[发明专利]一种室内老人行走健康检测方法、系统、存储介质、终端

说明书

本发明属于健康监测技术领域，公开了一种室内老人行走健康检测方法、系统、存储介质、终端，包括：静态地图绘制模块用于读取环境数据，计算静态环境地图；动点筛选模块用于筛选脚步候选点；点集合特征提取模块，用于将脚步候选点进行点聚类，并对得到的点集合进行特征值提取，基于提取的脚步候选点集合特征值对点集合进行行人与物体分类；行人检测模块，用于进行行人脚步跟踪；行走健康数据提取模块，用于对跟踪过程中计算得到的数据进行提取；数据可视化模块用于将接收的相关数据进行动态展示；本发明以激光雷达为传感器，可靠性得到很大提高，而且能十分有效地检测出行人的位置并实时跟踪行人的运动轨迹。

技术领域

本发明属于健康监测技术领域，尤其涉及一种室内老人行走健康检测方法、系统、存储介质、终端。

背景技术

目前，现代社会中，各种养老问题尤为严重。由于老龄化社会的到来，人们也渐渐地开始关注了老人身体健康、运动安全的问题，由于老人与子女后代之间生活习惯与生活观念有一定的差异性，亦或是子女选择去另一个城市生活居住，所以通常情况下老人与子女会分开居住，这就导致很多老人只能两人甚至独自在家中居住，这就导致了大量的孤寡老人或者两个同时有健康问题的老人在家中遇到危险时无法及时向外界发出信号。室内如果有一台可以自动监测老人行走活动的装置，就可以通过老人的行走状态实时分析老人的身体健康状况，一旦遇到紧急情况还可以进行预警。如何利用现阶段的科学技术提高独居老人的生活质量以及保证他们的健康安全成为国内外学术界的热点话题。

目前，主要的行走健康分析是使用摄像机或监控设备采集数据的，但是基于计算机图像信息的行走健康分析技术有很多局限性。例如，比较容易受到室内灯光强度以及室内各种遮挡物的影响，而且在很多应用场景下会有很高的计算复杂度。所以很多相关研究虽然在实验室中的测试中获得很高的精度以及近乎完美的效果，但是当这些检测系统应用于实际场景，比如独居老人的室内，会有很多不可控的因素，最终导致检测结果有很大的误差。另一方面，考虑到如果在独居老人的室内安装电子眼等视频监控设施会有侵犯老人隐私安全的可能性。

国外有不少的相关学术研究是基于三维激光雷达对移动物体或者是行人进行跟踪实验。这两个研究利用激光投射扫描得到的三维点云信息结合SVM支持向量机机器学习模型对动态的物体或行人进行实时行走状态分析，完成自动驾驶中的人工壁障以及路边行人的实时检测。这些实验中的测量得到的数据量很充足，但是有一部分的三维数据信息并没有被充分利用。而且由于需要很大的计算量，所以检测系统的实时性能并不好。现有技术一总结了拓展目标跟踪的几种方法，包括随机矩阵方法和基于卡尔曼滤波器的方法。现有技术二提出了一种现代激光跟踪系统，该系统采用了安装在成年人肩膀水平的激光雷达极网络。雷达磁极可分布在现实环境中，从而确保了人们无需穿戴探测器就可以完成实验。现有技术三使用安装在移动机器人上的静态立体相机和激光测距仪实现了一种用于多传感器数据融合的方法，该方法使用递归贝叶斯估计算法，分析了两个传感器的检测精度，以对跟踪滤波器进行参数化。尽管精度较低，但由于相机的高地位置和广阔的视野，仍可获得可观的增益。

多目标跟踪同时针对多个目标进行跟踪，往往需要跟踪的目标外形都较为相似，比如行人之间整体上差别不大，在发生轨迹交叉时很容易发生跟踪错误的现象。此外目标的形变，如行人姿态的变化，也会影响目标的跟踪效果，因而需要使用稳定有效的特征来区分目标。而目标被遮挡的情况更是常有发生，如何有效的处理遮挡是很大的挑战。另外如何有效地区分误检，判别是否为新出现的目标也是一大难点。如何较好地解决这些可能发生的问题，是多目标跟踪展示其价值的必经之路。现有技术四提出一种简单的在线实时跟踪算法SORT(SimpleOnlineandRealtimeTracking)，仅基于目标区域的重叠度进行目标关联，使得多目标跟踪能迖到实时跟踪的效果。现有技术五提出DeepSort多目标跟踪算法，使用FasterR-CNN(Region-ConvolutionalNeuralNetworks)来进行目标检测。现有技术六采用WideResidualNetwork来提取目标表观特征进行相似度衡量，通过匈牙利匹配进行数据关联得到跟踪轨迹。现有技术七进一步提出用改进后的GoogleNet来进行特征提取。