[发明专利]一种基于三维摄像头的人体跌倒检测方法

说明书

技术领域

本发明涉及人机交互领域中人体行为识别研究，采用机器学习方法提出一种基于三维摄像头的人体跌倒检测方法。

背景技术

近年来在医疗监护、智能交通、安保监控等领域上对人体行为分析得到广泛关注，人体跌倒检测作为行为分析的一个分支，在当前人口老龄化，患者得不到充分的安全监护情况下显得尤为重要。有数据表明，跌倒是老年人主要的致伤原因，而利用先进的图像处理技术，传感器技术可以对老年人、病人的跌倒状况进行自动检测，及时告警。避免了跌倒后伤势加重、诱发病情，错过救助良机；同时降低了看护成本，节省人工劳动力。

人体跌倒检测研究大体分为两类，一类是基于计算机图像处理技术，另一类是基于传感器技术。传统的跌倒检测方法是通过给实验对象佩戴有加速度传感器的设备，来实时采集数据，作出行为判断。如专利CN105989694A的一种基于三轴加速度传感器的人体跌倒检测方法，该方法通过判断Y轴加速度峰值是否达到阈值，如达到再对该加速度值进行特征分析，与跌倒行为特征进行匹配，从而判断用户跌倒事件。以及专利CN105342626A的穿戴式设备及应用于穿戴式设备的跌倒检测方法，通过穿戴式设备三个轴向的实时加速度，计算符合跌倒条件的极值点波形，然后通过计算该极值点波形的方差特征对跌倒事件进行检测。以及专利CN105125220A的一种跌倒检测方法，首先获取三轴加速度传感器值，并计算合加速度；判断合加速度是否大于加速度阈值，若大于则计算检测结果，根据跌倒检测模型和检测结果进行跌倒判断。这类方式主要是通过跌倒过程中的三轴加速度信息进行判断，因为要佩戴设备，影响到人的舒适度。传统二维摄像头不需要监测者携带任何设备，但传统二维摄像头对人体姿势和室内环境比较复杂的情况难以处理。如专利CN106503643A的人体跌倒检测方法，通过二维摄像头获取彩色图像，最小面积外接矩计算得出矩形宽高比、人体质心高度比等特征，再通过广义三角模糊函数构造人体特征，与跌倒动作特征进行匹配，得到检测结果。以及专利CN105718886A的一种活动人员安全异常的跌倒检测方法，先根据当前人体行为动作图像获取每个像素的时间序列模型，再对属于相同目标的像素进行归类，采用纵横比来进行跌倒推断。但这类方法从人体行为轮廓获取特征，没有对人体惯性特征进行分析，可以对跌倒发生过后的状态作出判断，对于人体躺下与坐下这些类跌倒动作不能区分。而三维摄像头相比传统摄像头提供了深度图像数据，为人体跌倒行为检测提供了新的途径。

目前，基于三维摄像头的人体骨骼数据的跌倒检测方法较少，如专利CN105719429A的一种基于Kinect的跌倒检测及报警系统及其操作方法，该发明的主要工作是通过对人体骨骼数据的采集，获取骨骼节点的三维坐标，计算出人体重心在空间中的位置及速度，通过判断人体重力作用线是否超出支撑面范围以及重心在竖直方向和水平方向的移动速度大小，实现对跌倒的检测。专利CN104794463A的基于Kinect实现室内人体跌倒检测的系统与方法，包括三个跌倒检测模块，用以基于人体倾斜角度和轮廓变化趋势进行跌倒检测判断，用以基于人体运动叠加图分析进行跌倒检测判断，以及用以基于传感器坐标系下人体运动方向和加速度进行跌倒检测判断，根据以上三个模块进行综合判断，输出结果。这类方法利用了三维摄像头捕获的骨骼节点特征，人体轮廓特征以及人体惯性特征，但由于特征选取简单，且在跌倒动作发生过程中，人体骨骼节点容易发生混淆与遮挡，三维摄像头捕获的节点位置与实际位置不符从而造成误判，出现识别率不高的情况。

发明内容

针对以上问题，本发明为监测室内看护对象跌倒情况提供了一种基于三维摄像头的人体跌倒检测方法。通过新的特征提取方法以及分类算法更为准确地检测出跌倒事件。

为了解决以上问题，本发明采取了如下技术方案：一种基于三维摄像头捕获的骨骼数据跌倒判断方法，该方法包括如下步骤：

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，日常生活的类跌倒动作，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。

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；