[发明专利]一种基于机器视觉的单目实时人体跌倒检测方法及系统

说明书

本发明公开了一种基于机器视觉的单目实时人体跌倒检测系统，该系统搭建了一个人体目标检测单分类模型，该体目标检测单分类模型仅检测人物对象，减小了模型大小。使用旋转增强的人物关键点数据集进行训练，使目标检测算法在角度姿势多变的场景下更加稳定，有较强的鲁棒性。而姿态检测算法用于在人体目标边框内识别人体关节点位置信息。本发明设计了姿态检测算法，基于该算法能够提取人体骨架中13个关节点的位置坐标及置信度，并基于上述位置坐标及置信度实现检测准确度和灵活性。本发明优化了跌倒检测判断方法，通过判断双腿及躯干肢体地面投影长度是否在人体正常肢体长度范围内将跌倒与非跌倒行为区分开，提升系统稳定性。

技术领域

本发明涉及一种针对人体跌倒进行检测的系统，尤其涉及一种基于机器视觉的单目实时人体跌倒检测系统，属于人体姿态检测技术领域。

背景技术

跌倒造成的损伤会严重影响人的正常生活。在跌倒发生后，及时发现并进行医疗救护可以有效降低死亡的风险。因此，设计实时的人体跌倒检测系统以实现在独居老人发生跌倒后进行及时报警，对老龄化社会具有重要的意义和实用价值。

专利CN110443315B提供了一种室内环境下基于加权融合的老人跌倒检测方法，该方法通过蓝牙姿态传感器信号的数据包提取三轴加速度、三轴角速度和三轴角度并进行预处理、归一化处理和加权融合得到加权检测值，将加权检测值与设定阈值对比，判定是否为跌倒。但该方法所需的可穿戴式设备需要时刻佩戴在身上，会对使用者的正常生活造成影响，并受到设备电池电量的限制。

专利CN111091060B提供了一种基于深度学习的跌倒和暴力检测方法，将视频分割成图像序列输入到已训练好的卷积神经网络模型，提取出人体关节点的二维坐标，提取出与跌倒和暴力动作相关的特征。但仅依靠2D关节点位置信息，基于深度学习进行动作检测，受制于摄像头安放位置及角度、单目相机缺失深度信息等限制，易出现跌倒检测漏报误报等情况，鲁棒性不高。

发明内容

本发明设计了一种基于机器视觉的单目实时人体跌倒检测系统，该系统的技术目的之一在于搭建了一个人体目标检测单分类模型，该体目标检测单分类模型仅检测人物对象，减小了模型大小。同时，使用旋转增强的人物关键点数据集进行训练，使目标检测算法在角度姿势多变的场景下更加稳定，有较强的鲁棒性。而姿态检测算法用于在人体目标边框内识别人体关节点位置信息。本发明的技术目的之二在于设计了姿态检测算法，基于该算法能够提取人体骨架中13个关节点的位置坐标及置信度，并基于上述位置坐标及置信度实现检测准确度和灵活性。本发明的技术目的之三在于，进一步优化了跌倒检测判断方法，通过判断双腿及躯干肢体地面投影长度是否在人体正常肢体长度范围内将跌倒与非跌倒行为区分开，这种判断形式更兼具实用性和针对性，显著提升本发明系统的稳定性。

为实现上述目的，本发明采用的技术方案为一种基于机器视觉的单目实时人体跌倒检测系统，包括单目相机、舵机旋转云台、舵机驱动板、角度传感器和处理器开发板。

所述单目相机安装于舵机旋转云台上，舵机旋转云台与舵机驱动板连接，所述角度传感器安装于单目相机上，所述单目相机、舵机旋转云台、舵机驱动板和角度传感器均与处理器开发板连接。上述单目相机用于获取视频图像信息；舵机旋转云台、舵机驱动板用于进行相机实时角度控制；角度传感器用于获取相机姿态；处理器开发板用于整个系统的综合控制。

所述处理器开发板基于机器视觉与人体跌倒行为特征，由触发式跌倒检测算法逻辑实现。

具体地，上述触发式跌倒检测算法逻辑的实施过程如下：