[发明专利]一种基于三维摄像头的人体跌倒检测方法

权利要求书

1.一种基于三维摄像头的人体跌倒检测方法，其特征在于，所述方法包括如下步骤：

步骤1：人体跌倒与日常生活动作的采集；建立跌倒检测的数据集，将人体常见的跌倒动作，前向、后向以及侧向跌倒动作，日常生活的非跌倒动作，捡东西、坐下、躺下以及行走动作统一采集，通过三维摄像头捕获动作发生连续帧内骨骼节点信息，并以三维空间节点坐标形式存储下来；

步骤2：建立跌倒检测训练集；采集大量人体跌倒与类跌倒动作数据，为数据分类加标签；

步骤3：提取动作特征；对训练集中的跌倒动作与类跌倒动作过程中的骨骼节点坐标信息提取人体骨骼聚类特征，计算连续帧内臀部节点距离地面高度变化以及头部节点的加速度信息，将以上几种特征提取出来作为每帧内的一组特征向量；

步骤4：将上一步对训练数据集提取的特征输入隐马尔可夫模型进行训练；由最大期望算法经过多次迭代计算，建立最优隐马尔可夫模型；

步骤5：用三维摄像头采集的人体跌倒动作与非跌倒动作样例重复步骤2、步骤3操作，将处理过后的数据投入步骤4获得的隐马尔可夫模型进行测试，得到预测标签，若与实际标签一致，则判断正确，反之判断错误。

2.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于：所述步骤2中训练集中的人体的非跌倒动作采集多种类型，数据量大且区分度高，包括行走，捡东西这类区分度大的动作以及坐下，躺下这些类跌倒动作，保证数据集的全面性；且跌倒动作标签为1，非跌倒动作标签为2。

3.根据权利要求2所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于：三维摄像头采集的训练集要求每个动作的初始帧内，人体呈直立状态，两脚不重叠，开始记录。

4.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于:所述步骤3中对数据集中人体骨骼节点坐标使用K-means人体骨骼聚类方法，其中K均值，将人体骨骼坐标特征换算为空间距离特征，在每帧内迭代计算多个骨骼节点的点群中心，最终确定两个中心点的位置，计算每个骨骼节点到距离最近的那个点群中心的欧式距离作为特征。

5.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于:所述步骤3中对于计算臀部节点距离地面特征，获取人体初始帧内人体脊椎向量作为地平面法向量，取人体两脚节点中心位置作为参考节点，该位置视为地面上一点，通过点到平面距离公式获得地平面方程参数。

6.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于:所述步骤3中对于三维摄像头获取速度标量规定时间容限，用由多个连续帧前后的空间节点距离差值替代，进而获取骨骼节点加速度数据，设定另一种时间容限值，用多个连续帧前后的速度标量差值替代。

7.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于:所述步骤4中将固定维度的特征输入隐马尔可夫模型训练器，同时设定最大期望参数设置隐态序列长度，混合数，最大迭代次数，分别训练获得标签为1，2的跌倒动作与非跌倒动作模型。

8.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于:所述步骤5中通过三维摄像头将人体日常生活动作捕捉，设置分段时间长度，记录每段的连续帧内人体骨骼节点信息，结合之前建立的隐马尔可夫模型进行测试，得到预期标签，与动作的实际标签作异或运算，得到动作类型判断结果。

9.根据权利要求1或5所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于:步骤3所述计算臀部节点距离地面高度的方法如下：

由于默认训练集每组人体动作初始状态为直立，将人体臀部节点与脊部节点进行矢量连接，得出其三维单位向量作为地平面法向量，取动作序列第一帧两脚节点中心位置F(x₀,y₀,z₀)作为地面上一点，则可得点Hip(x_h,y_h,z_h)距离地面高度为：

10.根据权利要求1所述的一种基于三维摄像头的人体跌倒检测方法，其特征在于:所述步骤4：

本方法经过测试设定HMM最适隐态数为某个参数a，即状态转移矩阵A＝{a_ij}，a_ij＝P(q_t+1＝S_j|q_t＝S_i)1≤i,j≥a；经过多次迭代计算，对上一步提取的训练集特征进行训练，由EM算法“最大期望算法”建立跌倒动作与非跌倒动作的隐马尔科夫模型，训练数据集数量越大越全面，建立的模型越准确。