[发明专利]基于OpenPose和轻量化神经网络的跌倒检测方法及系统

说明书

本发明属于人工智能领域，提供了基于OpenPose和轻量化神经网络的跌倒检测方法及系统，针对老年人跌倒检测问题，首先将图片输入OpenPose网络，提取人体关键点信息，在不增加原图复杂度情况下，将人体关键点和躯干信息在图中进行标注，实现特征加强，提高了特征提取的有效性，随后将OpenPose网络的输出作为Mob i l eNetV2网络的输入，利用卷积神经网络进行特征提取，最后利用Softmax函数输出检测结果。在公共数据集上的实验表明所提出的算法可以有效检测每帧图像是否存在跌倒行为，有较好的实用性。

技术领域

本发明属于人工智能领域，尤其涉及基于OpenPose和轻量化神经网络的跌 倒检测方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在 先技术。

在跌倒检测场景中，跌倒对于老年人来说是非常危险的动作，因此人体姿 态信息对于检测结果非常重要，所以当关键点标记出现失误时，检测结果很大 程度也会出现问题。

近年来针对老年人跌倒检测的研究主要分为基于可穿戴设备、基于环境传 感器、基于计算机视觉三种。

当前的跌倒检测研究在特征提取方面主要分为两种思路：人体轮廓变化作 为特征和利用深度学习算法提取被检测目标的时空特征；

存在以下技术问题：

(1)提取人体轮廓变化作为特征检测跌倒时，身体加速度、角速度、头部 位置等特征在应用时需要手动确定阈值，但阈值确定的合适与否将直接影响算 法检测性能；

(2)提取人体关键点数据作为特征检测跌倒时，由于原图像数据的光线、 背景等因素的影响，会出现关键点提取偏差等问题。仅利用关键点代替人体特 征检测跌倒虽然可以降低计算量，但由于其特征单一，当关键点出现较大误差 时，将直接对检测结果产生影响。

总之，上述方案在特征提取阶段，使用背景减除法保留被检测目标，但深 度图像分辨率会随目标距摄像头距离的增加而下降，最终由于分辨率较低，很 难对深度图像完成背景减除和分割。由于关键点提取偏差和仅使用原彩色图片 时特征不明显导致的检测结果错误，最终使得分类网络检测性能下降、检测效 果不准确。

发明内容

为了解决上述背景技术中存在的至少一项技术问题，本发明提供基于 OpenPose和轻量化神经网络的跌倒检测方法，其将OpenPose与轻量化神经网络 融合应用于跌倒检测任务，OpenPose将人体姿态信息在原图中标注，在不增加 图像复杂度情况下进行了特征加强，可以同时以人体关键点信息与原图信息为 依据检测跌倒，即使提取人体关键点信息时出现一定误差，在特征提取时也可 以利用原图信息作为参考，从而提高了算法在特征提取方面的有效性，进而提 高分类算法的检测精度。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供基于OpenPose和轻量化神经网络的跌倒检测方 法，包括如下步骤：

获取待检测图片；

基于待检测图片和构建的OpenPose网络，检测图像中的人体2D关键点， 将关键点匹配关联至人体；

其中，所述OpenPose网络的构建过程为：采用两个分支，每个分支分别基 于迭代预测架构，将提取的特征图谱结合每个分支的第一阶段生成初始置信度 映射和初始部位亲和域，其余阶段根据上一阶段得到的置信度映射和初始部位 亲和域得到最终阶段的二维置信度映射和部位亲和域；

基于标有人体关键点的图片和跌倒检测网络，经过深度可分离卷积操作提 取特征后得到跌倒检测结果。

本发明的第二个方面提供基于OpenPose和轻量化神经网络的跌倒检测系 统，包括：

图片获取模块，用于获取待检测图片；