[发明专利]基于原子性动作时序特性的摔倒行为识别系统及方法

说明书

本发明公开了一种基于原子性动作时序特性的摔倒行为识别系统及方法，属于智能监控领域。其包括用于收集各类行为的时间序列视频片段，并做好与每类行为的时间序列视频片段对应的标签类别；将收集的视频片段切分为所需要的视频长度，利用视频片段以及对应的标签类别，训练得到稳定的特征提取网络模型，通过模型对输入的视频的标签类别进行判断，若视频输入后得到的标签类别属于摔倒类别，逆序后的视频片段属于训练中新增的标签类别时，判定该视频片段为摔倒动作。利用摔倒动作的原子特性和时序特性建立相应模型，学习摔倒动作的唯一特性，能够有效的检测出摔倒行为，同时构建的摔倒逆序动作时序能够有效的将摔倒动作与其他易混淆动作进行区分。

技术领域

本发明涉及智能监控领域，尤其涉及一种基于原子性动作时序特性的摔倒行为识别系统及方法。

背景技术

由于我国老龄化的日益加剧，对于老年人的健康安全监护就显的尤为重要。根据世界疾病控制与预防组织统计，世界上超过65岁的老人，每年有三分之一会有摔倒行为，其中有一半为再发性摔倒行为，并且摔倒率也随年龄增长而增长；我国卫生部2007年公布的《中国伤害预防报告》中指出，老年人意外伤害的首要原因是摔倒。摔倒后直接对人体造成伤害，同时由于摔倒后未能得到及时救治，可能会引起更为严重的后果。摔倒是老年人群伤残、失能和死亡的重要原因之一，严重影响老年人的日常生活能力、身体健康及精神状态，会给老年人造成巨大伤害，伤痛、慢性病急性等，也会给家庭和社会增加了巨大的负担。此外，在许多的其他情况下，摔倒的及时发现并报警也是非常有意义的，比如小朋友独自在家玩耍，人们独自登山，或者在高处进行擦窗户，刷油漆，修理点灯等时发生摔倒行为，若能及时发现也是有重要意义的。因此，及时的检测并发现摔倒行为的发生，让摔倒发生的第一时间能够救助到摔倒的人员，争取最佳的救治实际就显的极为重要；尤其对于独居老人，具有较为重要的应用价值。

目前，主要有两个大类的方法进行人体摔倒行为的检测，分别是基于传感器数据识别和基于图像识别的方法。

基于传感器数据的方法主要以穿戴式设备作为载体，通过加速度传感器、角速度传感器、心率检测器、心跳检测器等传感系统的数据判断摔倒行为。例如，专利CN200910116653通过由三轴加速度传感器、两轴角速度传感器、A/D、信息处理装置和无线信号发射装置组成的佩戴式设备进行摔倒检测，通过自动检测人体上躯干部位的加速度信息及位姿信息，综合人体加速度、位姿、运动时间三者之间的关系，判断人体是否摔倒以及是否需要求救；专利CN201310558923.4A同样采取类似的传感器系统，每个传感器信息收集对应信息；如摔倒方向，摔倒压力，摔倒声音等，构造摔倒特征向量，通过分类器实现集成的摔倒判断；专利CN201520537856.2U中采用脉搏传感器和血压传感器设备监测老人的脉搏、血压信号，同时结合加速度传感器、GPS模块、GPRS模块判断老人的摔倒行为；再如专利201620211179χ，公开了一种具有摔倒报警呼救功能的智能皮带，其基本上代表了现有的关于便携式的摔倒检测装置的技术手段，其结构简单，具有呼吸传感器、加速度传感器、陀螺仪传感器以及处理单元，以此对老人摔倒进行检测。但是，目前的可穿戴设备通常如上述申请一般，均为固定位置的穿戴，对于一些特殊状态的老人不太适用，使用受到较大程度的限制，同时穿戴设备对应老年人有可能也是一种负担的存在。同时，基于传感器的方法进行摔倒检测不利于区分跑跳、弯腰、躺下等行为，误判率也较高。

基于图像识别的方法主要通过相关行为数据集，对图片中人体行为姿态进行判断检测摔倒行为。例如专利CN201710676771.6通过收集已知行为人体图像数据以及摔倒或躺下的人体图像数据；采用此数据集训练深度信念网络，获取最优参数，完成深度信念网络模型。

可见，在实际应用中，均是先对未知行为样本集进行前景提取获得未知行为样本集的前景图，然后通过深度信念网络模型识别未知行为是否为摔倒或躺下，同时结合传感器信息给出最终判断结果。

发明内容