[发明专利]基于智慧灯杆视频监控系统的行人跌倒检测方法和装置

权利要求书

1.一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，具体包括以下步骤：

步骤S1：位于智慧灯杆上的摄像头采集行人视频信息；

步骤S2：根据目标检测算法，将所述行人视频信息切割出人体目标框；

步骤S3：提取所述人体目标框的质心变化率、方向梯度直方图特征以及局部二值模式特征并将三者融合，形成融合特征；

步骤S4：将所述融合特征分为训练数据集和测试数据集，所述训练数据集输入到支持向量机进行训练，训练完成后的支持向量机对所述测试数据集进行检测，若识别到所述人体目标框发生跌倒，智慧灯杆向灯杆控制中心发送跌倒预警信号。

2.根据权利要求1所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述摄像头每隔5帧提取1帧图像组成行人视频信息。

3.根据权利要求2所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述目标检测算法具体为Yolov3神经网络，将1帧图像的52×52尺寸的特征图进行上采样得到104×104尺寸的特征图，同时与浅层104×104尺寸的卷积层合并，再经过多个所述Yolov3神经网络内的卷积层后预测输出行人目标。

4.根据权利要求3所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述行人目标切割出人体目标框的过程具体为：

步骤S201：Yolov3神经网络检测出行人目标的外接方框的左上角坐标(x₁，y₁)以及右下角坐标(x₂，y₂)；

步骤S202：根据所述左上角坐标(x₁，y₁)和右下角坐标(x₂，y₂)，按照(x₁，y₁)，(x₁，y₂)，(x₂，y₁)，(x₂，y₂)进行切割，得到人体目标框。

5.根据权利要求1所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述方向梯度直方图特征的计算过程具体为：

将人体目标框分为多个大小相等的块，所述块分为多个大小相等的单元，采集所述单元中各像素点的梯度方向直方图或边缘方向直方图，归一化处理后组合构成所述方向梯度直方图特征。

6.根据权利要求1所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述局部二值模式特征的计算过程具体为：

在人体目标框内划分出3*3的窗口，相邻的8个像素的灰度值分别于所述窗口的中心像素的灰度值进行比较，若大于中心像素值的灰度值，则该像素点被标记为1，否则为0，将窗口内8位二进制数转换为十进制数得到局部二值模式特征。

7.根据权利要求1所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述质心变化率包括水平质心变化率和竖直质心变化率。

8.根据权利要求7所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述步骤S3中的融合过程具体为：

步骤S301：通过主成分分析法对方向梯度直方图特征进行降维处理，提取出144维度的降维特征；

步骤S302：将所述144维度的降维特征与水平质心变化率、竖直质心变化率和局部二值模式特征进行融合形成所述融合特征。

9.根据权利要求1所述的一种基于智慧灯杆视频监控系统的行人跌倒检测方法，其特征在于，所述支持向量机的核函数为径向基核函数和多项式核函数的线性组合函数，并通过粒子群优化算法对支持向量机的核函数进行参数优化，包括多项式核函数的阶次，gamma参数、线性组合函数的权重系数以及惩罚因子。

10.一种使用权利要求1-9任一所述的基于智慧灯杆视频监控系统的行人跌倒检测方法的装置，其特征在于，包括存储器和处理器，所述处理器包括云端服务器，所述方法以计算机程序的形式存储于存储器中，并由处理器执行，执行时实现以下步骤：

步骤S1：位于智慧灯杆上的摄像头采集行人视频信息，并发送到所述云端服务器；

步骤S2：所述云端服务器根据目标检测算法，将所述行人视频信息切割出人体目标框；

步骤S3：提取所述人体目标框的质心变化率、方向梯度直方图特征以及局部二值模式特征并将三者融合，形成融合特征；

步骤S4：将所述融合特征分为训练数据集和测试数据集，所述训练数据集输入到支持向量机进行训练，训练完成后的支持向量机对所述测试数据集进行检测，若识别到所述人体目标框发生跌倒，智慧灯杆向灯杆控制中心发送跌倒预警信号。