[发明专利]一种基于人体姿势状态判决的跌倒检测方法

权利要求书

1.一种基于人体姿势状态判决的跌倒检测方法，其特征在于，包括以下步骤：

S1初始化系统，获取图像数据；

S2对获取到的图像进行相邻帧差分，对差分后的图像进行二值化处理；

S3对步骤S2得到的二值化图像提取目标区域；

S4判断S3得到的目标区域中是否有物体运动，若否，返回步骤S 1，对一下帧图像进行检测；若有，则进行步骤S5;

S5判断运动的物体是人体还是噪声干扰，若是噪声干扰则返回步骤S1，对一下帧图像进行检测；若是人体则进行步骤S6；

S6对目标区域提取Zernike距特征和运动轮廓特征，所述运动轮廓特征包括物体的高度、物体的宽度、物体的宽高比、目标区域面积、目标区域周长、轮廓面积、轮廓周长、帧差最大行列特征变量、运动物体高度特征变量；

S7将物体的宽高比、目标区域面积、目标区域周长、帧差最大行列特征变量、运动物体高度特征变量送入预先训练好的第一分类器；所述第一分类器用于区分行走与非行走姿势状态；

当第一分类器判定为行走姿势状态时，返回步骤S1，对一下帧图像进行检测；

当第一分类器判定为非行走姿势状态时，进行步骤S8；

S8将Zernike距特征、物体的高度、物体的宽度、轮廓面积、轮廓周长送入预先训练好的第二分类器；所述第二分类器用于区分下蹲与跌倒姿势状态；

当第二分类器判定为下蹲姿势状态时，返回步骤S1，对一下帧图像进行检测；

当第二分类器判定为跌倒姿势状态时，标记跌倒行为，并发出警报。

2.根据权利要求1所述的基于人体姿势状态判决的跌倒检测方法，其特征在于，步骤S3所述对步骤S2得到的二值化图像提取目标区域，具体包括以下步骤：

S31初步检测：以整幅视频帧图像为对象，逐行计算整幅图像的各行像素值，得到图像最大行像素值；计算各行像素值与图像最大行像素值的比值，分别与设定的阈值TH1比较；略去图像中行像素值小于阈值TH1的区域，记录初步的包含物体的矩形框的纵坐标Yup、Ydown；其中阈值TH1由用户根据具体情况设定；

以整幅视频帧图像为对象，逐列计算整幅图像的各列像素值，得到图像最大列像素值；计算各列像素值与图像最大列像素值的比值，分别与设定的阈值TH2比较；略去图像中列像素值小于阈值TH2的区域，记录初步的包含物体的矩形框的横坐标Xleft、Xright；其中阈值TH2由用户根据具体情况设定；

在点（Xleft，Ydown）和点（Xright，Yup）之间的矩形区域即为初步的目标区域；

S32精细检测：以步骤S31得到的初步的目标区域为对象，逐行计算初步的目标区域的各行像素值，得到区域最大行像素值；计算各行像素值与区域最大行像素值的比值，分别与设定的阈值TH3比较；略去初步的目标区域中行像素值小于阈值TH3的区域，记录最终的包含物体的矩形框的纵坐标Ymax和Ymin；其中阈值TH3由用户根据具体情况设定；

以步骤S31得到的初步的目标区域为对象，逐列计算初步的目标区域的各列像素值，得到区域最大列像素值；计算各列像素值与区域最大列像素值的比值，分别与设定的阈值TH4比较；略去初步的目标区域中列像素值小于阈值TH4的区域，记录最终的包含物体的矩形框的纵坐标Xmax和Xmin；其中阈值TH4由用户根据具体情况设定；

得到在点（Xmin，Ymin）和点（Xmax，Ymax）之间的矩形区域即为最终的目标区域。

3.根据权利要求1所述的基于人体姿势状态判决的跌倒检测方法，其特征在于，步骤S4所述判断S3得到的目标区域中是否有物体运动，具体为：

计算目标区域各行的行像素和、各列的列像素和，若最大的行像素和低于阈值TH5或者最大的列像素和低于阈值TH6，则判断目标区域中无物体运动。

4.根据权利要求1所述的基于人体姿势状态判决的跌倒检测方法，其特征在于，步骤S5所述判断运动的物体是人体还是噪声干扰，具体为：

计算运动物体的轮廓面积，若轮廓面积大于阈值TH7，则判定为人体；若若轮廓面积小于阈值TH7，则判断为噪声干扰。