[发明专利]跌倒监测方法、装置、计算机设备和存储介质

权利要求书

1.一种跌倒监测方法，其特征在于，所述方法包括：

获取待识别的深度影像，对所述深度影像进行去噪，得到去噪后的深度影像，将去噪后的深度影像存于存储空间中；

在检测到标记队列中的标记用于指示所述存储空间中存储的深度影像数量达到预设阈值的情况下，停止获取待识别的深度影像，读取所述存储空间中存储的深度影像，并将读取到的深度影像输入至训练后的跌倒监测模型中，输出相应的跌倒识别结果，所述标记是基于所述存储空间中存储的深度影像数量进行实时更新的；

在检测到状态队列中的状态用于指示所述训练后的跌倒监测模型已输出相应的跌倒识别结果的情况下，重新获取待识别的深度影像，并返回对所述深度影像进行去噪的步骤并继续执行。

2.根据权利要求1所述的方法，其特征在于，所述跌倒监测模型的训练过程，包括：

获取多个历史深度影像集，在多个历史深度影像集中选取历史深度影像集作为训练集，并在剩下的历史深度影像集中选取测试集，将选取结果作为训练测试样本组；

针对每一训练测试样本组，利用所述训练测试样本组中的训练集对初始跌倒监测模型进行训练，得到所述训练测试样本组相应训练后的待选跌倒监测模型，并利用所述训练测试样本组中的测试集对相应的待选跌倒监测模型进行测试，获得相应的测试结果；

根据每一训练测试样本组相应的测试结果，从每一训练测试样本组相应的待选跌倒监测模型中选取训练后的跌倒监测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据每一训练测试样本组相应的测试结果，从每一训练测试样本组相应的待选跌倒监测模型中选取训练后的跌倒监测模型，包括：

根据每一训练测试样本组相应的测试结果，获取相应的模型特异性参数和模型敏感性参数，根据每一训练测试样本组相应的模型特异性参数和模型敏感性参数，确定每一训练测试样本组相应的模型价值指数；

确定最大模型价值指数相应的训练测试样本组，作为目标训练测试样本组，将所述目标训练测试样本组相应的待选跌倒监测模型，作为训练后的跌倒监测模型。

4.根据权利要求2所述的方法，其特征在于，所述历史深度影像集中的历史深度影像至少分为历史跌倒深度影像和历史非跌倒深度影像；所述利用所述训练测试样本组中的训练集对初始跌倒监测模型进行训练，包括：

确定所述训练集中历史跌倒深度影像和历史非跌倒深度影像各自相应的标记值；

利用所述训练集和相应的标记值对初始跌倒监测模型进行训练。

5.根据权利要求3所述的方法，其特征在于，所述根据每一训练测试样本组相应的模型特异性参数和模型敏感性参数，确定每一训练测试样本组相应的模型价值指数，包括：

将预设特异性权重与所述模型特异性参数的二点五次方相乘得到的乘积结果，和将预设敏感性权重与所述模型敏感性参数相乘得到的乘积结果相加，得到的和值除以将所述预设特异性权重和所述预设敏感性权值相加得到的和值，得到模型价值指数。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述深度影像为使用深度相机拍摄病房内部或者大型交通工具内部得到的影像。

7.一种跌倒监测装置，其特征在于，所述装置包括：

影像获取模块，用于获取待识别的深度影像，对所述深度影像进行去噪，得到去噪后的深度影像，将去噪后的深度影像存于存储空间中；

跌倒监测模块，用于在检测到标记队列中的标记用于指示所述存储空间中存储的深度影像数量达到预设阈值的情况下，停止获取待识别的深度影像，读取所述存储空间中存储的深度影像，并将读取到的深度影像输入至训练后的跌倒监测模型中，输出相应的跌倒识别结果，所述标记是基于所述存储空间中存储的深度影像数量进行实时更新的；

状态检测模块，用于在检测到状态队列中的状态用于指示所述训练后的跌倒监测模型已输出相应的跌倒识别结果的情况下，重新获取待识别的深度影像，并返回对所述深度影像进行去噪的步骤并继续执行。