[发明专利]一种从监控视频中检测跌倒行为的系统及方法

说明书

本发明提供了一种从监控视频中检测跌倒行为的系统及方法，属于视频监控技术领域，包括依次连接的关键帧提取模块、行人检测模块、人体关键点检测模块、连续姿态特征编码模块以及输出模块。本发明从监控视频中检测跌倒行为包括从监控画面中检测行人、人体关键点检测与姿态估计、连续时间域的人体姿态类图像特征编码和基于CNN卷积神经网络的跌倒行为分类器四个部分，解决了现有技术跌倒检测系统需要额外穿戴设备、检测精度不高和需要额外安装监控设备的缺陷和不足，提供一种低成本、无需额外安装监控设备的、从现有的普通监控摄像头所拍摄的视频中分析人体的动作行为，并检测是否有跌倒行为发生。

技术领域

本发明属于视频监控技术领域，尤其涉及一种从监控视频中检测跌倒行为的系统及方法。

背景技术

跌倒是指身体位置的发生突然改变，非主动地摔倒在地上或者更低的平面上。跌倒行为也是一种日常生活中非常常见的一种意外情况，发生在各种人群中的概率都非常高，并且可能造成一些致命的伤害，比如脑部出血、骨折等，如果不能及时进行救治，将对跌倒者造成永久性损伤，甚至死亡。目前跌倒行为检测的方法主要包括三类：基于可穿戴式设备的跌倒检测系统、基于声学的跌倒检测系统及基于视频监控的跌倒检测系统。

基于可穿戴式设备的跌倒检测系统通常需要人们穿戴一种装有运动传感器的装置，如三轴速度传感器监测速度变化来判断是否发生跌倒行为；或者使用生理指标传感器(如心率、呼吸、体温和震动频率等)来判断佩戴者是否跌倒；也有综合这两种方式，以提高跌倒检测的正确率。基于可穿戴式的跌倒检测系统需要人主动佩戴检测设备，成本较高，影响穿戴的舒适性，同时老年人也很容易忘记穿戴这种设备，导致无法正常检测跌倒行为。基于声学的跌倒检测系统是通过采集并分析声音信号来检测是否发生跌倒，如跌倒时通常都会伴随碰撞声和呻吟声。由于声音采集的敏感度和背景声音的原因，这种间接检测跌倒行为的方法的准确率有待提高。基于视频监控的跌倒检测系统是通过摄像头拍摄人的活动画面，通过图像处理和分析算法，检测是否有跌倒发生。目前主流的基于视频监控的跌倒检测方法是使用RGBD图像传感器(如Kinect)采集RGB监控图像和深度(D)图像，在立体空间分析人体位置变化，来检测是否发生跌倒。这种方法检测精度较高，但是需要额外安装监控摄像头，成本较高，不利于应用和推广。

目前，很多公共场所、看护机构都安装有监控摄像头，甚至有些家庭也安装了智能家居监控设备，通过从这些监控图像中自动检测是否发生跌倒行为，并自动触发警报提醒，可有效解决跌倒检测的难题。

发明内容

针对现有技术中的上述不足，本发明提供的一种从监控视频中检测跌倒行为的系统及方法，解决了现有技术中跌倒检测系统需要额外穿戴设备、检测精度不高和需要额外安装监控设备的缺陷和不足的问题。

为了达到以上目的，本发明采用的技术方案为：

本方案提供了一种从监控视频中检测跌倒行为的系统，包括依次连接的关键帧提取模块、行人检测模块、人体关键点检测模块、连续姿态特征编码模块以及输出模块；

所述关键帧提取模块，用于获取监控视频流，并提取视频帧；

所述行人检测模块，用于构建行人检测模型，并设置行人检测模型中检测帧的间隔，根据每个视频帧的图像，利用行人检测模型监控画面中的行人，将行人区域分割为人体区域子图；

所述人体关键点检测模块，用于构建关键点检测模型，并利用所述关键点检测模型从人体区域子图中提取行人的人体关键点，根据所述人体关键点生成人体姿态信息；

所述连续姿态特征编码模块，用于对累积的连续人体姿态信息是否达到预设的阈值进行判断；以及用于对连续的人体姿态信息进行时间域类图像特征编码，得到连续时间域的人体姿态类图像特征张量；

所述输出模块，用于根据所述连续时间域的人体姿态类图像特征张量，利用神经网络模型检测跌倒行为，并输出检测结果，完成对跌倒行为的检测。