[发明专利]一种基于关节点特征的跌倒检测方法

权利要求书

1.一种基于关节点提取的跌倒检测方法，其特征在于，包括如下步骤：

步骤1：通过目标检测算法对获取到的视频的各帧图像分别进行处理，截取其中包含人的区域；

步骤2：提取步骤1中截取到的区域中的关节点，得到关节点信息，并对所述关节点信息进行归一化；归一化公式如下：

其中(x_nm,y_nm)为归一化后的关节点坐标，(x_base,y_base)为基准关节点的坐标；当无法识别到基准关节点时，将全部的关节点坐标置为0；

步骤3：对各帧图像的关节点信息进行分类，得到类别序列；根据不同阶段的重要程度不同对不同的阶段赋予不同的权重值，如果所述视频图像中存在多个人，则提取出其中权重值最高的一个阶段作为该视频图像的关节点信息所处阶段的代表；

步骤4：对步骤3中得到的类别序列进行简化，将多个连续相同的类别用一个类别来代表；

步骤5：通过步骤4中得到的简化后的类别序列判断视频中是否有跌倒事件发生。

2.根据权利要求1所述的一种基于关节点提取的跌倒检测方法，其特征在于，步骤1中，所述目标检测算法为yolo算法。

3.根据权利要求1所述的一种基于关节点提取的跌倒检测方法，其特征在于，步骤1中，截取含人区域具体步骤如下：将存在人的区域进行扩展切割，将人体所在区域表示为(x,y,w,h)，其中x为区域左上角的横坐标，y为区域左上角的纵坐标，w为区域的宽度，h为区域的高度；切割公式如下：

x_cut＝x*0.9 (3)

y_cut＝y*0.9 (4)

w_cut＝x_cut+w*1.2image.cols？w*1.2:image.cols-x_cut (5)

h_cut＝y_cut+h*1.2image.rows？h*1.2:image.rows-y_cut (6)

其中，x_cut为切割后的左上角的横坐标，y_cut为切割后的左上角的纵坐标，w_cut为切割后的图像的宽度，h_cut为切割后的图像的高度，image.cols为图像的宽度，image.rows为图像的高度。

4.根据权利要求3所述的一种基于关节点提取的跌倒检测方法，其特征在于，针对单帧图像中有多人存在且两个人足够靠近的情况下可能存在不同的切割区域包含相同的两个人的情况，进而会出现重复识别的问题，采用如下公式解决：

其中S₁和S₂为切割后的两个区域的面积，当公式(7)大于阈值时，则只保留两个区域中面积最大的区域。

5.根据权利要求1所述的一种基于关节点提取的跌倒检测方法，其特征在于，步骤2中，通过openpose算法提取图像中人体的关节点信息。

6.根据权利要求1所述的一种基于关节点提取的跌倒检测方法，其特征在于，步骤3中，采用SVM分类器将关节点信息分为5类：正常阶段p_normal、跌倒阶段p_falling、平躺阶段p_lay、其他阶段p_others，以及全关节点为0的情况；正常阶段为：人正常直立行走以及正常坐的状态；平躺阶段为：人全身平躺在地上的状态；跌倒阶段为：人从正常阶段向平躺阶段的转化的过程；其他阶段：除上述3个阶段外的其他阶段。

7.根据权利要求6所述的一种基于关节点提取的跌倒检测方法，其特征在于，选取一个滑动窗口，对步骤3中获取的类别序列进行滤波，去除异常的类别后进入步骤4。

8.根据权利要求6所述的一种基于关节点提取的跌倒检测方法，其特征在于，步骤5中，通过判断步骤4中得到的简化后的类别序列是否存在连续的跌倒与平躺状态，来判断视频中是否有跌倒事件发生；如果存在则说明视频中有跌倒事件发生，否则说明视频中此时间段暂无跌倒事件。