[发明专利]基于热红外图像信息的居家老人摔倒行为识别与报警系统

说明书

本发明涉及一种基于热红外图像信息的居家老人摔倒行为识别与报警系统。其基于热红外传感信息的图像处理与模式识别技术手段，实现居家老人摔倒行为识别与报警。采用步骤为：1）热红外信息传感器对预定区域进行实时图像采集，将老人的行为姿态分为非摔倒姿态和摔倒姿态；2）对热红外图像进行归一化与中值滤波降噪，使用HOG特征对图像特征进行提取，并使用PCA对HOG特征进行降维，得到PCA‑HOG特征；3）运用支持向量机分类器算法，建立老人身体姿态PCA‑HOG特征的人体姿态分类器模型；4）SVM分类器若将测试样本判别为摔倒姿态，系统将摄像设备切换为可见光摄像头，以RGB图像的形式对摔倒现场场景进行拍照；5）通过无线通信传输技术，将RGB图像发送至看护人手机APP。

技术领域

本发明涉及老人防护医疗器械技术领域，具体涉及一种基于热红外图像信息的居家老人摔倒行为识别与报警系统。

背景技术

随着全球人口老龄化程度的加剧，老人的健康关怀成为全社会普遍关注的热点问题之一。截止2018年，我国60岁以上老年人口2.4亿人，达17.3％；据中国老龄产业发展报告指出，预计到2053年，我国老年人口将增长到4.87亿人。老龄人口的快速增长，使得老龄人的医疗健康成为社会关注的主要问题之一。

据《关于老龄化与健康的全球报告》公布：在影响老人身心健康的问题中，由意外摔倒引起的老人身体伤害所占的比率最高，约占所有意外或非意外死亡比例的13％–50％。如果老人在家中意外摔倒时得不到及时救助，极容易造成不可挽回的伤害。

目前市场上也有很多老人防摔的检测方法，例如可见光视频的人体摔倒检测方法、穿戴式设备的检测方法和非接触式传感器的摔倒行为检测方法，但是这3种检测方法分别存在以下优缺点：

可见光视频的人体摔倒检测方法实时性好，算法简单，但是受外界干扰噪声影响较大，无法实施全天候的检测，且隐私完全暴露；

基于穿戴式设备的检测方法较容易实现传感器数据的实时采集，行为模式的漏检率较低，但误检率较高，因穿戴式设备需要随身携带，此类方法会给老龄人群的正常生活带来很大的不便；

基于非接触式传感器的摔倒行为检测，Lindeman等人将加速传感器集成到助听器外壳中，通过记录头部与地面接触之前的速度并与设定的阈值进行比较来实现摔倒的自动检测；Rimminen等人在地板下设置薄电矩阵检测人体的位置和模式，再通过贝叶斯滤波器估计人体的姿态以实现摔倒的检测；Miaou等人通过基于可见光分析人体轮廓的长宽比进行人体摔倒检测，此类方法对正常起居生活干扰较小，但检测结果易受到外部噪音干扰，导致误检率较高。

发明内容

有鉴于此，本发明提供一种基于热红外图像信息的居家老人摔倒行为识别与报警系统，其基于热红外传感信息的图像处理与模式识别技术手段，实现居家老人摔倒行为识别与报警。

为解决现有技术存在的问题，本发明的技术方案是：一种基于热红外图像信息的居家老人摔倒行为识别与报警方法步骤为：

步骤1:热红外信息传感器对预定区域进行实时图像采集，将老人的行为姿态分为两大类，第一类为非摔倒姿态，第二类为摔倒姿态；

步骤2:对热红外图像进行归一化与中值滤波降噪，使用HOG特征对图像特征进行提取，并使用PCA对HOG特征进行降维，得到PCA-HOG特征；

步骤3:运用支持向量机(SVM)分类器算法，建立老人身体姿态PCA-HOG特征的人体姿态分类器模型，模型的训练样本分为两类：摔倒姿态为正样本集，非摔倒姿态为负样本集；

步骤4:SVM分类器若将测试样本判别为摔倒姿态，系统将摄像设备切换为可见光摄像头，以RGB图像的形式对摔倒现场场景进行拍照；

步骤5:通过无线通信传输技术，将RGB图像发送至看护人手机APP，实现风险报警。