[发明专利]一种跌倒检测系统及其基于深度图像的跌倒检测方法

权利要求书

1.一种跌倒检测系统，其特征在于，包括：

一图像读取装置，所述图像读取装置读取并预处理深度图像；和

一坐标处理单元，所述坐标处理单元接收到所述图像读取装置的深度图像信息，计算处理坐标信息，并根据坐标信息计算各个关节点的速度和加速度，通过判断上述特征信息，判断是否处于跌倒状态。

2.根据权利要求1所述的跌倒检测系统，其特征在于，所述图像读取装置包括

一过滤模块，对深度图像信息进行中值过滤和去除噪声；

一切割模块，根据自适应深度阈值对深度图像进行切割粗略去除背景区域，进一步去除噪声干扰，将背景置为黑色，从而得到一个前景区域；

一滤波模块，所述滤波模块利用图形学滤波去除前景区域的细小空洞；和

一区域设置模块，根据运动检测算法寻找前景区域中运动的人体区域，并将人体区域作为新的前景区域。

3.根据权利要求2所述的跌倒检测系统，其特征在于，所述坐标处理单元包括

一随机森林分类器，所述随机森林分类器对上述区域设置模块中得到的人体区域的像素点进行分类，判断像素点属于人体某个关节部位；

一筛选模块，所述筛选模块筛选出各关节部位像素点；

一计算模块，获取各关节点像素点，并计算得到关节点像素坐标；

一转换模块，根据所述图像读取装置的深度图相机内参和关节点像素坐标，转换得到关节点的三维空间坐标，并记录该图像帧对应的时间戳；

一记录模块，所述记录模块记录到上述各个关节点的三维空间坐标；

一速度计算模块，根据上述的关节点的坐标差和时间差，从而计算出关节点运动的速度以及总体的平均速度；

一加速度计算模块，根据计算得到的帧间速度计算速度差，从而计算加速度；和

一SVM分类器，结合各关节点坐标的速度和加速度信息，使用SVM分类器判断是否发生跌倒。

4.一种基于深度图像的跌倒检测方法，其特征在于，包括以下步骤：

(a)读取深度图像，对深度图像预处理，得到仅包含人体区域的深度图像；

(b)根据深度信息计算人体关节点坐标，返回记录坐标信息和时间戳；

(c)根据(b)得到的关节点坐标和时间戳，计算关节点运动速度和加速度；

(d)根据(b)和(c)得到的关节点坐标、速度和加速度，判断是否发生跌倒事件。

5.根据权利要求4所述的跌倒检测方法，在步骤(a)中，所述深度图像预处理的具体步骤如下：

(a1)对深度图像进行中值滤波去除噪声；

(a2)根据自适应深度阈值对深度图像进行切割粗略去除背景区域，进一步去除噪声干扰，将背景置为黑色；

(a3)利用图形学滤波去除前景区域的细小空洞；

(a4)根据运动检测算法寻找前景区域中运动的人体区域，并将人体区域作为新的前景区域。

6.根据权利要求5所述的跌倒检测方法，在步骤(b)中，所述人体关节点坐标计算的具体步骤如下：

(b1)利用随机森林分类器，对步骤(a4)得到的人体区域的像素点进行分类，判断像素点属于人体某个关节部位；

(b2)筛选步骤(b1)中预测概率大于设定阈值的点，得到疏密不同的各关节部位像素点；

(b3)使用Mean Shift算法对属于同一部位的像素点进行聚类，得到关节点像素坐标；

(b4)根据所述图像读取装置与步骤(b3)中得到的像素坐标，转换得到关节点的三维空间坐标，并记录该图像帧对应的时间戳。

7.根据权利要求6所述的跌倒检测方法，在步骤(c)中，所述关节点运动信息计算的具体步骤如下：

(c1)选取由步骤(b4)得到的人体颈部、脊柱底部、左脚踝3个骨骼点坐标，维护一个队列，记录最新10帧关节点三维空间坐标与时间戳；

(c2)根据步骤(c1)中记录的信息计算坐标差、时间差，从而计算出最新10帧间的关节点运动的速度以及10帧总体的平均速度；

(c3)根据步骤(c2)计算得到的帧间速度计算速度差，从而计算加速度。

8.根据权利要求7所述的跌倒检测方法，在步骤(d)中，具体的判断步骤如下：

(d1)根据步骤(b)得到的关节点坐标位置作为高度特征，步骤(c)计算得到关节点速度特征与加速度特征；

(d2)将最新连续10帧关节点的三个特征融合作为分类依据，使用SVM分类器进行分类，判断是否发生跌倒事件。