[发明专利]一种基于分类模型进行跌倒识别的方法及设备

说明书

本发明公开了一种基于分类模型进行跌倒识别的方法及设备，该方法包括：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。本发明通过提取目标图像的相关数据作为分类模型的输入特征，利用分类模型对所述目标图像进行识别，增加了识别的准确性，提高了识别的效率。

技术领域

本发明涉及图像识别技术领域，尤其涉及一种基于分类模型进行跌倒识别的方法及设备。

背景技术

我国社会的老龄化问题日益加剧，其中老年人的健康安全监护问题的需求日益增加。老年人由于肌肉能力退化，成为易跌倒人群，根据调查49.7％的城市老人独自居住，每年有25％的70岁以上老人在家中发生跌倒，在跌倒后会面临双重危险，首先是跌倒本身直接造成的人体伤害，其次是如果跌倒后不能得到及时的救助，可能会导致更加严重的后果，因此跌倒是老年人群伤残、失能和死亡的重要原因之一，严重影响老年人日常生活能力、身体健康及精神状态，会给老年人造成巨大伤害，伤痛、慢性病急性发作、生活质量急剧下降及沉重的医疗负担往往接踵而至，会给家庭和社会增加巨大的负担。

因此，如何预知老人跌倒的风险并最大限度地减少跌伤程度，往往是亲属们最为关心的问题，能够随时检测老年人跌倒事件的发生，让老年人能够及时获得救治就显得极为重要，这引起了跌倒检测系统研制的兴起，它能够有效检测老年人是否发生跌倒并及时报警，保护了老年人群的健康与安全。

在现有的识别人体跌倒的方法中，基于雷达的人体运动状态识别，存在对定位精度要求高，作用距离有限，对于一些复杂的跌倒行为识别率不高等问题。采用三维加速度传感器进行跌倒识别，存在仅通过加速度进行跌倒识别，无法识别人体正常的下蹲、弯腰等动作，导致跌倒识别不准确，误报率较高的问题。

发明内容

本发明提供一种基于分类模型进行跌倒识别的方法及设备，解决了现有技术中识别跌倒的方法速率低，识别准确率不高的问题。

为了解决上述的技术问题，本发明提供了一种基于分类模型进行跌倒识别的方法及设备，具体包括：

依照本发明第一方面，提供一种识别跌倒的方法，该方法包括：

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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。