[发明专利]行人跌倒检测方法、装置、电子设备及存储介质

说明书

本申请实施例提供了行人跌倒检测方法、装置、电子设备及存储介质，该方法包括：获取监控图像序列；将监控图像序列输入到行人跌倒检测网络，得到当前帧监控图像中的行人的检测结果，行人跌倒检测网络包括：光流加速度计算网络，行人状态判别网络。一方面，考虑了行人的骨架关键点的加速度与行人的跌倒状态的关联性，每一次进行跌倒检测时，仅获取监控图像序列中的当前帧监控图像中的行人用于确定行人是否处于跌倒状态的特征来完成跌倒检测，行人跌倒检测消耗的计算量小。另一方面，行人的骨架关键点的加速度与行人的运动状态关联度高，通过行人的骨架关键点的加速度确定行人是否处于跌倒状态，得到的检测结果的准确性高。

技术领域

本申请涉及神经网络领域，具体涉及行人跌倒检测方法、装置、电子设备及存储介质。

背景技术

行人的跌倒检测是安防系统的重要组成部分，用于检测监控区域中的行人是否处于跌倒状态，及时发现监控区域中的处于跌倒状态的行人，采取相应的措施。

目前，神经网络被应用于行人跌倒检测。在已有的利用神经网络进行跌倒检测的技术中，通常采用的方式为：针对每一帧监控图像，检测监控图像中的每一个行人是否处于跌倒状态。在针对每一帧监控图像，检测监控图像中的每一个行人是否处于跌倒状态时，针对每一帧监控图像，均需要获取监控图像中的每一个行人的用于确定行人是否处于跌倒状态的特征，用于确定行人是否处于跌倒状态的特征通常为所有关键点的位置。针对每一帧监控图像，均需要根据监控图像每一个行人的用于确定行人是否处于跌倒状态的特征，确定每一个行人是否处于跌倒状态，通常是确定行人的各个关键点之间的位置关系是否符合对应于跌倒状态的位置关系来确定行人是否处于跌倒状态。

一方面，针对每一帧监控图像，均需要获取监控图像中的每一个行人的用于确定行人是否处于跌倒状态的所有特征并且需要根据监控图像每一个行人的用于确定行人是否处于跌倒状态的特征，导致行人跌倒检测消耗的计算量大。

另一方面，通常针对监控图像的每一个行人，根据该行人的各个关键点之间的位置关系是否符合预先设置的对应于跌倒状态的位置关系，确定该行人是否处于跌倒状态，由于各个关键点之间的位置关系与行人的运动状态关联度低，导致检测结果准确性低。

发明内容

为克服相关技术中存在的问题，本申请提供一种行人跌倒检测方法、装置、电子设备。

根据本申请实施例的第一方面，提供一种行人跌倒检测方法，包括：

获取监控图像序列，监控图像序列包括当前帧监控图像、至少两个参考帧监控图像；

将监控图像序列输入到行人跌倒检测网络，得到当前帧监控图像中的行人的检测结果，所述行人跌倒检测网络包括：

光流加速度计算网络，被配置为基于当前帧监控图像和所有参考帧监控图像，生成当前帧监控图像的光流加速度信息；对于当前帧监控图像中的行人，确定所述行人的骨架关键点；基于所述行人的骨架关键点的位置和所述光流加速度信息，计算所述行人的骨架关键点的加速度信息；

行人状态判别网络，被配置为对于所述行人，基于所述行人的骨架关键点的加速度信息，生成指示所述行人是否处于跌倒状态的检测结果。

在一些实施例中，所述骨架关键点的加速度信息包括：所述骨架关键点在水平方向的加速度、所述骨架关键点在垂直方向的加速度。

在一些实施例中，基于所述行人的骨架关键点的位置和所述光流加速度信息，计算所述行人的骨架关键点的加速度信息包括：

对于所述行人的骨架关键点，基于以所述骨架关键点的位置为中心的邻近区域中的每一个邻近区域像素点的加速度信息，计算所述骨架关键点的加速度信息，其中，所述邻近区域像素点的加速度信息包括：所述邻近区域像素点在水平方向的加速度、所述邻近区域像素点在垂直方向的加速度。