[发明专利]一种基于深度学习图像处理的摔倒检测方法在审
| 申请号： | 201810578548.2 | 申请日： | 2018-06-07 |
| 公开（公告）号： | CN108875614A | 公开（公告）日： | 2018-11-23 |
| 发明（设计）人： | 沈磊贤;张卿云;曹国旭;庞佳逸;徐鹤;李鹏 | 申请（专利权）人： | 南京邮电大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/08 |
| 代理公司： | 南京正联知识产权代理有限公司 32243 | 代理人： | 王素琴 |
| 地址： | 210023 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习图像处理的摔倒检测方法，该方法不依靠穿戴设备和传感器，通过摄像头拍摄的高频次的图片传到服务器端，服务器端通过Deepcut深度神经网络模型进行人体关键点检测，将输出的人体关键点检测图数据输入到深度神经网络中，通过事先准备的人体各类情况下关键点分布的训练数据训练出的模型作摔倒判断，在图像处理方面每张图片处理速度在0.2秒左右，具有很强的实时性。通过上述方式，本发明能够有效地检测到摔倒事件。不同状态的摔倒和人体的其他各个形态实例检测表明，提出的方法可以有效地检测摔倒事件。本发明可以应用在智慧城市的智慧家居系统中，保障老人的居家安全。 | ||
| 搜索关键词： | 摔倒 检测 关键点检测 服务器端 摔倒事件 学习图像 有效地 神经网络模型 摄像头拍摄 穿戴设备 居家安全 神经网络 实例检测 图片处理 图像处理 训练数据 智慧城市 智慧家居 关键点 实时性 图数据 传感器 输出 应用 图片 | ||
【主权项】：
1.一种基于深度学习图像处理的摔倒检测方法，其特征在于：不依靠穿戴设备和传感器，是一种基于深度学习图像处理的摔倒检测方法，使用摄像头拍摄的高频次的图片传到服务器端，服务器端通过Deepcut深度神经网络模型进行人体关键点检测，将输出的人体关键点检测图数据输入到深度神经网络中，通过事先准备的人体各类情况下关键点分布的训练数据训练出的模型以判断是否摔倒。
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南京邮电大学，未经南京邮电大学许可，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/201810578548.2/，转载请声明来源钻瓜专利网。
