[发明专利]基于传感器与图像处理融合的人体摔倒检测方法和系统

说明书

本发明涉及一种基于传感器与图像处理融合的人体摔倒检测方法和系统，方法包括获取人体传感器组的传感数据；提取传感数据的特征，并输入训练好的贝叶斯分类器，得到分类结果；判断分类结果是否为摔倒，若否，则执行步骤S1；若是，则基于Unity根据人体关节点信息建立下肢实时模型，并抽取下肢实时模型摔倒时刻的关键帧；根据关键帧，使用图像识别神经网络判断是否摔倒，若未摔倒则执行步骤S1，若摔倒则输出摔倒信息。与现有技术相比，本发明具有检测结果更准确等优点。

技术领域

本发明涉及人体检测领域，尤其是涉及一种基于传感器与图像处理融合的人体摔倒检测方法和系统。

背景技术

随着人口老龄化的加剧，老年人的身体保护与监控在社会里越来越受重视。事实上，多数老年人疾病，包括中风、骨折、脑溢血等等都是由于不慎摔倒而引起的。如果老年人不慎摔倒时，救护人员没有及时前来进行救治，最终的结果可能是一次悲剧的发生。令人惋惜的是，在空巢老人越来越多的背景下，目前针对老年人摔倒以及报警的装置还并未普及，救治不及时而发生不幸的事件越来越多。老年人在摔倒时常常会陷入无意识昏迷、或是由于骨折而无法动弹的状态，他们在这样的状态下无法进行求救。在这种情况下，解决问题的唯一方案就是让装置自动化的摔倒检测，并进行报警。

在现有的检测方法中，研究者大多使用不超过两个的传感器贴在身体的某些部位上(大腿、肚子、膝盖、足底)，这样接受到的传感器信号单一，不具备下肢步态全局的建模功能，并且常用的阈值法在判定摔倒时，很难区分上下楼、跳跃、下蹲等常规步态行为与摔倒的区别，容易将它们一概而论，出现误判。因此，现有的摔倒检测方法均无法正确的对人体摔倒情况进行判断。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于传感器与图像处理融合的人体摔倒检测方法和系统。

本发明的目的可以通过以下技术方案来实现：

一种基于传感器与图像处理融合的人体摔倒检测方法，包括以下步骤：

S1、获取人体传感器组的传感数据；

S2、提取传感数据的特征，并输入训练好的贝叶斯分类器，得到分类结果；

S3、判断分类结果是否为摔倒，若否，则执行步骤S1；若是，则基于Unity根据人体关节点信息建立下肢实时模型，并抽取下肢实时模型摔倒时刻的关键帧；

S4、根据关键帧，使用图像识别神经网络判断是否摔倒，若未摔倒则执行步骤S1，若摔倒则输出摔倒信息；

所述贝叶斯分类器的训练过程如下：

将带有摔倒分类标签和未摔倒分类标签的传感数据的特征作为输入，将分类标签作为输出，训练贝叶斯分类器。

进一步地，所述步骤S2中传感数据特征提取步骤如下：

S21、通过卡尔曼滤波器对传感数据进行滤波，消除随机偏差，得到一次滤波数据；

S22、设定阈值，去除一次滤波数据中超过阈值的数据，得到二次滤波数据；

S23、计算二次滤波数据的标准差、均值和协方差作为数据特征。

进一步地，所述卡尔曼滤波器的滤波步骤如下：

S211、获取传感数据的初始值和初始置信度，结合噪声的协方差矩阵和采样时间，获取观测值；

S212、根据观测值更新协方差矩阵和传感数据的值。

进一步地，所述传感数据包括加速度计数据、重力计数据和磁力计数据。

进一步地，所述步骤S4中，图像识别神经网络的建立步骤如下：