[发明专利]基于全卷积网络热度图的跌倒事件检测方法在审
| 申请号： | 201711407136.4 | 申请日： | 2017-12-22 |
| 公开（公告）号： | CN108154113A | 公开（公告）日： | 2018-06-12 |
| 发明（设计）人： | 高陈强;冯琦;张敏文;杜莲;王灿;张昊 | 申请（专利权）人： | 重庆邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 北京同恒源知识产权代理有限公司 11275 | 代理人： | 赵荣之 |
| 地址： | 400065 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于全卷积网络热度图的跌倒事件检测方法，属于图像处理与计算机视觉技术领域。该方法将数据集分为训练集和测试集，首先将训练集数据分为包含跌倒事件和不包含跌倒事件的正、负样本视频图像，利用其训练一个热度图全卷积网络；然后提取图像中的人工标注的正样本区域，并随机采样若干区域作为负样本，利用其训练一个二分类卷积神经网络；将测试集视频图像序列输入到热度图全卷积网络，得到跌倒事件热度图，根据得到的热度图，定位并提取出跌倒事件候选区域；将跌倒事件候选区域放缩到统一大小，输入到二分类卷积神经网络得到分类结果。本发明在复杂背景和多人物目标的情况下能准确检测并定位出跌倒事件。 | ||
| 搜索关键词： | 跌倒事件 热度 卷积 跌倒事件检测 卷积神经网络 候选区域 测试集 二分类 负样本 网络 计算机视觉技术 视频图像序列 训练集数据 分类结果 复杂背景 人工标注 视频图像 随机采样 提取图像 图像处理 准确检测 数据集 训练集 正样本 统一 | ||
【主权项】：
一种基于全卷积网络热度图的跌倒事件检测方法，该方法包括以下步骤：S1：将数据集分为训练集和测试集；对于训练集数据，首先根据人工标注把视频图像序列分为包含跌倒事件的正样本视频图像和不包含跌倒事件的负样本视频图像；然后再提取图像中的人工标注的视频图像区域作为正样本区域图片，并随机采样若干视频图像区域作为负样本区域图片；S2：利用S1中包含跌倒事件的正样本视频图像和不包含跌倒事件的负样本视频图像训练一个热度图全卷积网络；S3：利用S1中标注并提取出的正样本区域图片和随机采样得到的负样本区域图片训练一个二分类卷积神经网络；S4：对于测试集视频图像序列，首先输入到S2得到的热度图全卷积网络，得到跌倒事件热度图，根据得到的热度图，定位并提取出跌倒事件候选区域；S5：将S4中提取到的跌倒事件候选区域放缩到统一大小，输入到S3得到的二分类卷积神经网络得到分类结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆邮电大学，未经重庆邮电大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201711407136.4/，转载请声明来源钻瓜专利网。
