[发明专利]基于隐私保护类GAN特征增强的居家视频跌倒检测方法

说明书

本发明是一种基于隐私保护类GAN特征增强的居家视频跌倒检测方法，主要包括如下步骤：(1)输入原始视频的训练数据集；(2)多层压缩感知处理；(3)前景动目标的提取；(4)获得跌倒分类结果：运用基于带有辅助分类器的GAN网络对步骤3中获取到的具有视觉隐私保护效果的视频中的前景动目标进行时空迁移补偿，使得具有视觉隐私保护效果的视频中丢失的特征得到补偿，在此基础上得到最终的跌倒分类结果。本发明解决当前居家视频监控面向老人健康监护过程存在隐私泄露风险的问题。在实现居家老年人跌倒检测的同时，能满足对于老人个人及家庭隐私的保护，具有较高的实际运用价值。

技术领域

本发明属于计算机视觉和模式识别领域，具体的说是涉及一种基于隐私保护类GAN特征增强的老人居家视频跌倒检测方法。

背景技术

随着我国老龄化以及家庭空巢化问题的日益严峻，独居老人的安全监护问题收到了广泛的关注。跌倒是老年人受伤死亡的主要原因，随着年龄的增长，跌倒的风险也随之增加，一旦发生跌倒，对于老年人的身体和心理都会造成极大的负面影响。伴随着社会对老年人健康生活的关注，发展出了多种跌倒检测的方式，现阶段跌倒检测技术主要分为基于可穿戴设备、基于场景传感器以及基于计算机视觉。可穿戴设备需要随身佩戴，定时充电，这就存在很大的安全隐患；场景传感器技术需要在老人活动范围布置大量各类传感器，成本很高且难以维护；相比之下，基于计算机视觉的跌倒检测技术因具有丰富的监测信息、非接触式监测方式、零电磁干扰监测环境等优势，受到了越来越多研究人员的关注。计算机视觉跌倒检测技术是目前广受关注的研究方向，但也存在个人隐私泄露的缺点，这是由于计算机视觉技术是基于一个或多个摄像头对被检测对象实时摄像/拍照，通过网络或其它通信方式把视频/图片上传处理，在此过程中，就存在隐私外泄的隐患，如穿衣或如厕过程等。即使采取某种技术手段可以对私密过程进行处理，但家庭装饰或环境布置如金银物品或奢侈艺术品等相关私人信息也会暴露。

CN110942009A中提供了一种基于时空混合卷积网络的跌倒检测方法，采用时空混合卷积网络的检测方法，把检测分为定位(坐标回归)和分类两部分，结合2D CNN和3D CNN的时空混合卷积网络，同时获取到优质的位置特征和类别特征，坐标回归完的特征全由2DCNN生成，分类的特征则是由3D CNN特征生成，然后将位置特征和类别特征进行融合，进行模型训练得到预测模型，利用预测模型对视频流输入进行检测最终得到预测结果，即是否有人跌倒。在以上的处理过程中是直接对摄像头获取的原始视频数据进行处理，与此同时，以视频监控作为监护手段离不开全天时条件下的目标跟踪分析等智能处理，这对于为及时侦测到老人危病行为的应用效果而言，其牺牲的代价将是个人隐私的完全泄露。毫无疑问，即便清楚危病行为缺乏有效监护的实际风险，但只要视觉或认知层面存在隐私外泄的可能，则任何具有自主行为能力的老人都不愿也不会接受这样一种无人身自由的监护模式。

随着对GAN网络不断深入的研究，既然GAN网络(GAN)可以实现“从无到有”的突破，即通过错杂的噪声数据就可以清晰的目标图像，并且在视觉上与原始的目标图像没有差别。不难猜想：既然GAN可以实现从无到有，那它在理论上就应该可以实现从“有”到“更多”的变化。这就意味着，GAN网络架构可以作为新的信息迁移工具，探索行为表征在质量提升与隐私保护之间的最佳平衡。

发明内容

为了解决当前基于视频监控的老年人室内跌倒检测方法中涉及隐私侵犯的问题，提出了一种基于隐私保护类GAN特征增强的老人居家视频跌倒检测方法，并且使用GAN网络作为新的信息迁移工具，实现尽可能准确的跌倒检测。

为了达到上述目的，本发明是通过以下技术方案实现的：

本发明是一种基于隐私保护类GAN特征增强的居家视频跌倒检测方法，包括如下步骤：

步骤1：基于公共的跌倒检测数据集，根据数据集中行为的特点，将训练数据分成正负集合，人工打上相应的类别标签；

步骤2：基于混沌伪随机伯努利测量矩阵对原始视频进行多层压缩感知处理，产生视觉层面具有视觉隐私保护效果的视频；