[发明专利]基于计算机视觉的老人室内跌倒检测方法

摘要

本发明公开了一种基于计算机视觉的老人室内跌倒检测方法，本方法首先利用GMM模型提取人体原始轮廓，使用椭圆拟合方法定位人体坐标，随后将椭圆划分为不同区域，通过最近距离法跟踪各区域质心，提取多质心偏移向量作为运动特征，而后使用K‑means聚类算法和TF‑IDF算法建立人体运动视觉语句，最后通过DAG‑SVM对人体运动视觉语句进行分类从而检测老人是否跌倒。本发明的有益效果不仅能够区分跌倒动作和类似跌倒动作、躺动作，还能检测出平行于摄像头主轴的跌倒动作，跌倒检测率高，且仅需要简单的硬件设备即可实现，成本低廉、易于实现。

主权项

一种基于计算机视觉的老人室内跌倒检测方法，其特征在于采用如下具体步骤：S1，计算机获取实时人体运动图像，该图像由连接计算机的摄像头拍摄后传送至计算机；S2，采用高斯模型(GMM)提取人体原始轮廓：比较输入图像与GMM模型并差分获得人体原始轮廓的区域图像，移除小目标并填充小的空洞点；S3，利用椭圆拟合方法定位人体坐标：将所述人体原始轮廓拟合为椭圆形的人体主要轮廓图像，计算该椭圆的特征值并以此获取人体坐标，移除拟合的椭圆外的区域；S4，提取人体运动特征：将所述拟合轮廓的椭圆划分为N个区域，计算每个区域的质心，跟踪计算连续图像中各个质心的坐标变化，提取全部质心的偏移向量构成运动特征；S5，建立视觉语句：使用K‑means聚类算法分析步骤S4的偏移向量建立运动词典，使用TF‑IDF算法统计运动词典中每个单词的词频，并按照运动词典的单词顺序组成人体运动视觉语句；S6，区分活动属性：建立DAG‑SVM并对步骤S5的人体运动视觉语句进行分类，判断当前活动是否为跌倒；S7，判断跌倒后，发出跌倒警报。