[发明专利]人体跌倒检测方法和装置有效

专利信息
申请号: 201711468689.0 申请日: 2017-12-29
公开(公告)号: CN108090458B 公开(公告)日: 2020-02-14
发明(设计)人: 谢阳阳 申请(专利权)人: 南京阿凡达机器人科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/62
代理公司: 31251 上海硕力知识产权代理事务所(普通合伙) 代理人: 郭桂峰
地址: 211316 江苏省*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 目标图像 图像 卷积神经网络 方法和装置 跌倒检测 跌倒状态 目标检测 跌倒 目标检测算法 准确度 分类识别 分类算法 分析处理 获取目标 技术效果 人体检测 人体状态 网络识别 视频流 单帧 申请 网络
【权利要求书】:

1.一种人体跌倒检测方法,其特征在于,包括:

采集目标区域中的声音信息;

根据所述声音信息,确定目标方位;

根据所述目标方位,移动摄像头,调整摄像头与人体的角度和距离,以获取目标图像,所述目标图像为单帧的图像数据;

获取目标图像;

通过目标检测网络,对所述目标图像进行人体检测,以确定所述目标图像是否为包含人体的图像;

在确定所述目标图像为包含人体的图像的情况下,通过卷积神经网络,对所述目标图像进行跌倒识别,以确定所述目标图像中的人体是否处于跌倒状态。

2.根据权利要求1所述的方法,其特征在于,按照以下方式建立所述卷积神经网络:

获取人体图像样本数据,其中,所述人体图像样本数据包括多个包含人体状态的图像;

从所述人体图像样本数据中提取符合要求的图像作为预处理样本数据;

根据所述预处理样本数据的图像中的人体状态,将所述预处理样本数据中的图像划分正样本数据和负样本数据,其中,所述正样本数据中的图像包括以下至少之一:包含有人体站着的状态的图像、包含有人体坐着的状态的图像、包含有人体蹲着的状态的图像、包含有人体倾斜着的状态的图像;所述负样本数据中的图像包括以下至少之一:包含有人体躺着的状态的图像、包含有人体趴着的状态的图像;

利用所述正样本数据、所述负样本数据进行训练,以建立用于识别人体状态类型的卷积神经网络。

3.根据权利要求2所述的方法,其特征在于,建立所述卷积神经网络的过程中,所述方法还包括:

获取不包含人体的图像样本数据;

利用所述不包含人体的图像样本数据,对所述卷积神经网络进行误检测训练。

4.一种人体跌倒检测装置,其特征在于,包括:

获取模块,用于获取目标图像;

所述获取模块包括:

声音采集器,用于采集目标区域中的声音信息;

定位器,用于根据所述声音信息,确定目标方位;

移动装置和摄像头,其中,所述摄像头设于所述移动装置上,所述移动装置用于根据所述目标方位,移动所述摄像头,调整摄像头与人体的角度和距离,所述摄像头用于获取目标图像;

人体检测模块,用于通过目标检测网络,对所述目标图像进行人体检测,以确定所述目标图像是否为包含人体的图像;

跌倒识别模块,用于在确定所述目标图像为包含人体的图像的情况下,通过卷积神经网络,对所述目标图像进行跌倒识别,以确定所述目标图像中的人体是否处于跌倒状态。

5.根据权利要求4所述的装置,其特征在于,所述装置还包括卷积神经网络建立模块,用于建立用于识别人体状态类型的卷积神经网络,其中,所述卷积神经网络建立模块包括:

获取单元,用于获取人体图像样本数据,其中,所述人体图像样本数据包括多个包含人体状态的图像;

提取单元,用于从所述人体图像样本数据中提取符合要求的图像作为预处理样本数据;

划分单元,用于根据所述预处理样本数据的图像中的人体状态,将所述预处理样本数据中的图像划分正样本数据和负样本数据,其中,所述正样本数据中的图像包括以下至少之一:包含有人体站着的状态的图像、包含有人体坐着的状态的图像、包含有人体蹲着的状态的图像、包含有人体倾斜着的状态的图像;所述负样本数据中的图像包括以下至少之一:包含有人体躺着的状态的图像、包含有人体趴着的状态的图像;

建立单元,用于利用所述正样本数据、所述负样本数据进行训练,以建立用于识别人体状态类型的卷积神经网络。

6.根据权利要求5所述的装置,其特征在于,所述卷积神经网络建立模块还包括:

误检测训练单元,用于获取不包含人体的图像样本数据;并利用所述不包含人体的图像样本数据,对所述卷积神经网络进行误检测训练。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于南京阿凡达机器人科技有限公司,未经南京阿凡达机器人科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711468689.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top