[发明专利]一种基于人体姿势状态判决的跌倒检测方法

摘要

本发明公开了一种基于人体姿势状态判决的跌倒检测方法，通过对二值化处理后的图像提取目标区域，对目标区域提取物体Zernike矩特征、高度、宽度、宽高比、目标区域面积、目标区域周长、轮廓面积、轮廓周长、帧差最大行列特征变量、运动物体高度特征变量。将提取出来的这些变量分别送入两个离线训练好的分类器对被监控者的运动情况作出判断，最终判定被监控者的真实运动状况。本发明完全运用图像处理技术，能够准确有效地区分行走、下蹲和跌倒的姿势状态，并可满足在较低性能的硬件平台上实现实时处理的要求。

主权项

一种基于人体姿势状态判决的跌倒检测方法，其特征在于，包括以下步骤：S1初始化系统，获取图像数据；S2对获取到的图像进行相邻帧差分，对差分后的图像进行二值化处理；S3对步骤S2得到的二值化图像提取目标区域；S4判断S3得到的目标区域中是否有物体运动，若否，返回步骤S 1，对一下帧图像进行检测；若有，则进行步骤S5;S5判断运动的物体是人体还是噪声干扰，若是噪声干扰则返回步骤S1，对一下帧图像进行检测；若是人体则进行步骤S6；S6对目标区域提取Zernike距特征和运动轮廓特征，所述运动轮廓特征包括物体的高度、物体的宽度、物体的宽高比、目标区域面积、目标区域周长、轮廓面积、轮廓周长、帧差最大行列特征变量、运动物体高度特征变量；S7将物体的宽高比、目标区域面积、目标区域周长、帧差最大行列特征变量、运动物体高度特征变量送入预先训练好的第一分类器；所述第一分类器用于区分行走与非行走姿势状态；当第一分类器判定为行走姿势状态时，返回步骤S1，对一下帧图像进行检测；当第一分类器判定为非行走姿势状态时，进行步骤S8；S8将Zernike距特征、物体的高度、物体的宽度、轮廓面积、轮廓周长送入预先训练好的第二分类器；所述第二分类器用于区分下蹲与跌倒姿势状态；当第二分类器判定为下蹲姿势状态时，返回步骤S1，对一下帧图像进行检测；当第二分类器判定为跌倒姿势状态时，标记跌倒行为，并发出警报。