[发明专利]一种基于分类模型进行跌倒识别的方法及设备

权利要求书

1.一种基于分类模型进行跌倒识别的方法，其特征在于，包括：

获取包含人体目标的目标图像，并提取所述目标图像中反映人体指定部位弯曲角度的预设点的坐标；

将所述预设点的坐标作为输入特征输入到分类模型，根据所述分类模型的输出特征确定是否为跌倒状态，其中，预先采集多个图像样本，并提取图像样本中反应人体指定部位弯曲角度的预设点的坐标，并确定该图像样本的人体的姿态，将所述提取的预设点的坐标作为输入特征，将对应的人体的姿态作为输出特征，对分类模型进行训练，所述姿态包括跌倒状态和非跌倒状态。

2.根据权利要求1所述的方法，其特征在于，所述多个图像样本包括训练图像样本和测试图像样本，对分类模型进行训练，包括：

随机化深度学习网络模型的模型参数得到初始的分类模型；

触发模型训练时，利用预设数量的训练图像样本的预设点坐标作为输入特征，将对应的人体的姿态作为输出特征，对当前的分类模型进行一次训练；

该次训练结束后，利用所述测试图像样本中的预设点坐标作为输入特征输入到分类模型，将得到的输出特征与对应测试样本中的人体的姿态进行比较，确定测试结果满足预设精度要求时，结束训练过程，否则重新触发模型训练。

3.根据权利要求2所述的方法，其特征在于，

对当前分类模型的训练过程中，所述分类模型根据输入特征和输出特征，通过损失函数调整模型参数。

4.根据权利要求2所述的方法，其特征在于，每次训练结束后，确定测试结果不满足预设精度要求时，还包括：

从所述多个图像样本中未训练的训练图像样本中，利用当前分类模型重新筛选出预设数量的训练图像样本，并重新触发模型训练。

5.根据权利要求4所述的方法，其特征在于，利用当前分类模型重新筛选出预设数量的训练图像样本，包括：

将所述未经训练的每个训练图像样本中反映人体指定部位弯曲角度的预设点的坐标作为输入特征，输入到当前的预测分类模型，根据所述分类模型的输出特征评估该训练图像样本的有效性；

从所有有效性满足预设要求的训练图像样本中，筛选出预设数量的训练图像样本。

6.根据权利要求1所述的方法，其特征在于，所述分类模型为采用如下任一分类算法构建的分类模型，包括：

决策树分类算法、随机森林分类算法、逻辑回归分类算法、神经网络分类算法。

7.根据权利要求1-6任一所述的方法，其特征在于，所述图像样本中跌倒状态包括倾斜状态、躺卧状态、趴下状态，所述图像样本中的非跌倒状态包括站立状态、坐着状态和蹲着状态。

8.一种基于分类模型进行跌倒识别的设备，其特征在于，所述设备包括存储器和中央处理器，其中，所述存储器用于存储所述中央处理器可执行的程序，所述中央处理器，用于读取所述存储器中的程序并执行下列过程：

获取包含人体目标的目标图像，并提取所述目标图像中反映人体指定部位弯曲角度的预设点的坐标；

将所述预设点的坐标作为输入特征输入到分类模型，根据所述分类模型的输出特征确定是否为跌倒状态，其中，预先采集多个图像样本，并提取图像样本中反应人体指定部位弯曲角度的预设点的坐标，并确定该图像样本的人体的姿态，将所述提取的预设点的坐标作为输入特征，将对应的人体的姿态作为输出特征，对分类模型进行训练，所述姿态包括跌倒状态和非跌倒状态。

9.一种基于分类模型进行跌倒识别的设备，其特征在于，包括：

特征提取模块，用于获取包含人体目标的目标图像，并提取所述目标图像中反映人体指定部位弯曲角度的预设点的坐标；

分类模块，用于将所述预设点的坐标作为输入特征输入到分类模型，根据所述分类模型的输出特征确定是否为跌倒状态，其中，预先采集多个图像样本，并提取图像样本中反应人体指定部位弯曲角度的预设点的坐标，并确定该图像样本的人体的姿态，将所述提取的预设点的坐标作为输入特征，将对应的人体的姿态作为输出特征，对分类模型进行训练，所述姿态包括跌倒状态和非跌倒状态。

10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机程序，该计算机程序被执行时实现权利要求1-7任意一项所述的方法。