手臂的角度特征，所述手臂的角度特征为上下臂的角度特征，将视频样本中每一帧手臂的角度特征与前一帧做对比，得到手臂的角度时序特征。

结合第一方面，进一步的，将视频样本进行逐帧分解对比，还包括：

通过光流场的变化获取人体运动区域，实现人体动态跟踪，通过OpenPose 算法获取视频样本中头部骨骼点坐标，计算得到头部骨骼点的运动方向和幅值，再计算得到运动方向的熵和幅值的熵，运动方向的熵和幅值的熵相乘得到头部骨骼点的熵，将视频样本中每一帧头部骨骼点的熵与前一帧做对比，得到头部骨骼点的熵的时序特征。

结合第一方面，进一步的，还包括对视频样本进行预处理的步骤：

将视频样本中的RGB通道的图像转化为HSL通道的图像，以解决因光照不稳定对光流场造成的影响，所述转化通过如下公式进行：