[发明专利]一种基于人体关键点的图卷积网络跌倒检测方法

说明书

本发明提供了一种基于人体关键点的图卷积网络跌倒检测方法，属于计算机视觉技术领域。本发明设计了双流图卷积网络，以图的形式建模人体姿态，充分挖掘和利用了人体的姿态信息，提高了姿态特征的鲁棒性，有利于后续的姿态分类；同时利用了时序信息，结合前序帧和当前帧的检测结果做跌倒的联合判决，增强跌倒检测算法的泛化能力；本发明所述的跌倒检测方法具有计算复杂度低、识别准确率高、易部署和迁移的特点。

技术领域

本发明属于计算机视觉技术领域，涉及一种基于人体关键点的图卷积网络跌倒检测方法。

背景技术

随着社会的进步和科技的发展，人们的生活环境和社会医疗保障有了很大的改善，使人类的寿命普遍得到了延长，人类寿命延长带来的一个问题就是人口老龄化。伴随着老年人口的增加，老年人的健康监护问题也随之凸显，引起了社会上的广泛关注。

世界卫生组织统计表明，跌倒是世界各地意外或非故意伤害死亡的主要原因之一，在老年人群体中意外伤害导致死亡的有23％到40％是因为跌倒的原因。如果能够及时的发现人员的跌倒情况并发出预警，就能对受伤人员进行及时的救治，挽救生命。因此，研究实时的跌倒检测方法具有重要的实际意义和市场价值。

目前已有一些相应的跌倒检测技术，主要分为基于穿戴式设备的、基于环境式的以及基于视觉的三种方式。可穿戴设备使用陀螺仪、加速器等传感器，它需要侵入人体，无法保证全天候的检测。基于环境式的跌倒检测方法需要在人员活动场所布置多组传感器，通过设备获取环境内的数据变化进行跌倒检测，其迁移能力差，成本高昂。而基于视觉的检测方案是结合计算机视觉，图像处理等技术进行检测，它使用摄像头进行图像采集，可以方便的嵌入到监控系统中，其成本低廉，迁移能力强，能保证全天候的检测，因此基于视觉的方案具有更广泛的经济意义。然而当前基于视觉的跌倒检测方案主要考虑人体的轮廓变化、人体的运动变化等信息，缺乏对人体骨架和姿态信息的充分挖掘。

发明内容

为了解决跌倒检测问题，本发明充分挖掘了人体骨架姿态信息，提出了一种基于人体关键点图卷积网络的跌倒检测方法，其整体流程框图如图1所示。

本发明的技术方案为：

一种基于人体关键点的图卷积网络跌倒检测方法，包括以下步骤：

S1、人体关键点提取

基于姿态估计算法对监控图像中的人体进行关键点提取，构建姿态关键点数据集。

S2、姿态特征提取分类

设计一个双流图卷积网络对人体关键点进行姿态特征提取。所述的双流图卷积网络由图卷积网络和全连接网络组成；其中，图卷积网络提取人体关键点的几何结构信息，全连接网络提取关键点中更为全局的信息。将图卷积网络和全连接网络提取到的姿态特征进行拼接融合，送入分类器完成姿态分类，得到当前行人的姿态状态。

S3、跌倒判决

设置姿态分类结果队列，结合时序信息和分类结果设置风险系数，对当前行人是否发生跌倒进行判断。

进一步的，所述步骤S1中，采用姿态估计算法来提取人体的关键点信息，并对各类姿态进行数据采集，获取不同姿态图像所对应的关键点信息，并将其构建成姿态关键点数据集；具体过程如下：

S11、将姿态划分为站立、弯腰、坐和躺四类姿态，采集四类姿态的图像数据；

S12、基于姿态估计算法获取每类姿态图像所对应的关键点信息，构建姿态关键点数据集。