[发明专利]跌倒监测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种跌倒监测方法、装置、计算机设备和存储介质。所述方法包括：对待识别的深度影像进行去噪，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。采用本方法能够降低跌倒监测的难度。

技术领域

本申请涉及影像处理技术领域，特别是涉及一种跌倒监测方法、装置、计算机设备和存储介质。

背景技术

随着跌倒给人带来的意外伤害越来越多，因此，对人进行跌倒监测极为必要。传统技术中，通过监测人的骨架位点的变化来进行跌倒监测，但监测过程较为复杂，且不同的人存在体型差异，增加了监测难度。

发明内容

基于此，有必要针对上述技术问题，提供一种能够降低跌倒监测难度的跌倒监测方法、装置、计算机设备和存储介质。

第一方面，本申请提供了一种跌倒监测方法。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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。