[发明专利]一种基于卷积神经网络的智能摔倒检测装置及方法

说明书

本发明公开了一种基于卷积神经网络的智能摔倒检测装置及方法，尤其涉及嵌入式人工智能技术。本发明提供的一种基于卷积神经网络的智能摔倒检测装置，包括壳体、摄像头电路单元以及分别内置于壳体的核心控制电路单元、报警电路单元以及电源电路单元。本发明提供的一种基于卷积神经网络的智能摔倒检测方法，包括步骤：获取用户活动的视频图像数据，前景提取，摔倒检测方法选择，摔倒检测，驱动报警。本发明将传统的摔倒检测方法和基于卷积神经网络的摔倒检测方法相结合，提出了一种速度更快、精度更高的摔倒检测算法，并将该算法实现在FPGA平台上，设计出了一种价格便宜、安装方便、检测精度高、实时性好、可靠性强的智能摔倒检测装置。

技术领域

本发明涉及嵌入式人工智能领域，尤其涉及一种基于卷积神经网络和FPGA数字图像处理技术的智能摔倒检测装置及方法。

背景技术

按照国际标准，我国已于2000年正式进入老龄化社会。国家统计局在《2018年国民经济和社会发展统计公报》中指出，2018年末全国大陆人口总数为139538万人，其中60周岁及以上人口24949万，占总人口的17.9％，65周岁及以上人口16658万，占总人口的11.9％。我国成为了世界上老年人口数量最大的国家。作为世界上老龄化状况最为严重的国家之一，老年人的健康监护问题也已经发展成为我国社会关注的热点问题。研究表明摔倒是老年人最容易遭受的意外伤害，一旦老年人摔倒，若不能及时发现并实施救助，将会对老年人的健康造成不可逆转的伤害。因此设计一种实时性好、检测精度高、适用性强的智能摔倒检测系统就显得尤为重要。

目前实现摔倒检测的方法主要有三种：基于可穿戴式传感器的摔倒检测方法、基于分布式环境传感器的摔倒检测方法和基于视频图像处理的摔倒检测方法。基于可穿戴式传感器的摔倒检测方法具有一定的侵犯性，用户在使用时需要佩戴安装了传感器模块的装置，这就对用户造成了很多不便；基于分布式环境传感器的摔倒检测方法，需要在室内布置复杂的传感器网络，基于此类方法的摔倒检测装置对于场景内所有物体的坠落都很敏感，检测装置无法从声音信号和振动信号中区分出是人体的摔倒还是其他物体的坠落，因此这类装置的检测精度相对较差，同时复杂的传感器网络的布置还需要高昂的使用成本和维护成本；基于视频图像处理的摔倒检测方法，通常是对拍摄到的视频序列进行图像处理，使用前景检测的方法提取出运动目标并获取其某些特征，最终通过对这些特征的分析和比较，实现摔倒的检测，这种方法侵犯性小、实时性好，符合用户的使用需求，但是这种方法的检测精度受摄像头拍摄角度的影响较大，并且当人体被部分遮挡时，装置无法准确实现摔倒检测。

近年来人工智能技术迅速发展，部分研究人员开始采用新兴的卷积神经网络的方法来实现摔倒检测，但是现阶段此类方法大多是基于计算机平台实现，通常需要先采集用户活动的视频数据，然后再使用计算机平台运行算法实现摔倒检测。此类方法虽然有较高的检测精度，但是无法保证摔倒检测结果的实时性，因此基于卷积神经网络的摔倒检测方法在摔倒检测装置中的应用并不广泛，此外用于实现此类算法的计算机平台体积一般很大，价格相对昂贵，所以这种方法也很难在生活中得到广泛地实际应用。

发明内容

为解决上述问题，本发明提供了一种基于卷积神经网络的智能摔倒检测装置，其特征是，包括壳体(1)、摄像头电路单元(2)、内置于壳体(1)的核心控制电路单元(3)、内置于壳体(1)的报警电路单元(4)和内置于壳体(1)的电源电路单元(5)；

所述壳体(1)上具有摄像头电路单元接口(1-1)、GSM天线开孔(1-2)、蜂鸣器开孔(1- 3)、开关按钮(1-4)、充电接口(1-5)、维护接口(1-6)以及交互键盘(1-7)；

所述摄像头电路单元(2)通过壳体(1)上的摄像头电路单元接口(1-1)与核心控制电路单元(3)以及电源电路单元(5)相连，摄像头电路单元(2)用于采集用户活动的视频图像数据；当用户已经拥有摄像头时，就无需选配本装置自带的摄像头电路单元，用户可以直接将现有的摄像头与壳体(1)上的摄像头电路单元接口(1-1)相连，同样也能实现视频图像数据的采集；