[发明专利]一种结合语义分割的室内实时摔倒检测算法

说明书

发明名称一种结合语义分割的室内实时摔倒检测算法摘要本发明公开了一种结合语义分割的室内实时摔倒检测算法，包括以下步骤：(1)图像预处理：对输入视频帧/图片使用Mosaic数据增强、自适应锚框、自适应图片收缩策略；(2)人体摔倒特征提取：将步骤(1)处理后的视频帧/图片输入到改进后的YOLOv7摔倒检测网络中，对图像进行特征提取及分类；(3)将步骤(2)中所检测后的结果，输入到自建的语义分割网络，将其室内场景信息分割为可摔倒区域(床、沙发)和非摔倒区域(地面)；(4)摔倒判断：根据目标检测网络和语义分割网络综合判断目标是否摔倒。该方法可以减少室内场景下因类摔倒行为而导致误判的问题，并且改进的YOLOv7摔倒检测网络的计算复杂度、精度、速度都优于原网络，更易部署到实际应用中。

技术领域

本发明涉及计算机视觉领域，具体为一种结合语义分割的室内实时摔倒检测算法。

背景技术

有研究表明，摔倒已经成为了我国65岁以上老年人因伤致死的首位原因，并呈现逐年上升的趋势。由于老年人身体机能的衰退，很容易发生意外摔倒情况，而独居老人处于缺少甚至没有人看护的境地，若发生意外摔倒时，如果不能够及时就医，可能会导致终身残疾，甚至危及生命。因此，在老年人容易摔倒的地方部署用于摔倒检测的设施显得尤为重要。

目前，摔倒检测方法主要可以分为：基于可穿戴传感器的方法、基于环境部署的方法、基于计算机视觉的方法。以上方法中，基于可穿戴传感器的设备，老人佩戴时间过长可能会引起不适，或者忘记佩戴的可能；而基于环境部署的方法需要在特定场合部署，并且成本比较高；相比与前两种方法，基于计算机视觉的的摔倒检测方法具有对检测者实时进行监控、部署方便、成本低等优点。

现存的基于计算机视觉的摔倒检测算法大多分为两步：先对检测目标进行跟踪，再对目标的运动信息进行分析判定是否发生摔倒行为。这种方法虽然会减少误判率，但由于网络结构较复杂，所占用空间内存较多，很难部署到实际应用中；同时，目前所知的摔倒检测算法都很难辨别出摔倒行为和倒在床上休息、趴在沙发上看书这类类摔倒行为之间的区别。

为解决上述问题，本发明提出一种结合语义分割的室内实时摔倒检测算法，将YOLOv7中的标准卷积替换为分布偏移卷积，通过拆分的方式减少网络计算复杂度，实现轻量化网络；同时通过在高效聚合网络中引入轻量级全局上下文注意力机制来弥补分布偏移卷积带来的精度上的损失；并且设计了一个语义分割网络模型，用于将输入的场景信息分割成可摔倒区域(床、沙发)和非摔倒区域(地面)，通过计算目标框像素点与可摔倒区域像素点之间的IoU值来综合判断是否发生摔倒行为，以此来减少误判情况的发生。

发明内容

1、本发明的目的

鉴于已有技术存在的缺陷，本发明公开了一种结合语义分割的室内实时摔倒检测算法，其目的在于在不影响检测精度的同时，减少网络所占用的内存空间以及计算复杂度，使其易于部署到实际应用中，同时，减少在室内场景下由于某些类摔倒行为(倒在床上休息、趴在沙发上看书等)而导致误判的问题。

2、为了实现以上目的，本发明通过以下技术方案实现：

本发明提供的一种结合语义分割的室内实时摔倒检测算法，具体步骤包括：

(1)图像预处理：对输入视频帧/图片使用Mosaic数据增强、自适应锚框、自适应图片收缩策略；

(2)人体摔倒特征提取：将步骤(1)处理后的视频帧/图片输入到改进后的YOLOv7摔倒检测网络中，对图像进行特征提取及分类，其中对YOLOv7的改进包括以下两点：

(2-1)将轻量级全局上下文注意力机制融入到YOLOv7网络的高效聚合模块ELAN层中，使其充分利用全局信息，加强对关键特征的权重，提高检测精度；

(2-2)将YOLOv7主干网络中的标准卷积层替换为分布偏移卷积，通过对标准卷积拆分的方式实现网络的轻量化，减少网络计算复杂度；