[发明专利]一种视频监控系统中人体摔倒监测的方法

摘要

一种用于视频监控系统中人体摔倒检测的方法，该方法利用Vibe算法提取出前景信息，针对前景信息提取其Hu距特征以及中心变化率、人体高宽比、有效面积比总共10维特征数据，利用Adaboost算法对样本中提取到的特征数据进行训练，得到一个强分类器，并使用强分类器对视频监控系统中的实时图像进行处理，检测是否有摔倒情况。经过试验证明，该方法相对现有其他摔倒检测方法，在提高运算速度和降低内存占用的情况下，检测准确度可达到93%，改善了现有智能监控系统中识别准确度低和实时性差的现状。

主权项

一种视频监控系统中人体摔倒监测的方法，其特征在于，具体实施方式如下：1)输入视频图像的转换：将标准彩色摄像头所采集的图像转化为灰度图像；2)图像中动目标与背景的分离：采用Vibe算法，将视频片段中前景图像与背景图像分离，提取出只有前景信息的二值图像；3)去除图像信息中的噪声：通过形态学处理，结合中值滤波，去除二值图像中的噪声信息；4)提取人体姿态特征数据：针对去除噪声信息后的前景图像，提取特征数据Hu1～Hu7，Ratio，E，K；5)生成样本特征矩阵：以视频文件的每两帧作为一个样本，以n个摔倒行为作为正样本、以m个正常行为作为负样本，对提取到的特征数据进行分类，分别生成一个n*10维的正样本特征矩阵和一个m*10维的负样本特征矩阵；6)形成最终分类器：利用AdaBoost分类器对训练样本的特征数据进行训练，通过AdaBoost对提取出的正、负样本特征矩阵中的样本进行训练，得到错误率最小的强分类器作为最终分类器；7)处理实时视频图像：将监控系统中的实时视频图像，按照所述步骤1)～4)方法提取特征数据，以实时视频的当前帧以及前一帧的图像信息，生成实时视频的1*10维特征行向量；8)识别实时视频图像：对所述步骤7)提取出的1*10维特征行向量，利用所述步骤6)得到的最终分类器对特征值进行分类识别，检测是否有摔倒行为发生。