[发明专利]一种基于混合级联卷积的跌倒检测方法和装置

说明书

本发明公开一种基于混合级联卷积的跌倒检测方法和装置，包括：将获取跌倒行为数据进行预处理，得到数据集；根据所述数据集，训练混合级联卷积神经网络；将实际监测的视频数据输入到所述混合级联卷积神经网络，得到实时跌倒检测结果。采用本发明的技术方案，可以实现更高地识别准确率。

技术领域

本发明属于智能设备技术领域，尤其涉及一种基于混合级联卷积的跌倒检测方法和装置。

背景技术

现代社会老龄化加剧，老年人逐渐增多。根据相关调查表明，很多国家都已经进入了人口老龄化社会。其中中国老年化越来越严重，中国65岁以上的老年人占总人口的17％。到2050年，这一数字将达到35％。老年人逐年增多，老人的养老护理工作就变得更加困难。其中跌倒是老人身上常发生的问题，世界卫生组织的研究报告表明，65岁以上的老人每年跌倒的概率为28％至35％，70岁及以上人群每年跌倒的概率增加到32％-42％。年龄越大，跌倒的潜在概率就越大。跌倒是79岁及以上老人受伤并死亡的主要原因，老年人由于身体素质体能下降或各种疾病的困扰，跌倒后没有及时获得帮助导致受伤的概率激增。据报道，50％的在跌倒后躺在地上一个多小时的老人在事故发生后的6个月内死亡。为了减轻跌倒带来的危害，智能跌倒检测变得非常有意义。

老年人随着年龄增长，身体素质与机能不断下降，老人跌倒时常会发生。跌倒发生后的最大危险是跌倒后没有及时获得帮助，导致各种疾病的发生从而导致死亡。为了减轻跌倒产生的危害，智能跌倒检测就变得非常有意义。老年人跌倒后通过智能跌倒检测能及时被发现并获得医疗救助。以前比较流行跌倒检测的方案是用可穿戴设备获得模拟数据训练相应的行为分类器，但是有些人反感穿戴设备的穿戴或繁琐，或者脱下设备后忘记穿戴，这些问题都会增加检测难度。实际上，获得真实的跌倒行为数据是很难的，从而很难确定用模拟数据训练的分类器的稳定性。

发明内容

本发明要解决的技术问题是，提供一种基于混合级联卷积的跌倒检测方法和装置，实现更高地识别准确率。

为实现上述目的，本发明采用如下的技术方案：

一种基于混合级联卷积的跌倒检测方法，包括：

步骤S1、将获取跌倒行为数据进行预处理，得到数据集；

步骤S2、根据所述数据集，训练混合级联卷积神经网络；

步骤S3、将实际监测的视频数据输入到所述混合级联卷积神经网络，得到实时跌倒检测结果。

作为优选，所述混合级联卷积神经网络的主体结构为Resnet50，在残差模块中插入时空信息整合单元和表象信息处理单元并取消残差连接构成混合级联卷积神经网络的基本模块。

作为优选，时空信息整合单元包括：一个卷积核大小为1的2D-CNN、一个卷积核大小为3的2D-CNN、一个卷积核大小为3的1D-CNN、两个批量归一化层。

作为优选，时空信息整合单元的工作流程为：

获取上层网络输出的数据X1，其大小为[N*T,C,H,W]，其中，N、T、C、H、W分别为批量训练样本的大小、每段视频抽样的帧数、通道数、每一帧的高度、每一帧的宽度；首先X1经过卷积核大小为1的2D CNN层和批量归一化层得到X11，其大小尺寸与X1一致；然后将X11输入到卷积核大小为3的1D-CNN和2D-CNN的混合卷积模块中得到特征X12，X12包含视频中的时空特征；最后将X12经过另一个批量归一化层得到输出数据X13。

作为优选，表象信息处理单元的工作流程为：