[发明专利]一种基于人体姿态估计的行人摔倒检测方法

说明书

本发明公开了一种基于姿态估计的行人摔倒检测方法，该方法包括：(1)从网络摄像头获取RTSP流并利用GPU硬解成视频帧图像；(2)利用openpose框架进行人体关节点检测，得到行人身体的18个关节点；(3)利用跟踪算法跟踪人体目标，获取同一个人体目标连续多帧的关节点坐标信息；(4)将连续多个关节点坐标信息数据输入到训练后的LSTM神经网络，得到分类结果，判断行人是否摔倒。本发明对于各种角度和场景的监控视频实现高准确率的摔倒检测，具有很高的实际应用价值，准确率高，误报率低，且本发明基于监控摄像头的视频流数据，安装方便且不影响监控环境。

技术领域

本发明涉及深度计算机视觉及智能监控领域，具体涉及一种基于人体姿态估计的行人摔倒检测方法。

背景技术

在智能视频监控技术领域中，对于行人摔倒的检测是本领域技术人员关注的难点问题。在监控场景中，及时发现行人的摔倒并提醒相关工作人员处理能够有效减轻行人的意外摔倒带来的后果，也能够提高相关场所，如商场、地铁，中的服务质量，更好地保护行人的出行安全，最大程度地降低突发事件所带来的危害。

目前，行人摔倒的方法主要有以下几种：

(1)基于辅助装置的摔倒检测：通过对可穿戴设备内置的加速度传感器、陀螺仪等电子设备的传感信号进行实时检测，通过信号的变化趋势判断穿戴者是否摔倒。此类方法要求配备可穿戴设备，适用于家用陪护场景，无法用于大范围监控场景下的突发摔倒事件检测。

(2)基于Kinect深度图像的人体摔倒检测方法：分析Kinect摄像头拍摄的视频的每一帧深度图像，确定当前深度图像中的人体的骨骼中心点、肩关节中心点和腰部中心点，通过关键节点的变化特征来判断摔倒行为。这种检测方法依赖于Kinect深度摄像头，应用场景受限，不适用于监控场景。

(3)基于视频分析技术的人体摔倒检测方法：通过图像处理和分割，对人体目标进行检测，同时通过神经网络或者机器学习的方法检测人体关节点，然后预设一定的规则，当关节点变化符合设定的规则时，判断为摔倒。这种图像分割方式的人体关节点检测不够准确，同时摔倒规则大部分依据经验得出，无法适应各种角度的监控摄像头下的摔倒现象，场景适应能力较弱。

发明内容

发明目的：为了克服现有技术的不足，本发明提供一种基于人体姿态估计的行人摔倒检测方法，该方法可以解决现有技术方案中的摔倒检测准确率低的问题。

技术方案：本发明所述的基于姿态估计的行人摔倒检测方法，该方法包括：

(1)从网络摄像头获取RTSP流并利用GPU硬解成视频帧图像；

(2)利用openpose框架进行人体关节点检测，得到行人身体的18个关节点；

(3)利用跟踪算法跟踪人体目标，获取同一个人体目标连续多帧的关节点坐标信息；

(4)将连续多个关节点坐标信息数据输入到训练后的LSTM神经网络，得到分类结果，判断行人是否摔倒。

进一步地，包括：

所述步骤(1)中，利用GPU硬解成视频帧图像具体包括：

(11)初始化CUVID硬解模块，使用FFmpeg读取RTSP数据；

(12)将所述RTSP数据发送给GPU硬解模块，判断是否硬解成功，

(13)若硬解成功，则使用CUDA框架将YUV图像格式转化为RGB格式，并调整图像分辨率，得到硬解后的图象帧

(14)若硬解不成功，则返回到步骤(11)。

进一步地，包括：