[发明专利]老年人离床与在床状态的视频监测方法

权利要求书

1.一种老年人离床与在床状态的视频监测方法，其特征在于，通过以下步骤来实现：

a).布置摄像头，在待监测老人的房间内布置摄像头，摄像头的安装位置满足采集的画面包含床及床周边区域；

b).获取在床离床图像，对老人在床离床活动进行一段时间的视频图像采集，获得老人在床离床活动的图像，随机选取图像中的部分图像作为训练样本，余下的图像作为测试样本；

c).图像的归一化和标注处理，首先对步骤b)中获取的图像进行归一化处理，得到样本图像；然后借助数据标注工具人工对训练样本图像中老人边框、床体边框、人体与床体交叠边框的边框进行标注，标注的边框坐标及边框类别构成标签文件，采用相同的方法获取每幅样本图像的标签文件，边框类别为边框内区域内是老人、是床体还是交叠边框；

d).训练神经网络，以步骤c)中的训练样本图像为输入、标签文件为输出对深度神经网络进行训练，直至训练完毕；

e).计算准确率，首先将测试样本中的图像进行归一化处理，然后将归一化处理后的测试样本图像作为输入，带入步骤d)中训练得到的深度神经网络中，获取测试样本图像的识别边框输出，并人工识别和统计所获取的老人边框、床体边框和人体与床体交叠边框的准确率，如果准确率低于设定阈值T1，则增加训练样本的容量，执行步骤b)；如果准确率不低于设定阈值T1，则神经网络训练完毕；

f).实时监控，在线实时采集监控图像，并将采集的图像带入步骤d)中获取的深度神经网络中，获取实时监控图像的老人边框、床体边框和人体与床体交叠边框，然后利用公式(1)计算人体与床体的交叠率：

式中，J(S₁,S₂)为人体与床体的交叠率，交叠率为人体与床体交叠部分的占人体部分的比例，S₁为老人边框的面积，S₂为床体边框的面积，S₁∩S₂为人体与床体的交叠边框的面积；

如果监控图像的人体与床体的交叠率不低于设定阈值T2时，表明老人在床体上，继续实时监控；如果人体与床体的交叠率低于设定阈值T2时，则表明老人已离开床体，则发出报警信息，以提醒人员进房查看和护理；

步骤e)中准确率的计算过程中，设测试样本中的图像数量为N，测试样本图像k中采用人工标记出的老人边框、床体边框和人体与床体交叠边框的面积分别为人工标记出的老人边框、床体边框和人体与床体交叠边框的误差区域面积分别为1≤k≤N；各边框区域的面积用像素数目表示，误差区域的标记过程中，如果多余的像素被自动识别至边框区域，则其误差区域的面积增加多余像素数目，如果边框区域自身应有的像素被自动标记至区域之外，则其误差区域的面积增加少标记的像素数目；然后通过公式(2)计算准确率p：

如果获取的准确率p低于设定阈值90％，则表明获取的深度神经网络模型准确度不满足要求，应增加训练样本的容量重新进行训练；如果准确率不低于设定阈值90％，则神经网络训模型符合精度要求。

2.根据权利要求1所述的老年人离床与在床状态的视频监测方法，其特征在于：步骤c)和步骤e)中的归一化处理方法为：首先将图像调整为统一大小，然后进行去光照处理和去噪声处理。

3.根据权利要求1所述的老年人离床与在床状态的视频监测方法，其特征在于：步骤d)中的训练神经网络采用VGG16模型，并在VGG16模型的最后增加一个卷积特征层，增加的卷积特征层使用卷积核进行预测，预测过程中对于一个大小为m*n、p通道的特征层，使用3*3的卷积核进行预测。

4.根据权利要求1或2所述的老年人离床与在床状态的视频监测方法，其特征在于：步骤f)中设定阈值T2的取值范围为：70％≤T2≤80％。