[发明专利]一种基于深度相机的老人跌倒检测方法

说明书

技术领域

本发明涉及模式识别，特别涉及基于深度相机的老人跌倒检测方法。

背景技术

当今社会已进入老龄化社会，老年人口数量众多，而且老年人跌倒发生率高，老人一旦跌倒又没有获得及时救治，往往会遭受严重伤害，因此有大量关于老人跌倒自动检测技术的研究。基于穿戴式传感器的跌倒检测技术具有判断正确和易安装等优点，但实际使用过程中也存在一些问题，其中主要问题就是传感器经常被干扰，导致系统和传感器之间通信得不到保证，而且老人穿戴这些设备也很麻烦。

随着计算机视觉技术的迅速发展，基于计算机视觉的智能监控系统的研究越来越多。智能视觉监控技术是让计算机代替人的大脑，让摄像头代替人的眼睛，由计算机智能地分析从摄像头中获取的图像序列，对被监控场景中的老人活动进行理解并判断，与传统视觉监控系统相比有明显的优势：一方面，能大大减少监控人员的数量降低成本；另一方面，可以通过联网建设分布式智能监控系统来实时获取老人遇到的意外危险情况，方便资源(保安、医护人员等)调度，尽快消除养老院等公共场合下即将发生或已发生的安全隐患。基于深度相机的老人跌倒检测技术是一种非常具有应用价值的智能视觉监控技术，它可以应用于养老院、疗养院、老年大学等监控场景，实时获取老人的行为信息，对于老人跌倒的异常行为进行报警提示，联网的跌倒检测分析系统还能帮助养老机构、医院等及时获取信息并提供救治。

基于深度相机的老人跌倒检测技术的主要难点在于如何识别出老人的跌倒行为。李浩攀采用机器学习的方法进行跌倒行为识别，该方法缺点是得事先收集很多样本，还得人工构建几种行为的特性指标来进行实验；万航等人提出利用视频里的老人外部轮廓求出重心的方法来判断老人是否跌倒，该方法对于和跌倒行为相近的其他行为出现误判，如蹲下和弯腰，重心出现重叠，计算重心将检测不出跌倒行为，应用不便；汪大峰等人提出基于人体外接矩形框宽高比、人体Hu矩特征等多特征融合来识别跌倒异常行为，该方法适用于单一固定的背景，无法应用于变化的实际室外场合中，应用不便；宋菲等人提出基于人体姿势变化的跌倒检测算法，选取人体的三个特征区域，求取重心连线的长度和角度，该方法抗干扰能力差，判断跌倒的阈值也是手动设定，应用不便。

发明内容

本发明的目的在于提供了一种基于深度相机的老人跌倒检测方法，其特征在于，包括步骤：步骤a)多元二项式回归拟合虚拟地面的深度图D；步骤b)获取目标前景图F；步骤c)计算前景图像对应的高度图H；步骤d)根据目标高度提取站立特征图S；步骤e)根据站立特征图序列判断目标跌倒。

优选地，获取步骤a中所述深度图D的具体方法为：

多元二项式回归分析的模型为:

式中β₀，β₁，β₂，β₃，β₄，β₅，σ²都是与x₁，x₂无关的未知参数，其中β₀，β₁，β₂，β₃，β₄，β₅，σ²称为回归系数；

拟定当前深度图为P，局部地面深度图为R，虚拟地面的深度图为D，对于虚拟地面的深度图D中像素i，估计值D_i的计算方法为：

其中，(P_ij，x_i，y_j)，i，j＝1，...，n为n²组数据，P_ij为局部地面深度图R中某一像素点深度值，(x_i，y_j)为局部地面深度图R中某一像素点坐标。

优选地，获取步骤b中所述目标前景图F的方法为：

将当前深度图P和当前背景深度图D作差，求取差值图像，即目标前景图F；在目标前景图中，背景像素值为0，目标像素值为1；对于目标前景图F中像素i，F_i的计算方式为：

优选地，获取步骤c中计算前景图像对应的高度图H的方法为：

针对当前深度图P中像素i，该像素反应的物体实际高度H_i的计算方式为：

应当理解，前述大体的描述和后续详尽的描述均为示例性说明和解释，并不应当用作对本发明所要求保护内容的限制。

附图说明