[发明专利]基于姿态识别的跌倒检测方法、装置、电子设备及存储介质

权利要求书

1.一种基于姿态识别的跌倒检测方法，其特征在于，包括：

获取目标用户的人体图像；

根据所述人体图像确定目标用户的姿态信息，其中，所述姿态信息用于表征所述目标用户的形体姿态；

根据所述姿态信息检测目标用户是否属于跌倒状态。

2.如权利要求1所述的跌倒检测方法，其特征在于，所述根据所述人体图像确定目标用户的姿态信息，包括：

提取所述人体图像中的特征点信息，其中，所述特征点信息为所述人体图像中指定的一个或多个人体特征点的位置信息；

根据所述特征点信息确定所述姿态信息。

3.如权利要求2所述的跌倒检测方法，其特征在于，所述根据所述姿态信息检测目标用户是否属于跌倒状态，包括：

根据所述姿态信息确定所述目标用户的躯干方向；

计算所述躯干方向与预设的第一方向之间的夹角；

根据所述夹角确定所述目标用户是否属于跌倒状态。

4.如权利要求3所述的跌倒检测方法，其特征在于，所述根据所述姿态信息确定所述目标用户的躯干方向，包括：

根据最小二值法拟合所述特征点之间的线段，形成拟合直线，以所述拟合直线的方向作为所述目标用户的躯干方向。

5.如权利要求1所述的跌倒检测方法，其特征在于，所述获取目标用户的人体图像之前，包括：

获取目标用户的图像；

将所述目标用户的图像输入到预设的人体识别模型中，提取所述图像中的人体轮廓；

根据所述人体轮廓截取所述图像，形成所述人体图像。

6.如权利要求5所述的跌倒检测方法，其特征在于，还包括人体识别模型的训练方法，所述训练方法包括：

获取包含人体的样本图像和非人体的样本图像，并分别赋予人体标签和非人体标签，作为训练样本集；

构建串接的至少两个卷积层，以提取各个样本图像的特征信息并输出特征映射，其中，在至少部分卷积层后加入池化层；

构建反卷积层，以对经过所述至少两个卷积层的特征映射进行反卷积，以将卷积层输出的特征尺寸恢复至原始样本图像大小，并输出样本图像中像素点的分类预测值；

将所述训练样本集输入至人体识别模型中进行训练；

根据预设的损失函数计算人体识别模型输出结果与赋予标签的误差值，并根据误差值进行反向传播调整所述卷积层的卷积参数，直至所述人体识别模型收敛。

7.如权利要求6所述的跌倒检测方法，其特征在于，所述损失函数表达式如下：

其中，L表示总损失，n表示输入的样本图像中所有像素点的数目，p_i表示像素点i的是否为人体的分类预测值，r_i表示像素点i标记的是否为人体的分类值，ε为正数。

8.一种跌倒检测装置，其特征在于，包括：

获取模块，用于获取目标用户的人体图像；

处理模块，用于根据所述人体图像确定目标用户的姿态信息，其中，所述姿态信息用于表征所述目标用户的形体姿态；

执行模块，用于根据所述姿态信息检测目标用户是否属于跌倒状态。

9.一种电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述存储器中储存有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项所述的跌倒检测方法的步骤。

10.一种非易失性计算机可读存储介质，所述存储介质中存储有计算机可读指令，当所述存储介质中的指令被一个或多个处理器执行时，所述一个或多个处理器执行如权利要求1至7中任一项所述的跌倒检测方法的步骤。