[发明专利]一种基于多维特征融合的人员跌倒检测方法

说明书

本发明公开了一种基于多维特征融合的人员跌倒检测方法，属于行为识别技术领域，其方法为利用安装在房间的侧壁上的红外阵列传感器进行数据的采集、之后进行数据的预处理以及干扰去除、使用滑窗算法与典型关联分析算法（CCA）相结合的思想进行特征的提取与融合、最后利用机器学习算法实现人员跌倒的准确识别。本申请通过采用将红外阵列传感器安装在侧壁上的数据采集方式，增大了其检测区域的同时提出了新的跌倒过程的特征，提高了其使用价值；使用滑窗算法与典型关联分析算法相结合的思想进行特征的提取与融合，提高了跌倒检测的精度。

技术领域

本发明涉及行为识别技术领域，特别涉及一种基于多维特征融合的人员跌倒检测方法。

背景技术

据统计截止到2019年末，我国60岁以上老年人口数占全国人口总数的18.1％，相比于上一年增加了0.25％。随着老年人口数的逐年增加，独居老年人的安全问题也应该得到保障，而跌倒一直是威胁老年人安全的重要隐患。目前，应用比较广泛的有基于视频图像的跌倒检测研究，这种方法不仅计算复杂、成本高，而且侵犯用户的个人隐私问题；基于可穿戴传感器的跌倒检测必须长期佩戴，会对生活中的一些活动造成困扰。红外阵列传感器是一种非接触式测量方法，避免了必须佩戴的困扰，同时它也不会侵犯个人隐私，因此，现有的一些跌倒检测应用到了红外阵列传感器。他们将其安装在室内的顶部，这种方法只能检测其投影下方的区域，检测范围太小，并不能充分利用红外阵列传感器的检测区域。

发明内容

本发明的目的是提出一种基于多维特征融合的人员跌倒检测方法，利用红外阵列传感器进行数据的采集、之后进行数据的预处理以及干扰去除、使用滑窗算法与典型关联分析算法(CCA)相结合的思想进行特征的提取与融合、最后利用机器学习算法实现人员跌倒的准确识别。

为解决上述技术问题，本发明所采用的技术方案包括以下步骤：

步骤1，利用红外阵列传感器在其监测区域内进行温度数据采集，得到原始数据集；

步骤2，对红外阵列传感器采集到的原始数据进行预处理；

步骤3，将经过预处理的温度数据进行干扰去除；

步骤4，计算经过干扰去除后数据的方差F，并与设定的方差阈值F₀相比较；

步骤5，运用滑窗算法与典型关联分析算法相结合的方法进行特征的提取与融合；

步骤6，利用机器学习算法对提取到的特征数据进行识别，得到最终检验结果，即判定为“跌倒”还是“非跌倒”。

本发明技术方案的进一步改进在于：步骤1，为了充分利用红外阵列传感器的有效检测范围，本发明提出了一种将红外阵列传感器安装在房间的侧壁上，让其处于斜向下的监测状态，这相比于安装在房间顶部的布置方式虽然增加了特征提取的难度，但是极大地增加了传感器的监测区域，进而提高了传感器的利用率。

本发明技术方案的进一步改进在于：步骤2，对于原始数据中每一帧均为n×m的数值矩阵，数据采样频率为k帧/秒，首先要去除掉每帧数据中的异常值和填补缺失值。然后，在保证数据准确的同时为了减少在后续特征提取中系统的复杂性以及计算时间，利用均值算法处理每秒钟的数据，将得到的结果作为输出，如下式：

式中，表示红外阵列传感器第k帧的整体矩阵温度，表示第k帧阵列中第i行第j列像素检测的温度，T表示均值输出的结果。

本发明技术方案的进一步改进在于：步骤3，利用中值滤波算法对已经预处理的数据进行滤波处理，以此去除噪声；利用背景差分法分离目标与背景，以此去除环境中存在的热源干扰，比如电灯、电脑等能耗设备。