[发明专利]一种基于人体姿势状态判决的跌倒检测方法

说明书

技术领域

本发明涉及计算机视觉信息处理领域，特别涉及一种基于人体姿势状态判决的跌倒检测方法。

背景技术

近年来，随着社会不断发展，对监控系统的需求已经从简单的“看”发展为“查”，甚至“报”，其关键在于如何利用图像处理技术对获取的视频数据进行处理，因此智能监控系统的主要功能是通过摄像头从连续的视频图像中提取出运动目标，对运动目标的运动行为进行识别和跟踪，并对其行为进行理解和描述。

其中人体的跌倒检测属于人体运动行为识别的一个重要的部分，尤其是独居老人或者在野外单独活动的个人，如果发生了跌倒而无人知道，有可能带来不堪设想的后果；同时目前视频监控点较多，需要较多的人员同时对视频进行观看，极有可能产生漏报等情况。如何让监控设备能够智能化地判断被监控对象是否发生了跌倒，并及时向相关人员报警是目前智能化监控系统的发展方向之一。

目前视频监控研究处于初步阶段，多数监控系统只具备了移动侦测的功能，无法实现对视频监控中异常行为进行判断和报警，存在以下缺点，包括：监控系统长期需要专人值守，耗费了人力资源；长时间的监控会引起监控者视觉疲劳和注意力下降，容易出现报警不准确、不及时甚至错报、漏报的现象；数据的保存主要为被动式存储，无法实现报警主动存储。

对这方面的学术研究相对比较少，使用关键词“跌倒检测”在中国电子期刊网中进行搜索，共计找到11条记录，这些检测方法主要针对的是老年人的行走安全，采用的方法主要是基于传感器的。另外，在人体异常行为的检测之中，也有基于视频图像分析的方法，比如对于非法进入设定区域的检测。

类似的技术也有基于传感器的跌倒检测，但该技术在实际使用中存在以下的缺点，包括：需要额外佩戴硬件传感器获取人体运动信息；加速度传感器和系统其它单元之间的通讯稳定性无法得到保证；加速度传感器单元电路器件需要定时充电；所需的传感器装置加重了系统的成本。

采用视频图像分析目前主要以复杂数学建模方法为主，在实际使用中存在一些缺点，包括：复杂的数学运算需要较高性能的硬件平台支持才能满足系统的实时性处理的要求，这无疑降低了系统的实用性；在异常行为的行为的定义与区分上，现有的系统没有对特定的异常行为作出检测，针对性较弱，也常会把下蹲等不带危险性的属于人体正常运动的行为定义为异常，误报率较高；在实用的算法上，目前的多数方案所选取的特征的维数往往有限，没有充足的特征维数保证检测的准确性。

发明内容

本发明的目的在于克服现有技术的上述缺点与不足，提供一种基于人体姿势状态判决的跌倒检测方法，完全运用图像处理技术，能够有效地区分行走、下蹲和跌倒的姿势状态，并可满足在较低性能的硬件平台上实现实时处理的要求。

本发明通过的目的通过以下技术方案实现：

一种基于人体姿势状态判决的跌倒检测方法，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。

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：