申请/专利权人：深圳市震有智联科技有限公司

申请日：2023-08-08

公开（公告）日：2024-03-19

公开（公告）号：CN117037272B

主分类号：G06V40/20

分类号：G06V40/20;G06V20/40;G06V20/52;G06V10/82;G06N3/0464;G06N3/08;G08B21/04

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本发明涉及一种老人摔倒监测方法及系统。通过多尺度高斯模糊和差分图像计算实现尺度自适应的检测，不同尺度下的差分图像捕捉到不同尺度的目标特征，以获取目标老人的微妙动作和姿态变化，提高检测的灵敏度和准确性；通过对像素极值点检测和精确定位，即检测和定位显著特征点，实现对目标老人的准确定位，抑制非目标区域的干扰，以精确捕捉目标老人的形状和结构信息；通过计算主曲率响应，增强关键点的特征响应，以提高目标区域的辨别度和可靠性，通过设定响应阈值，对关键点进行筛选，保留响应值高于阈值的关键点，以减少将非目标区域误判为关键点的可能性，将目标老人的身体形状和结构描述的更准确，从而对摔倒的识别也更加准确可靠。

主权项：1.一种老人摔倒监测方法，其特征在于，在目标老人的常活动区域布设摄像头，步骤包括：通过摄像头实时采集所述目标老人在常活动区域内的视频流，设为实时视频流，并将所述实时视频流分割成若干帧以获取每一帧图像；在第一帧图像中锁定目标老人并获取目标老人的位置和特征信息，包括以下步骤：对第一帧图像进行预处理，加载训练好的FasterR-CNN模型，将预处理后的第一帧图像输入FasterR-CNN模型并输出第一帧图像的行人检测结果，第一帧图像的行人检测结果包括第一帧图像中每个行人的边界框、类别置信度和类别标签，行人的位置表示为行人的边界框；通过训练好的级联分类器对第一帧图像的每个行人的边界框进行人脸检测以得到第一帧图像的每个行人的人脸边界框；根据所述目标老人的年龄和性别对所有行人的人脸进行初步筛选，再根据所述目标老人的一个或多个特定特征依次对初步筛选后的行人的人脸进行一次或多次筛选直至筛选出一张符合条件的人脸，并将符合条件的人脸标记为目标老人的人脸，将与符合条件的人脸对应的行人锁定为目标老人，所述特定特征包括独特的脸部特征、疤痕或面部表情；将所述目标老人的人脸图像转换为灰度图像，并计算其灰度图像的梯度信息，将图像均匀划分为若干个小区域并计算每个小区域内的梯度直方图，将所有小区域内的梯度直方图连接起来以形成一个特征向量，定为第一帧图像中目标老人的人脸特征；以第一帧图像中目标老人的位置和特征信息作为初始位置和初始特征信息，在后续的每一帧图像中，获取当前帧图像的当前位置信息并更新所述目标老人的轨迹状态；根据所述目标老人的当前位置提取所述目标老人在当前帧的图像区域，定为目标区域，对所述目标区域进行高斯模糊以生成一组不同尺度的高斯图像，其中高斯图像中每个像素点的值为：G（x，y，）=*，其中，为尺度参数，（x，y）为像素点，并按尺度大小顺序对高斯图像进行金字塔层排列；对每相邻尺度的两层所述高斯图像之间的差分进行计算以得到一组差分图像，包括以下步骤：差分图像中每个像素点的值为：DoG（x，y，）=（G（x，y，k）-G（x，y，））*I（x，y），其中，DoG（x，y，）为在坐标（x，y）处、尺度参数为的差分值，G（x，y，）为高斯图像值，I（x，y）为坐标（x，y）处的像素值，k为尺度因子；对每层所述差分图像中的每个像素点与其邻域像素点进行像素值比较以找到像素极值点，对所述像素极值点进行插值计算以对所述像素极值点进行精确定位并得到所述像素极值点的精确位置，包括以下步骤：像素极值点的插值偏移量为：dx=，dy=，其中，（x，y）为像素极值点的坐标，为当前层的尺度参数，k为尺度因子，dx为x方向上的插值偏移量，dy为y方向上的插值偏移量，为在坐标（x，y）处、尺度参数为的高斯差分值；将精确定位后的所有所述像素极值点加入候选关键点列表，对每个像素极值点的主曲率响应进行计算以得到每个像素极值点的主曲率响应值，计算公式为：L（x，y，）=（Dxx*Dyy-Dxy2）*2，其中，L（x，y，）为像素极值点的主曲率响应值，Dxx、Dyy、Dxy分别表示为图像在x和y方向上的二阶偏导数，为当前层的尺度参数，并判断所述像素极值点的主曲率响应值是否小于响应阈值，若小于响应阈值，则将对应的像素极值点从所述候选关键点列表中移除，并将所述候选关键点列表中的所有像素极值点定为关键点；根据关键点的位置、形状及标记好的身体解剖学图像对筛选到的关键点的身体部位属性进行标记；根据标记好的关键点的位置信息及时间间隔对目标老人身体各关键点的运动速度、加速度和运动方向进行计算；将一个关键点设置为基准点，并计算每个所述关键点与所述基准点之间的坐标差值以得到目标老人身体各关键点之间的相对位置；对每个标记为关节的关键点与其相邻的两个标记为关节的关键点之间的向量进行计算，并根据两个向量的内积及模计算夹角以得到目标老人各关节构成的夹角；将目标老人身体各关键点的运动速度、加速度、运动方向、相对位置及各相邻关节关键点之间的夹角输入训练好的摔倒识别模型以得到目标老人发生摔倒或非摔倒的识别结果。

全文数据：

权利要求：

百度查询： 深圳市震有智联科技有限公司 一种老人摔倒监测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD