[发明专利]一种基于MobileNetV2模型的跌倒检测方法及系统

权利要求书

1.一种基于MobileNetV2模型的跌倒检测方法，其特征在于，包括：

获取待检测的人体运动图像；

将人体运动图像输入基于注意力机制的MobileNetV2模型，得到跌倒检测结果；

其中，基于注意力机制的MobileNetV2模型在MobileNetV2网络的特征提取部分前或者特征提取部分中，加入CBAM注意力机制的通道注意力机制和空间注意力机制，并在特征提取部分后依次连接注意力层、池化层、展平操作和全连接层。

2.如权利要求1所述的一种基于MobileNetV2模型的跌倒检测方法，其特征在于，所述通道注意力机制首先对输入同时进行最大值池化和平均池化，分别得到两个向量；随后将两个向量输入到权重共享的网络中；通过权值共享的网络后将两个向量相加，利用激活函数进行激活作用，得到通道注意力修正向量；将通道注意力修正向量与输入相乘，得到经过通道注意力作用之后的特征图。

3.如权利要求1所述的一种基于MobileNetV2模型的跌倒检测方法，其特征在于，所述空间注意力机制对输入进行最大值池化和平均池化后，按照通道维度拼接，并利用卷积核进行卷积，经过激活函数后得到空间注意力向量，将空间注意力向量与输入相乘，得到经过空间注意力作用后的输出。

4.如权利要求1所述的一种基于MobileNetV2模型的跌倒检测方法，其特征在于，如果在特征提取部分中加入CBAM注意力机制，则在逐通道卷积前添加所述通道注意力机制，并在逐点卷积前加入所述空间注意力机制。

5.如权利要求1所述的一种基于MobileNetV2模型的跌倒检测方法，其特征在于，如果在特征提取部分前加入CBAM注意力机制，则在MobileNetV2模型的第一个卷积层后加入CBAM注意力机制的通道注意力机制和空间注意力机制。

6.一种基于MobileNetV2模型的跌倒检测系统，其特征在于，包括：

图像获取模块，其被配置为：获取待检测的人体运动图像；

跌倒检测模块，其被配置为：将人体运动图像输入基于注意力机制的MobileNetV2模型，得到跌倒检测结果；

其中，基于注意力机制的MobileNetV2模型在MobileNetV2网络的特征提取部分前或者特征提取部分中，加入CBAM注意力机制的通道注意力机制和空间注意力机制，并在特征提取部分后依次连接注意力层、池化层、展平操作和全连接层。

7.如权利要求6所述的一种基于MobileNetV2模型的跌倒检测系统，其特征在于，如果在特征提取部分中加入CBAM注意力机制，则在逐通道卷积前添加所述通道注意力机制，并在逐点卷积前加入所述空间注意力机制。

8.如权利要求6所述的一种基于MobileNetV2模型的跌倒检测系统，其特征在于，如果在特征提取部分前加入CBAM注意力机制，则在MobileNetV2模型的第一个卷积层后加入CBAM注意力机制的通道注意力机制和空间注意力机制。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一项所述的一种基于MobileNetV2模型的跌倒检测方法中的步骤。

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5中任一项所述的一种基于MobileNetV2模型的跌倒检测方法中的步骤。