[发明专利]一种基于目标检测的婴幼儿行为状态检测方法

说明书

本发明公开了一种基于目标检测的婴幼儿行为状态检测方法。本发明中，监测流程主要涉及如下步骤：首先，对婴幼儿是否睡觉进行功能选择，从而确定具体监测任务，若选择睡觉，还需选择踢被子判断依据；对获取的RGB视频帧进行预处理；然后，将预处理后的图片输入到基于结构简化和特征增强改进的YOLOX‑tiny目标检测算法，从而得到婴幼儿定位和行为状态分类初步结果；之后，进行数据存储，并基于众数滤波器思想，对检测数据进行处理分析；最后，输出不同功能选择情况下的婴幼儿行为状态检测结果，并且当婴幼儿出现攀爬、踢被子和丢失状态时进行及时报警。本发明对降低婴幼儿意外伤害，减轻父母照护压力具有重要意义，并且实时性高，具有较高的识别准确率。

技术领域

本发明属于目标检测技术领域，具体为一种基于目标检测的婴幼儿行为状态检测方法。

背景技术

近年来，我国生育率持续下降，而生育率的稳健发展，影响人口的未来走向，因此，研究智能婴幼儿行为状态监护方法从而降低意外风险伤害具有重要意义。

但是在基于视频的动作识别算法领域，主要用于短视频中成人行为分类，缺乏针对婴幼儿行为状态识别分析研究，由于婴幼儿行为状态和成人行为状态的差异性，导致现有算法在婴幼儿行为分析上不具强鲁棒性，此外婴幼儿行为状态视频数据难以获取，现有动作识别算法的计算成本高昂，在边缘设备上无法满足婴幼儿行为状态监测的实时性要求。

发明内容

本发明的目的在于：为了解决上述提出的问题，提供一种基于目标检测的婴幼儿行为状态检测方法。

本发明采用的技术方案如下：一种基于目标检测的婴幼儿行为状态检测方法，该方法包括以下步骤：

S1:功能选择，对婴幼儿是否睡觉状态进行判断，从而进入不同的监测功能，所涉及的两种婴幼儿行为状态监测功能，共用一套数据集，一个算法模型；

S2:从摄像头或其他视频采集设备获取RGB视频帧，并对得到的RGB视频帧图像进行预处理；

S3:将预处理后的视频帧输入到基于结构简化和特征增强改进的YOLOX-tiny目标检测算法中，以得到每一RGB视频帧图像中婴幼儿定位和状态识别监测结果数据，其中目标检测算法使用自建数据集并使用迁移学习思想进行训练得到；

S4:对检测识别得到的数据进行存储、处理，以实现对婴幼儿行为状态的准确把握，当出现攀爬、踢被子和丢失状态时，进行实时报警，从而降低意外伤害风险。

在一优选的实施方式中，所述步骤S1中不同监测功能，该功能选择可实现对婴幼儿是否睡觉中两个场景进行监测，若选择睡觉，首先进行踢被子判断依据选择，然后进行宝宝踢被子和丢失监测，相反，则进行婴幼儿攀爬、爬、站(走)、坐、躺和丢失共计6种状态监测。

在一优选的实施方式中，所述踢被子判断依据选择，判断依据共包含四个选项：其一，当且仅当肚子和胯露出时判断为踢被子；其二，当且仅当手臂及连接的侧胸部露出时判断为踢被子；其三，当且仅当脚露出时判断为踢被子；其四，前三种情况，有一种或多种同时露出则判断为踢被子。

在一优选的实施方式中，所述步骤S3中结构简化方法，基于最基本的特征金字塔网络(Feature Pyramid Network，FPN)对原始YOLOX-tiny网络中路径聚合特征金字塔网络(Path Aggregation Feature Pyramid Network，PAFPN)进行去除，并重新设计一种上下文特征融合网络(Context Feature Fusion Network，CFFN)，在保证一定精度的同时，降低网络整体的计算量。

在一优选的实施方式中，所述步骤S3中特征增强模块，考虑到人类识别物体不仅需要知道目标特征，而且需要周围环境进行辅助判断的逻辑，该模块涉及一种自适应空间注意力机制。