[发明专利]一种基于计算机视觉和人工智能的跌倒检测方法

说明书

本发明涉及一种基于计算机视觉和人工智能的跌倒检测方法，其包括以下步骤：1)、通过摄像头采集视频信息；2)、采用跌倒深度学习识别模型对从视频信息中提取的每张图像进行处理，将人体从每张图像中检测出来，并分别标记人体检测区域框、跌倒检测概率以及人体头部、腰部、腿部位置的坐标信息；3)、依据人体检测区域框计算人体宽高比，依据人体头部、腰部、腿部位置的坐标信息计算人体质心变化率，并基于人体宽高比、人体质心变化率和跌倒检测概率，判断人体是否跌倒。其采用多算法融合，提高了跌倒检测的准确性，并支持多人、混合目标、低照明等复杂环境，对跌倒检测有良好的鲁棒性。

技术领域

本发明属于人工智能技术领域，涉及一种跌倒检测方法，尤其是一种基于计算机视觉和人工智能的跌倒检测方法。

背景技术

随着老年人口数量的增多，如何对老年人、病人、特殊场所的人群进行自动摔倒监测是亟待解决的问题。目前，在跌倒监测领域中，基于可穿戴设备、基于环境传感器、检测雷达等主流监测方法面临着设备复杂、成本较高等问题。而视频监控通过获取监控目标的视频图像信息，并根据视频图像信息人工或自动的做出相应的响应，以达到对目标人体的监视、安全防范和智能管理。而传统模型例如人体姿态OpenPose模型，提出了部分亲和力字段(partaffinity fields，PAFs)方法，可以将预测得到的多个关节点匹配到不同人的姿态中，有效解决了多人肢干连接的问题，但是其模型较大，在处理多人姿态检测中占用系统资源很高，无法方便的用于实际的视频的跌倒监测。

根据上述分析，为了提高视频在姿态识别过程中的运算速度和跌倒检测的准确率，急需一种基于计算机视觉和人工智能的跌倒检测方法。

发明内容

本发明的目的在于克服现有技术中存在的缺点，提供一种基于计算机视觉和人工智能的跌倒方法，其根据获取的视频信息，能够实现快速检测视频中是否存在人体跌倒，并支持多人检测。

为了实现上述目的，本发明提供如下技术方案：

一种基于计算机视觉和人工智能的跌倒检测方法，其特征在于，包括以下步骤：

1)、通过摄像头采集视频信息；

2)、采用跌倒深度学习识别模型对从所述视频信息中提取的每张图像进行处理，将人体从每张图像中检测出来，并分别标记人体检测区域框、跌倒检测概率以及人体头部、腰部、腿部位置的坐标信息；

3)、依据所述人体检测区域框计算人体宽高比，依据所述人体头部、腰部、腿部位置的坐标信息计算人体质心变化率，并基于所述人体宽高比、人体质心变化率和跌倒检测概率，判断人体是否跌倒。

优选地，所述跌倒深度学习识别模型使用YoloX神经网络算法，采用CSPDarknet作为主干特征提取网络。

优选地，所述步骤3)具体为：

301)、定义所述人体检测区域框的宽度为W、高度为H，则人体宽高比计算式为：R＝W/H，如果人体相对摄像头是向侧面跌倒，则设置人体宽高比的阈值为2，如果人体相对摄像头是向前或向后跌倒，则设置人体宽高比阈值为1，如果计算的所述人体宽高比超过设定的所述阈值，则判定为疑似跌倒；

302)、将所述人体头部、腰部、腿部位置的坐标信息的中心点作为质心检测关键点，判断三个所述质心检测关键点相对于地面的角度，如果小于45°，则判定为疑似跌倒；

303)、对于步骤301)和/或302)判定为疑似跌倒的情况，如果所述跌倒检测概率超过80％，则判定为跌倒状态；否则，判定为未跌倒状态。

优选地，所述步骤1)中，所述摄像头每秒提取10帧图像组成所述视频信息。

优选地，所述基于计算机视觉和人工智能的跌倒检测方法进一步包括：

5)、如果在一定时间内，判定人体始终为跌倒状态，则触发紧急报警。