[发明专利]一种基于关节点特征的跌倒检测方法

说明书

本发明公开了一种基于关节点特征的跌倒检测方法，所述方法包括：S₁、通过yolo目标检测算法对获取到的视频帧进行处理，截取其中包含人的区域；S₂、通过openpose算法提取人的区域中的关节点,得到关节点信息；S₃、通过SVM分类器对得到的关节点进行分类；S₄、对每帧图像提取其中最为重要的一个类别；S₅、对类别序列进行滤波与简化；S₆、判断视频中是否有跌倒事件发生。本发明有效的解决了不同人的体形不同的问题，因为只需考虑人关节点的信息而不需要考虑人的外部轮廓信息；当视频中某一时刻存在多个人时，本发明只提取其中权重值最大的阶段作为该时刻的阶段的代表，这样便有效的避免了其他无关阶段的影响，进而提高了在视频中存在多人的情况下的识别准确率。

技术领域

本发明涉及一种跌倒检测方法，更加详细而言，涉及一种基于关节点提取以及SVM分类器的跌倒检测方法。

背景技术

在世界范围内人口老龄化问题日益严重，并且预计在2050年，老年人(年龄超过60岁)人口数量将达到20亿之众，因此老年人的安全问题变得愈加重要。而对老年人的安全问题威胁最大的便是意外摔倒，导致老年人跌倒有多种原因，包括心脏病突发、遭到碰撞、地面湿滑等等。同时，跌倒也会给老年人带来诸如髋部骨折、创伤性脑损伤以及肢体骨折等多种问题，如不能及时发现，甚至可能导致老年人死亡。通过美国的一项调查表明,每年有大约250万老年人因跌倒而送入医院急诊科，并且这些送入急诊的老年人中大约有六分之一因送救不及时而死亡。

目前存在的跌倒检测算法主要分为三大类—基于可穿戴设备的跌倒检测算法、基于环境式的跌倒检测算法以及基于计算机视觉的跌倒检测算法。基于可穿戴设备的检测算法虽灵活方便、制作简单，但需要用户长期穿戴，会对人体活动带来很多的不方便；而基于环境式的跌倒检测算法，其使用成本相对较高并且使用区域具有一定的局限性；基于计算机视觉的检测算法无需穿戴，不会影响到用户的日常活动，并且也不需要在固定的环境安装所需的传感器，自然不会受到场地的限制，只要是装有摄像头的地点便可应用。由此可见基于计算机视觉的算法具有诸多优势以及广阔的应用前景。本发明所提出的跌倒检测方法便是基于计算机视觉的检测方法。

基于计算机视觉的跌倒检测方法面临着诸多的挑战，比如将人从复杂的背景中提取出来、不同的人体形不同以及场景中存在多个人时检测的准确率会大大降低。

发明内容

本发明的目的是克服现有技术中的缺陷与不足，提出了一种基于关节点特征的跌倒检测方法，通过SVM(Support Vector Machine)分类器对提取出来的关节点进行分类，以判断此时人处于跌倒的哪个阶段，并对每一帧图像提取出关键的类别，进一步判断是否有人跌倒。

为实现上述目的，本发明采用如下技术方案：

一种基于关节点提取的跌倒检测方法，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；

步骤3：对各帧图像的关节点信息进行分类，得到类别序列；

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。

优选的，步骤1中，所述目标检测算法为yolo算法。

优选的，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：