[发明专利]基于监控相机和深度相机联合的人体抽搐检测方法及装置

说明书

本发明涉及人体抽搐的检测技术领域，且公开了基于监控相机和深度相机联合的人体抽搐检测方法及装置，监控相机将待检测人体所处划分成若干小区域，通过计算小区域在固定时间窗口内的图像特征变化过程，作为小区域抽搐二维特征值；基于深度相机将深度相机与监控相机配准，通过计算小区域在固定时间窗口内的深度变化过程，作为小区域抽搐三维特征值；通过监控相机提取的二维抽搐特征和深度相机提取的三维抽搐特征，联合训练人体抽搐运动模型，以识别人体的抽搐行为。该基于监控相机和深度相机联合的人体抽搐检测方法及装置，通过监控相机提取的二维抽搐特征和深度相机提取的三维抽搐特征，联合训练人体抽搐运动模型，以识别人体的抽搐行为。

技术领域

本发明涉及人体抽搐的检测技术领域，具体为基于监控相机和深度相机联合的人体抽搐检测方法及装置。

背景技术

现有人体抽搐检测方法，包括传感器监测方案，脑电图监测方案等，对于与本发明类似的抖动检测，多数是基于画面抖动的检测，有部分是针对局部目标的视频抖动检测技术，但并为考虑到人体抽搐的行为特征。

例如专利号为CN111513722A基于人体动信号的睡眠抽搐监测垫和床垫，将若干体动信号检测装置分布设置床垫上，以实时检测人体睡在所述垫本体上时的体动信号，根据各体动信号的波形判断人体是否发生睡眠抽搐。这种方法的优点是检测较为直接，缺点是对睡眠床垫设备有特别的要求。

例如专利号为CN107126208A一种癫痫监测提示系统，通过脑电波处理装置监测脑电波的异常放电，达到癫痫检测目的。这种方法的优点是监测精度高，缺点是需要专业的医疗设备，只针对医疗实时监护的领域使用。同时人体抽搐的行为包括但不限于癫痫发作，对于非癫痫类型产生的人体抽搐，该方案未证明具有广义上的适用性。

例如专利号为CN110971895A视频抖动检测方法和装置，通过判断全局或局部的画面的变化特征，检测监控视频是否存在抖动。常用的方法有基于模型训练的方法、基于光流的方法、基于块匹配的方法、基于相似度计算的方法等。其方法目标是做全局视频异常判断，从目标上与人体抽搐检测关系不大，但从其方法上，局部抖动检测可以在一定程度上描述人体在抽搐时产生的周期性运动，但这种方法的问题在于，其设计的目标并非为抽搐检测服务，所以其抖动的特征并不足以描述人体抽搐的动作行为，会产生较多的误报。

例如专利号为CN111263084A基于视频的手势抖动检测方法、装置、终端和介质，专利号为CN110083239A一种基于动态赋权和灰色预测下的骨骼抖动检测方法，专利号为CN112707272A基于视频智能识别的绳条抖动检测方法、装置及系统。此类方法的优点是对于针对性的目标设计针对性的抖动检测方法，但针对人体抽搐检测的应用，缺点在于：CN110083239A专利是在手静止的情况下检测手有无运动，非抽搐检测的应用目的，且人体躺在床上具有非静止的自由运动的状态，用此方法检测并不合适；CN110083239A专利是基于骨骼检测的基础，在人体盖被子目标被遮挡的情况，采用人体检测的方案或骨骼检测的方案无法进行人体抽搐判断。CN112707272A专利及类似的其他目标抖动检测方法，如视频画面局部抖动方法缺点一样，其抖动的特征与人体抽搐的特征具有差异性，不足以描述抽搐的动作行为。

此外上述方法均没考虑到：

通过深度相机提取人体抽搐运动时的三维运动特征，增加了检测的维度信息，同时减少了环境及光线变化对于二维监控相机的干扰。

将监控相机与深度相机的抽搐特征融合，联合检测抽搐行为。

通过监控相机和深度相机的覆盖范围，可实现多区域多人体目标同时检测，提高了检测效率和经济性。

因此需要重新设计。

发明内容

本发明的目的在于提供基于监控相机和深度相机联合的人体抽搐检测方法及装置，以解决上述背景技术中提出的问题。