[发明专利]一种跌倒动作的识别方法、装置及系统在审
申请号: | 202210666059.9 | 申请日: | 2022-06-14 |
公开(公告)号: | CN115116131A | 公开(公告)日: | 2022-09-27 |
发明(设计)人: | 吴国栋;张赛;袁野;万里红;刘娜 | 申请(专利权)人: | 中原动力智能机器人有限公司 |
主分类号: | G06V40/20 | 分类号: | G06V40/20;G06V10/82;G06V10/774;G06V10/764;G06N3/04;G06N3/08 |
代理公司: | 广州三环专利商标代理有限公司 44202 | 代理人: | 陈志明 |
地址: | 450018 河南省郑州市河南自贸试验区郑州片区*** | 国省代码: | 河南;41 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 跌倒 动作 识别 方法 装置 系统 | ||
1.一种跌倒动作的识别方法,其特征在于,所述识别方法包括:
根据预设的训练数据集,对预设的第一跌倒识别网络进行训练以获取跌倒识别网络;所述训练数据集为UR Fall数据集;所述第一跌倒识别网络包括TRN时序网络以及Backbone网络;
获取待识别的动作图像组;
根据所述跌倒识别网络分析所述动作图像组的时序特征和动作特征,对所述动作图像组进行识别分类,从而获取识别结果。
2.根据权利要求1所述的跌倒动作的识别方法,其特征在于,根据预设的训练数据集,对预设的第一跌倒识别网络进行训练以获取跌倒识别网络,具体包括:
将预设的训练数据集输入第一跌倒识别网络中的Backbone网络,从而提取出所述训练数据集的特征数据组;所述特征数据组包括多个特征数据;
根据第一跌倒识别网络中的TRN时序网络对所述多个特征数据进行时间关系推理以得出多个特征数据之间的时间关系,并根据所述时间关系将输出的结果进行拼接,从而获得训练识别结果;
根据所述训练识别结果对所述第一跌倒识别网络进行修正,并将修正后的第一得到识别网络输出为跌倒识别网络。
3.根据权利要求2所述的跌倒动作的识别方法,其特征在于,根据第一跌倒识别网络中的TRN时序网络对所述多个特征数据进行时间关系推理以得出多个特征数据之间的时间关系,具体包括:
将所述多个特征数据输入第一跌倒识别网络中的TRN时序网络中,以使所述TRN时序网络根据预设的时间复合函数,分别获取所述多个特征数据在多个时间尺度上的第一时间复合函数以作为对应的时间关系;其中,所述时间复合函数为:
式中,V为输入的视频,有n帧有序帧,其中fi表示第i帧,这里和gθ分别为MLP中对应的函数。
4.根据权利要求2所述的跌倒动作的识别方法,其特征在于,将预设的训练数据集输入第一跌倒识别网络中的Backbone网络,从而提取出所述训练数据集的特征数据组,具体包括:
根据预设的输入要求,对预设的训练数据集进行缩放以获取输入数据集;所述输入数据集对应于所述训练数据集;
通过第一跌倒识别网络中的Backbone网络,提取所述输入数据集中的图像特征,获得特征数据组。
5.根据权利要求2所述的跌倒动作的识别方法,其特征在于,根据所述训练识别结果对所述第一跌倒识别网络进行修正,并将修正后的第一得到识别网络输出为跌倒识别网络,具体包括:
根据所述训练识别结果计算损失值,并根据所述损失值判断所述第一跌倒识别网络是否收敛;
若不收敛,则反向传递所述损失值以根据所述损失值调整所述第一跌倒识别网络的参数,并重复上述步骤;
若收敛,则将所述第一跌倒识别网络输出为跌倒识别网络。
6.根据权利要求2所述的跌倒动作的识别方法,其特征在于,根据所述时间关系将输出的结果进行拼接,从而获得训练识别结果,具体包括:
将各个时间关系对应的第一时间复合函数进行累加以获得训练识别结果。
7.根据权利要求1-6任一项所述的跌倒动作的识别方法,其特征在于,在根据所述跌倒识别网络分析所述动作图像组的时序特征和动作特征,对所述动作图像组进行识别分类,从而获取识别结果之后,还包括:
当识别结果为检测到跌倒行为时,向用户发送提示信息。
8.一种跌倒动作的识别装置,其特征在于,所述识别装置包括模型训练单元、图像获取单元以及跌倒识别单元,其中,
所述模型训练单元用于根据预设的训练数据集,对预设的第一跌倒识别网络进行训练以获取跌倒识别网络;所述训练数据集为UR Fall数据集;所述第一跌倒识别网络包括TRN时序网络以及Backbone网络;
所述图像获取单元用于获取待识别的动作图像组;
所述跌倒识别单元用于根据所述跌倒识别网络分析所述动作图像组的时序特征和动作特征,对所述动作图像组进行识别分类,从而获取识别结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中原动力智能机器人有限公司,未经中原动力智能机器人有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210666059.9/1.html,转载请声明来源钻瓜专利网。