[发明专利]用于行人跌倒检测的方法、系统和存储介质

说明书

本发明公开了一种用于行人跌倒检测的方法，包括：步骤S1：获取人类正常活动和跌倒的视频数据；步骤S2：根据视频数据，构建初始训练集；步骤S3：根据初始训练集，构建并训练YOLACT行人检测模型；步骤S4：根据YOLACT行人检测模型，进行行人头部和中心点轨迹跟踪；步骤S5：根据行人头部和中心点轨迹，得到三维行人轨迹特征；步骤S6：根据三维行人轨迹特征训练双向门控循环单元分类网络，对行人跌倒进行检测。YOLACT行人目标检测的计算速度可以达到实时性的要求，为后续的跌倒特征分析提供有力的预处理支撑，对复杂环境和不同拍摄角度下的行人跌倒进行有效监控。还公开了一种用于行人跌倒检测的系统和存储介质。

技术领域

本发明涉及计算机视觉技术领域，尤其涉及一种用于行人跌倒检测的方法、系统和存储介质。

背景技术

在我国的社会生活中，行人在户外发生跌倒，尤其是老年人在户外发生跌倒的情况时有发生，行人跌倒后及时发现行人跌倒，是对行人加以施救的前提。目前，关于跌倒动作识别的研究主要集中于室内环境，对于室外环境下的跌倒动作识别的研究开展得不多。

行人在户外跌倒时，例如是突发心梗、昏厥或者是意外跌倒等，在行人较少的路段很容易出现无人报警或者是救援不及时等；或者是在行人较多地路段，老年人群体也可能会因为社会环境问题出现无人扶或者不敢扶等情况，导致老年人得不到及时的救助，进而导致生命或者财产损失。

现相关现有技术中至少存在如下问题：现有的跌倒检测方法中，描述动作语义的特征维度较低，难以有效表征不同角度下的跌倒行为。

发明内容

本申请提供了一种用于行人跌倒检测的方法、系统和存储介质，以解决现有技术中，现有的跌倒检测方法中，描述动作语义的特征维度较低，难以有效表征不同角度下的跌倒行为的技术问题。

第一方面，提供了一种用于行人跌倒检测的方法，该方法包括：步骤S1：获取人类正常活动和跌倒的视频数据；步骤S2：根据所述视频数据，构建初始训练集；步骤S3：根据所述初始训练集，构建并训练YOLACT行人检测模型；步骤S4：根据所述YOLACT行人检测模型，进行行人头部和中心点轨迹跟踪，得到行人头部和中心点轨迹；步骤S5：为所述行人头部和中心点轨迹添加时序特征，得到三维行人轨迹特征；步骤S6：根据所述三维行人轨迹特征训练双向门控循环单元分类网络，对行人跌倒进行检测。

结合第一方面，在第一方面的第一种可能的实现方式中，所述步骤S3，进一步包括：步骤S31：对于所述初始训练集，采用深度残差网络作为特征提取模块，各层分别输出不同尺度特征；步骤S32：采用特征金字塔网络进行特征提取网络各尺度特征融合，并进行感兴趣区域提取；步骤S33：根据卷积神经网络构建预测头部网络；步骤S34：根据全卷积神经网络构建原型生成网络；步骤S35：将所述预测头部网络和所述原型生成网络组合输出，得到所述YOLACT行人检测模型。

结合第一方面或者第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述步骤S4中，进一步包括：步骤S41：对所述YOLACT行人检测模型输出的行人目标掩模进行轮廓阈值滤波处理，得到分隔后的行人轮廓，使用所述YOLACT行人检测模型对所述分隔后的行人轮廓进行行人头部轨迹跟踪初始化。

结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述步骤S4，还包括：步骤S42：通过粒子滤波进行行人头部轨迹跟踪；步骤S43：取行人拟合矩形中心点和形态学质心点连线的中心点为行人中心点，进行行人中心点轨迹跟踪。

结合第一方面的第二种可能的实现方式，在第一方面的第四种可能的实现方式中，所述步骤S5进一步包括：在三维空间内绘制所述行人头部轨迹和所述行人中心点轨迹，将两路轨迹时间轴进行一一对应，得到所述三维行人轨迹特征。

结合第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述三维行人轨迹特征的x轴与y轴为各时刻轨迹的空间点坐标，所述三维行人轨迹特征的z轴为轨迹点的时间采样。