[发明专利]一种晕倒行为的识别方法

摘要

本发明公开了一种晕倒行为的识别方法。本发明属于监控技术领域，尤其涉及一种晕倒行为的识别方法。解决了现有技术中需要设置多个摄像头来对晕倒行为进行检测，且检测不精确的问题。本发明的技术方案：采用帧差法获取视频数据中移动的数据，通过聚类算法匹配人物轮廓相似度与面积相似度，进行跟踪，计算外接矩形，如果目标运动速度出现骤然变化并且外接矩形的长宽比超过阈值或者发生倒置，判断为摔倒，如果摔倒时间超过阈值则判断为晕倒。本发明可以解决在健身房管理中及时地发现监控目标出现的晕倒的情况并及时地做以对应的处理，对目标聚类进行分析和计算，并能判断摔倒、晕倒姿态，从而精确地判断晕倒行为。

主权项

1.一种晕倒行为的识别方法，其特征在于，包括以下步骤：/n步骤1：采用帧差法获取视频数据中的移动数据，用移动数据当前帧的灰度数据减去移动数据上一帧的灰度数据，得到的差值数据，所述差值数据为变化数据；/n步骤2：通过高斯滤波器对变化数据进行加权平均，通过加权平均后得到每一个点的像素值；/n步骤3：对像素值进行中值滤波，通过阈值化，构成二维模板，将二维模板内的所有像素值按大到小进行排序，生成单调上升的二维数据序列，所述二维数据序列输出为：/nG(x,y)＝med{f(x-k,y-l),(k,l∈W)}，/n其中，W为二维模板，此模板初始化是一个5×5的线状区域，f(x,y)为原始图像,G(x,y)为阈值化之后的图像；/n步骤4：二维数据序列通过加权系数的聚类算法得到聚类数据，加入聚类外接矩形以及矩形的长宽比，将聚类数据与人体的轮廓数据做比对；/n步骤5：对所述聚类数据进行目标跟踪，通过目标跟踪来记录聚类数据的属性变化；/n步骤6：所述属性变化包括外接矩形的长宽比和移动速度，计算聚类数据外接矩形的长宽比和聚类数据的移动速度，如果聚类数据外接矩形长宽比超过阈值或者倒置，且聚类数据的运动速度超过阈值或者出现瞬时变化，设置该聚类为目标聚类；/n步骤7：横向距离中，目标聚类外接矩形与其它聚类外接矩形作比较，如果其它聚类外接矩形宽度小于目标聚类外接矩形的宽度，且此目标聚类的长宽比大于阈值，则判断为摔倒；/n步骤8：计算目标聚类摔倒的时间，如果时间超过阈值时间，目标聚类没有再次发生速度瞬时变化，运动速度没有超过阈值，且长宽比没有超过阈值，以上条件全满足则判断为晕倒。/n