[发明专利]一种基于三维摄像头的人体跌倒检测方法

摘要

本发明公开了一种基于三维摄像头的人体跌倒检测的方法，该方法包括训练数据采集，对不同身高，不同年龄的多个实验对象采集多组跌倒与非跌倒动作片段进行采集；数据预处理；动作特征提取，提取每种动作的骨骼节点分布特征，高度特征以及惯性特征，构成行为特征向量；分类器训练获取运动模型，将训练集的行为特征向量输入隐马尔可夫模型分类器，获得参数最优模型；最后对每个测试样例连续帧内的数据进行上述的特征提取，投入之前模型进行测试，判别。本发明用机器学习方法实现了人体跌倒行为检测，具有较高的识别率。该方法属于计算机视觉以及机器学习领域，能够有效地识别出室内跌倒行为发生情况，及时发出报警，节省了看护工作人员劳动力。

主权项

一种基于三维摄像头的人体跌倒检测方法，其特征在于，所述方法包括如下步骤：步骤1：人体跌倒与日常生活动作的采集；建立跌倒检测的数据集，将人体常见的跌倒动作，前向、后向以及侧向跌倒动作，日常生活的非跌倒动作，捡东西、坐下、躺下以及行走动作统一采集，通过三维摄像头捕获动作发生连续帧内骨骼节点信息，并以三维空间节点坐标形式存储下来；步骤2：建立跌倒检测训练集；采集大量人体跌倒与类跌倒动作数据，为数据分类加标签；步骤3：提取动作特征；对训练集中的跌倒动作与类跌倒动作过程中的骨骼节点坐标信息提取人体骨骼聚类特征，计算连续帧内臀部节点距离地面高度变化以及头部节点的加速度信息，将以上几种特征提取出来作为每帧内的一组特征向量；步骤4：将上一步对训练数据集提取的特征输入隐马尔可夫模型进行训练；由最大期望算法经过多次迭代计算，建立最优隐马尔可夫模型；步骤5：用三维摄像头采集的人体跌倒动作与非跌倒动作样例重复步骤2、步骤3操作，将处理过后的数据投入步骤4获得的隐马尔可夫模型进行测试，得到预测标签，若与实际标签一致，则判断正确，反之判断错误。