[发明专利]一种基于改进关键帧提取的跌倒检测方法

说明书

本发明提供一种基于改进关键帧提取的跌倒检测方法，包括S1：获取未经处理的原视频流；S2：利用帧间差分法对所述原视频流初步进行关键帧提取；S3：利用聚类算法对步骤S2产生的关键帧进行二次优化，得到最优关键帧；S4：从所述最优关键帧中提取特征，构建特征向量；S5：将提取的特征向量作为支持向量机SVM的输入，进行初判断，所述支持向量机用于区分非跌倒行为、跌倒行为和类跌倒行为；S6：利用卷积神经网络对区分结果为所述类跌倒行为的特征向量进行二次分类，输出检测结果，完成对跌倒行为的最终检测。本发明提出的算法与传统的聚类方法相比，不仅有更低的冗余度而且还有较高的查全率和准确率，可以为后续检测跌倒行为节省很多时间和提高准确率。

技术领域

本发明涉及视频监控技术领域，更具体地，涉及一种基于改进关键帧提取的跌倒检测方法。

背景技术

随着年龄的增长，老年人的身体机能逐步下降，摔倒严重威胁到老年人的生命安全，据统计摔倒已经成为老年人意外死亡和受伤的诱因，老人摔倒后如果可以得到及时的救助，可以有效地降低80％的死亡风险。目前基于视频的跌倒检测的方法是目前跌倒检测的主流方法，为了更快的判断老人的状态，我们可以去除视频序列中无用的帧，只检查可以反映视频内容且不丢失运动序列的关键帧。

如何在规定的时间内从大量视频数据中检索出有效的、关键的信息进行应用是当前一个急需解决的关键问题。关键帧则是反映镜头主要内容的一帧或者若干帧图像，不仅可以简单、概括的描述视频主要视觉内容，而且相比于原始视频中所含图像帧的数目，关键帧的使用可以大幅度减少视频索引的数据量，为后期的应用提供了很好的数据预处理作用。

目前提取关键帧最主要的方法有4类：①基于镜头边界法：该方法通常提取镜头固定位置上的帧作为关键帧，该方法存在不能完整的反应视频内容的缺点。②基于视觉内容分析法。该方法将视频内容变化程度作为选择关键帧的标准，将变化剧烈的帧作为关键帧，存在会产生大量冗余视频帧，以及表达视频内容不完整。③基于运动分析法。该方法通过计算镜头中的运动量，在运动量达到局部最小值处选取关键帧，该方法能很好地表达视频内的全局性运动，但计算量较大，耗时较长。④基于聚类的方法，图像数据是高维的而且计算量较大，计算过程复杂，且会出现内存溢出的情况，以及会产生大量的冗余，效率较低。

公开日为2017年09月29日，公开号为CN107220604A的中国专利公开了一种基于视频的跌倒检测方法，包括以下步骤：S1、对视频图像进行处理，识别和定位图像中的人体区域；S2、针对所述人体区域进行基于级联回归网络的关节点提取，得到一组人体关节点，其中第一级网络后级联了多个相同结构的回归网络，用来精调人体关节点的坐标位置；S3、将每个人体关节点的运动向量作为人体运动的特征，通过分析关节点的变化，来动态分析人体是否发生跌倒。该专利并未对视频中的关键帧进行提取，导致整个判断流程不够迅速。

发明内容

本发明提供一种基于改进关键帧提取的跌倒检测方法，使用改进的关键帧提取技术提取少量关键帧，利用少量关键帧完整的反映出视频内容，可以更快的发现跌倒行为，及时对跌倒的老年人进行救治。

为解决上述技术问题，本发明的技术方案如下：

一种基于改进关键帧提取的跌倒检测方法，包括以下步骤：

S1：获取未经处理的原视频流；

S2：利用帧间差分法对所述原视频流初步进行关键帧提取；

S3：利用聚类算法对步骤S2产生的关键帧进行二次优化，得到最优关键帧；

S4：从所述最优关键帧中提取特征，构建特征向量；

S5：将提取的特征向量作为支持向量机SVM的输入，进行初判断，所述支持向量机用于区分非跌倒行为、跌倒行为和类跌倒行为；

S6：利用卷积神经网络对区分结果为所述类跌倒行为的特征向量进行二次分类，输出检测结果，完成对跌倒行为的最终检测。