[发明专利]跌倒姿态检测方法、装置、电子设备及可读存储介质

权利要求书

1.一种跌倒姿态检测方法，其特征在于，所述跌倒姿态检测方法包括：

对监控视频进行预设处理，以获得待识别图像；

根据预设姿态检测模型对所述待识别图像进行检测，以获得基于姿态检测的第一检测结果，所述第一检测结果包括第一人体边界框与第一人体关键点；

根据预设目标检测模型对所述待识别图像进行检测，获得基于目标检测的第二检测结果，所述第二检测结果包括第二人体边界框；

通过所述第二检测结果修正所述第一检测结果，获得修正后的第三检测结果，所述第三检测结果包括第三人体边界框和/或第二人体关键点；

根据所述第三检测结果判断所述待识别图像中的人体对象是否为跌倒姿态。

2.根据权利要求1所述的跌倒姿态检测方法，其特征在于，根据预设姿态检测模型对所述待识别图像进行检测，以获得基于姿态检测的第一检测结果的步骤，包括：

基于VGG19卷积网络提取所述待识别图像中的特征，以得到具有预设数量的特征图的特征图像组；

基于卷积神经网络分别提取所述特征图像组中的置信度图像组和关联度图像组；

根据所述置信度图像组生成预测关键点位置；

根据所述关联度图像组和匈牙利算法将全部预测关键点位置进行连接，以获得对应所述待识别图像中的多个基础人体框架；

根据各基础人体框架生成最小相切边界框，以得到对应所述待识别图像的多组第一人体边框及各第一人体边界框对应的人体关键点。

3.根据权利要求1所述的跌倒姿态检测方法，其特征在于，根据预设目标检测模型对所述待识别图像进行检测，获得基于目标检测的第二检测结果的步骤，包括：

根据预设卷积神经网络对所述待识别图像进行人体检测，以获得初始预测人体边界框；

基于NMS非极大值抑制算法对所述初始预测人体边界框进行筛选，以获得所述第二人体边界框。

4.根据权利要求1所述的跌倒姿态检测方法，其特征在于，通过所述第二检测结果修正所述第一检测结果，获得修正后的第三检测结果的步骤之前，所述方法还包括：

基于预设权重分配规则和相似度计算规则，计算所述第一检测结果中各第一人体边界框与所述第二检测结果中各第二人体边界框的匹配得分；

将匹配得分大于预设分数阈值的第一人体边界框和第二人体边界框组合为待选匹配对；

根据各待选匹配对中的第二人体边界框修正对应的第一人体边界框及所述第一人体边界框对应的人体关键点。

5.根据权利要求4所述的跌倒姿态检测方法，其特征在于，根据各待选匹配对中的第二人体边界框修正对应的第一人体边界框及所述第一人体边界框对应的人体关键点的步骤，包括：

在一个待选匹配对中，选取第一人体边界框和第二人体边界框中置信度在所述待选匹配对中最高的人体边界框作为第三人体边界框，其中，所述第一人体边界框和所述第二人体边界框置信度的均大于预设置信度阈值；

保留所述第三人体边界框内的所有人体关键点，并根据预设规则移动所述第三人体边界框外的所有人体关键点，其中，所述预设规则为将所述第三人体边界框外的所有人体关键点移动至所述第三人体边界框及边界框延长线上。

6.根据权利要求1所述的跌倒姿态检测方法，其特征在于，根据所述第三检测结果判断所述待识别图像中的人体对象是否为跌倒姿态的步骤，包括：

当所述第三检测结果仅包括第三人体边界框时，将所述第三人体边界框的宽高比与预设宽高比阈值进行比较，标记所述宽高比大于预设宽高比阈值的第三人体边界框对应的人体为跌倒状态；

当所述第三检测结果包括第三人体边界框和人体关键点时，将所述第三人体边界框和所述人体关键点输入SVM二分类器，以供所述SVM二分类器进行交叉验证，并根据所述交叉验证结果判断所述第三人体边界框中对应的人体是否为跌倒状态。

7.根据权利要求1所述的跌倒姿态检测方法，其特征在于，对监控视频进行预设处理，以获得待识别图像的步骤，包括：

对所述监控视频进行切帧处理，以获得连续帧初始图像；

依次对每一帧初始图像进行标准化处理，以获得具有相同分辨率和尺寸的连续帧待识别图像。