[发明专利]人体跌倒检测方法、装置、电子设备及计算机可读介质

说明书

本公开涉及一种人体跌倒检测方法、装置、电子设备及计算机可读介质。该方法包括：获取待识别图像；通过基于骨骼点数据的第一动作分类模型对所述待识别图像进行处理，获得所述待识别图像的第一分类结果；根据所述第一判别类型和所述第一判别类型的置信度确定跌倒类型的第一置信度；通过基于图像的第二动作分类模型对所述待识别图像进行处理，获得所述待识别图像的第二动作分类结果，所述第二动作分类结果包括第二判别类型和第二判别分数；根据所述第一置信度、所述第二判别类型和所述第二判别分数确定所述待识别图像的跌倒检测结果。本公开涉及的人体跌倒检测方法、装置、电子设备及计算机可读介质，能够获得较为准确的待识别图像的跌倒检测结果。

技术领域

本公开涉及机器视觉技术领域，具体而言，涉及一种人体跌倒检测方法、装置、电子设备及计算机可读介质。

背景技术

由于老年人跌倒后不能及时发现容易发生危险甚至危及生命,为此已诞生出很多基于跌倒过程的检测系统,但这些系统往往因为穿戴不方便、安置摄像头过多、光照的变化或其他动作影响等问题而难于推广。

因此，需要一种新的人体跌倒检测方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的相关技术的信息。

发明内容

有鉴于此，本公开实施例提供一种人体跌倒检测方法、装置、电子设备及计算机可读介质，能够获得较为准确的待识别图像的跌倒检测结果。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一方面，提出一种人体跌倒检测方法，该方法包括：获取待识别图像；通过基于骨骼点数据的第一动作分类模型对所述待识别图像进行处理，获得所述待识别图像的第一分类结果，所述第一分类结果包括第一判别类型和所述第一判别类型的置信度；根据所述第一判别类型和所述第一判别类型的置信度确定跌倒类型的第一置信度；通过基于图像的第二动作分类模型对所述待识别图像进行处理，获得所述待识别图像的第二动作分类结果，所述第二动作分类结果包括第二判别类型和第二判别分数；根据所述第一置信度、所述第二判别类型和所述第二判别分数确定所述待识别图像的跌倒检测结果。

在本公开的一种示例性实施例中，根据所述第一置信度、所述第二判别类型和所述第二判别分数确定所述待识别图像的跌倒检测结果包括：根据所述第一置信度确定第二判别分数阈值；当所述第二判别类型为跌倒类型，且所述第二判别分数大于所述第二判别分数阈值时，则确定所述待识别图像的跌倒检测结果为跌倒结果。

在本公开的一种示例性实施例中，根据所述第一置信度确定第二判别分数阈值包括：Y＝a×P_f；其中，Y第二判别分数阈值，a为常量，P_f为第一置信度。

在本公开的一种示例性实施例中，根据所述第一判别类型和所述第一判别类型的置信度确定跌倒类型的第一置信度包括：若所述第一判别类型为跌倒类型，则将所述第一判别类型的置信度确定为所述第一置信度；若所述第一判别类型不是跌倒类型，则确定所述第一置信度为0。

在本公开的一种示例性实施例中，所述方法还包括：获取训练数据集，所述训练数据集包括样本图像、所述样本图像的骨骼点数据以及所述样本图像的动作类型标注；通过第一动作分类预训练模型对所述样本图像的骨骼点数据进行处理，获得样本图像第一动作预测结果；根据所述样本图像第一动作预测结果和所述样本图像的动作类型标注调整所述第一动作分类预训练模型的参数，获得训练完成的所述第一动作分类模型；通过第二动作分类预训练模型对所述样本图像进行处理，获得样本图像第二动作预测结果；根据所述样本图像第二动作预测结果和所述样本图像的动作类型标注调整所述第二动作分类预训练模型的参数，获得训练完成的所述第二动作分类模型。