[发明专利]一种基于监控视频的实时摔倒事件检测方法

说明书

技术领域

本发明涉及图像模式识别领域，更具体地，涉及基于RVM和HMM的实时摔倒检测方法。

背景技术

由于摔倒检测的研究具有较高的理论意义和实用价值，国内外已有相关的研究成果和产品问世。根据摔倒检测所采用的方法，检测技术可以分为三类：佩戴式仪器检测方法、环境装置检测方法、监控视频检测方法，其中前两种技术为基于传感器的方法，后一种技术为基于图像处理的方法。

在佩戴仪器式检测中，使用者需要随身佩戴一些装有传感器或其他设备装置的仪器来帮助系统获取使用者的动作信息及身体的运动信息，系统通过对采集信息分类来检测摔倒事件，文献[1]中通过使用速度和加速度传感器来判断人体动作的突然静止以达到检测摔倒的目的。

佩戴式仪器检测方法简单易施，但存在的主要问题是：由于传感器相关参数阈值是根据仪器与佩戴者之间的精确相对位置关系设定的，一旦这种关系被破坏（事实上经常发生），如剧烈运动或穿脱衣服，则会产生大量的误检；此外，由于需要使用者佩戴仪器，将会为使用者带来较大的不适和不便。

环境监测仪器方法主要通过多种安置在环境中的传感器来采集与使用者相关的人体各项数据，通过数据分析来判断是否有摔倒事件发生。Alwan等人在文献[2]中使用装置在地板上的震动感受器来判断摔倒；Technical Solutions Australia系统[3]通过“下床”报警器、地板脚垫报警器等来收集使用者施加的压力信息，并通过分析采集的数据对使用者的姿态进行判别。

与佩戴式仪器检测方法相同，此种方法也容易受到环境中的其他干扰而产生误检；虽然免除了使用者佩戴仪器的麻烦，但由于增加了大量的传感器，系统的复杂性有所上升。

监控视频检测，即计算机视觉检测，通过实时分析监控环境内的视频数据以判断是否有摔倒事件发生。此种方法又可进一步细分为三种：（1）静止检测。通常摔倒后的人会静止地躺在地面上一段时间，基于这一假设，Nait-Charif和McKenna[4]使用架设在使用者头顶上方的广角镜头来获取使用者的运动轨迹，以检测摔倒时轨迹的突然终止。（2）身体形状变化检测。在摔倒过程中，摔倒者的人体形状通常会发生明显的变化，如从站立转变为平躺。基于这一原理，Ganapathy等人[5]使用人体外接矩形宽高比、外接矩形倾角作为姿态特征，并通过分析特征值的变化来判断人体形状的变化，继而检测是否有摔倒事件发生。（3）头部运动/位置检测。在此方法中，研究者通过检测人体头部，并跟踪头部的运动轨迹或定位头部与地面的相对距离来检测摔倒事件的发生。Shoaib等人[6]则通过椭圆拟合来检测人体头部，并利用模拟高斯分布的场景地面信息来计算头部相对于地面的距离并判断是否发生摔倒。

在监控视频检测方法中，大部分的研究仅采用单一的运动特征或姿态特征，因此容易造成大量误检。另一方面，相关文献没有考虑处理沿着摄像机照射方向的摔倒事件，此类情况中，摔倒者的形状与站立者的形状类似，紧靠单纯的外观特征很难将两种姿态相区分。

上面提及的参考文献列表

[1]Almeida,O.,M.Zhang,and J.C.Liu.Dynamic fall detection and pace measurement in walking sticks.IEEE Joint Workshop on High Confidence Medical Devices,Software,and Systems and Medical Device Plug-and-Play Interoperability,2007.

[2]Alwan,M.,et al.A smart and passive floor-vibration based fall detector for elderly.IEEE2nd Conf.on Information and Communication Technologies,2006.

[3]http://www.tecsol.com.au/

[4]Nait-Charif,H.and S.J.McKenna.Activity summarisation and fall detection in a supportive home environment.IEEE17th Conf.on Pattern Recognition,2004.