[发明专利]一种基于人体骨架序列和卷积神经网络的摔倒检测方法

摘要

一种基于人体骨架序列和卷积神经网络的摔倒检测方法，它属于人体摔倒检测技术领域。本发明解决了传统的人体摔倒检测方法仅利用不连续的单时间点传感信息来检测，容易带来摔倒的误判的问题。本发明采集了一部分人体摔倒骨架序列和类摔倒骨架序列，并且将MSRDaily Activity3D数据集融合到采集的数据集中，同时为了弥补数据集的空白，本发明利用两种数据增强的方法对数据集进行扩增，以避免过拟合的问题；扩增后的数据集用来训练和测试本发明建立的卷积神经网络，实验结果显示，在测试集上的识别准确率为93.75％，灵敏度为93.9％，所以，本发明的方法克服了传统方法容易带来摔倒的误判的问题。本发明可以应用于人体摔倒检测技术领域。

主权项

1.一种基于人体骨架序列和卷积神经网络的摔倒检测方法，其特征在于，该方法包括以下步骤：步骤一、采集M₁个人体摔倒骨架序列和M₂个人体类摔倒骨架序列，并从MSRDaily Activity3D数据集中随机选取M₃个人体骨架序列；步骤二、对步骤一中全部的M₁+M₂+M₃个人体骨架序列进行数据增强处理，得到数据增强处理后的人体骨架序列；步骤三、将数据增强处理后的人体骨架序列中的人体关节空间位置信息转换为RGB分量，得到编码后的RGB图像；并将每张编码后的RGB图像的尺寸变换为l×h；l和h分别代表RGB图像的宽度和高度；步骤四、将步骤三尺寸变换后的RGB图像随机分成训练集图像和测试集图像两部分；步骤五、建立卷积神经网络，将训练集图像输入建立的卷积神经网络进行训练，当训练集上的损失函数值连续10次不再减小时停止训练；步骤六、将测试集图像输入步骤五停止训练时的卷积神经网络，若测试集上的准确率不低于准确率阈值，则将步骤五停止训练时的卷积神经网络作为训练好的卷积神经网络；若测试集上的准确率低于准确率阈值，则调整卷积神经网络的参数后继续训练，直至测试集上的准确率不低于准确率阈值时，得到训练好的卷积神经网络；步骤七、利用训练好的卷积神经网络对人体进行摔倒识别。