[发明专利]摔倒判定方法、装置、计算机设备及存储介质

权利要求书

1.一种摔倒判定方法，其特征在于，所述方法包括：

获取摄像头拍摄的目标视频；

从所述目标视频中得到目标待分析视频；

将所述目标待分析视频分为N个片段，并从每个所述片段中随机抽取一帧图像作为待识别图像，其中，N为大于1的整数；

将所述待识别图像输入到预先训练的行为识别模型中，通过所述行为识别模型输出所述目标视频中有人摔倒的第一概率，以及出现倒地伴随动作的第二概率；

根据所述第一概率和所述第二概率得到综合期望概率；

当所述综合期望概率大于预设阈值时，判定在所述目标视频中出现有人摔倒的情况；

所述目标待分析视频的时长为用户预设时长，所述从所述目标视频中得到目标待分析视频，包括：

确定新旧图像临界时刻，其中，所述新旧图像临界时刻用于将所述目标视频分为第一图像组和第二图像组，所述第一图像组中任一图像获取的时刻小于所述第二图像组中任一图像获取的时刻；

从所述第一图像组中获取第一目标视频，其中，所述第一目标视频中最后一帧所对应的图像对应的时刻为所述新旧图像临界时刻，所述第一目标视频的长度为所述用户预设时长的一半；

从所述第二图像组中获取第二目标视频，其中，所述第二目标视频中第一帧所对应的图像对应的时刻为所述新旧图像临界时刻，所述第二目标视频的长度为所述用户预设时长的一半；

按照时间的先后顺序组合所述第一目标视频和所述第二目标视频，得到所述目标待分析视频。

2.根据权利要求1所述的方法，其特征在于，所述行为识别模型采用以下步骤训练得到：

获取预设数量的摔倒视频作为样本视频，其中，所述摔倒视频的时长预先处理为等长，且所述摔倒视频的时长与所述目标待分析视频的时长相同；

将每个样本视频分为N个样本片段，并从每个所述样本片段中随机抽取一帧图像作为待训练图像，其中，N为大于1的整数；

采用2D卷积神经网络分别提取每个所述待训练图像的特征，得到每个所述待训练图像的特征图像；

根据N个所述样本片段对应的所述特征图像得到时空关系特征图组；

采用3D卷积神经网络提取所述时空关系特征图组的时空特征；

采用2D卷积神经网络提取所述时空关系特征图组的深层特征；

将所述时空特征和所述深层特征接入预设的分类器；

通过所述分类器输出所述样本视频中有人摔倒的第一概率以及出现倒地伴随动作的第二概率；

采用预定义的损失函数，根据所述样本视频的标签值、以及所述第一概率和所述第二概率得到在模型训练过程中产生的损失值；

根据所述损失值，采用反向传播算法更新模型的网络参数，得到所述行为识别模型。

3.根据权利要求2所述的方法，其特征在于，第N个特征图像的大小表示为K×A×B，所述K为特征图像通道数，所述A×B为特征图像像素面积，所述第N个特征图像表示为，所述根据N个所述样本片段对应的所述特征图像得到时空关系特征图组，包括：

将N个所述样本片段对应的所述特征图像进行堆叠，得到表示为的所述时空关系特征图组，其中，堆叠后的。

4.根据权利要求1-3任意一项所述的方法，其特征在于，所述通过所述行为识别模型输出所述目标视频中有人摔倒的第一概率，以及出现倒地伴随动作的第二概率，包括如下步骤：

采用2D卷积神经网络分别提取每个所述待识别图像的特征，得到每个所述待识别图像的特征图像；

根据N个所述片段对应的所述特征图像得到目标时空关系特征图组；

采用3D卷积神经网络提取所述目标时空关系特征图组的目标时空特征；

采用2D卷积神经网络提取所述目标时空关系特征图组的目标深层特征；

将所述目标时空特征和目标深层特征接入预设的分类器；

通过所述分类器输出所述目标视频中有人摔倒的第一概率，以及出现倒地伴随动作的第二概率。