[发明专利]一种基于形态识别与速度估计的跌倒检测方法及系统

说明书

本发明公开了一种基于形态识别与速度估计的跌倒检测方法及系统，包括构建形态识别模型和速度估计模型；获取待检测的视频流，待检测的视频流包括连续的若干帧图像；将待检测的视频流输入至速度估计模型中，得到待检测的视频流所对应的人体形态变化速度；将待检测的视频流输入至形态识别模型，形态识别模型检测每一帧图像中的人体形态，并按照时间序列关联同一人物的人体形态，输出若干帧图像中每个人物的人体形态变化过程；根据人体形态变化速度以及人体形态变化过程，判断待检测的视频流中是否发生跌倒事件。本发明不依赖于跌倒训练样本，检测准确率高，且具有实际价值。

技术领域

本申请属于计算机视觉技术领域，具体涉及一种基于形态识别与速度估计的跌倒检测方法及系统。

背景技术

随着老龄人口的快速增长，跌倒检测成为医疗健康的一个关键问题。现有的跌倒检测方法主要有三种，分别是基于可穿戴设备的检测方法、基于环境传感器的检测方法以及基于视觉的检测方法。其中，基于可穿戴设备的检测方法，主要通过对采集到的可穿戴设备的多传感器信号设置阈值来检测跌倒，存在阈值选择困难、必须时刻穿戴设备等诸多缺陷；基于环境传感器的检测方法主要通过场景中额外添加的地面压力、红外、声音、震动等各类传感器预测跌倒事件，主要缺陷在于传感器安装复杂、普及困难；基于视觉的检测方法通过视频和数据以及计算机视觉模型进行检测，既无需用户随时穿戴设备，又可利用现有的视频监控系统，是当前跌倒检测的主流发展方向。

当前，基于深度学习的计算机视觉模型需要大量数据支持。然而，基于视觉的跌倒检测数据集构建难度较高：一方面，跌倒事件发生次数少，从监控视频中筛选出跌倒事件的性价比低；另一方面，自行录制跌倒事件视频存在动作不自然、场景不丰富等诸多问题。因此，探索不依赖于跌倒样本的跌倒检测方法有其现实意义。

发明内容

本申请的目的在于提供一种基于形态识别与速度估计的跌倒检测方法及系统，不依赖于跌倒训练样本，检测准确率高，且具有实际价值。

为实现上述目的，本申请所采取的技术方案为：

一种基于形态识别与速度估计的跌倒检测方法，所述基于形态识别与速度估计的跌倒检测方法，包括：

步骤1、构建形态识别模型和速度估计模型；

步骤2、获取待检测的视频流，所述待检测的视频流包括连续的若干帧图像；

步骤3、将待检测的视频流输入至速度估计模型中，得到待检测的视频流所对应的人体形态变化速度；

步骤4、将待检测的视频流输入至形态识别模型，形态识别模型检测每一帧图像中的人体形态，并按照时间序列关联同一人物的人体形态，输出若干帧图像中每个人物的人体形态变化过程；

步骤5、根据人体形态变化速度以及人体形态变化过程，判断待检测的视频流中是否发生跌倒事件。

以下还提供了若干可选方式，但并不作为对上述总体方案的额外限定，仅仅是进一步的增补或优选，在没有技术或逻辑矛盾的前提下，各可选方式可单独针对上述总体方案进行组合，还可以是多个可选方式之间进行组合。

作为优选，所述速度估计模型为卷积神经网络。

作为优选，所述基于形态识别与速度估计的跌倒检测方法还包括对构建后的速度估计模型进行训练，所述速度估计模型的训练包括：

获取原始视频文件，得到原始视频流；

基于原始视频文件，通过改变视频图像帧的采样率得到具有不同帧率的视频流；

利用原始视频流以及具有不同帧率的视频流进行训练得到最终的速度估计模型。

作为优选，所述速度估计模型的输出为输入的视频流的相对速度，该相对速度作为视频流所对应的人体形态变化速度，所述相对速度为实际时长与期望时长的比值，且比值越大表示视频流的相对速度越快；