本发明专利技术公开了一种人体跌倒的检测方法、装置、设备及计算机可读存储介质，涉及信息处理技术领域，以解决对人体跌倒的监测误判率较高的问题。该方法包括：获取被监控人体的点云数据，对所述点云数据聚类分析，得到所述被监控人体的人体躯干的点云群组；基于所述人体躯干的点云群组，计算所述人体躯干在目标时间段内的姿态信息，所述姿态信息至少包括所述人体躯干的至少一个倾斜角；根据所述姿态信息，检测所述被监控人体是否跌倒。本发明专利技术实施例可提高对人体跌倒现象监测的准确性。对人体跌倒现象监测的准确性。对人体跌倒现象监测的准确性。
【技术实现步骤摘要】
人体跌倒的检测方法、装置、设备及计算机可读存储介质
[0001]本专利技术涉及信息处理
，尤其涉及一种人体跌倒的检测方法、装置、设备及计算机可读存储介质。
技术介绍
[0002]目前对于人体跌倒的检测方案，有如下几种：通过设置报警装置，利用视频监控，利用可穿戴设备进行检测等。但是，这些方式或不适用在突发情况下，或涉及隐私问题，或因皮肤敏感等问题无法佩戴可穿戴设备等，在实际应用中存在障碍，从而导致了对人体跌倒的监测误判率较高。
技术实现思路
[0003]本专利技术实施例提供一种人体跌倒的检测方法、装置、设备及计算机可读存储介质，以解决对人体跌倒的监测误判率较高的问题。
[0004]第一方面，本专利技术实施例提供了一种人体跌倒的检测方法，包括：
[0005]获取被监控人体的点云数据，对所述点云数据聚类分析，得到所述被监控人体的人体躯干的点云群组；
[0006]基于所述人体躯干的点云群组，计算所述人体躯干在目标时间段内的姿态信息，所述姿态信息至少包括所述人体躯干的至少一个倾斜角；
[0007]根据所述姿态信息，检测所述被监控人体是否跌倒。
[0008]其中，所述基于所述人体躯干的点云群组，计算所述人体躯干在目标时间段内的姿态信息，包括：
[0009]基于主成分分析法，获得所述人体躯干的点云群组的物理特征参数；
[0010]根据所述物理特征参数确定所述人体躯干的延伸方向；
[0011]将所述延伸方向和天顶方向之间的夹角，作为人体躯干的倾斜角。
[0012]其中，所述根据所述物理特征参数确定所述人体躯干的延伸方向，包括：
[0013]根据所述物理特征参数计算所述人体躯干群组的质心；
[0014]根据所述质心，计算协方差矩阵；
[0015]计算所述协方差矩阵的特征值和特征向量；
[0016]将最大的特征值对应的特征向量所表示的方向，作为所述人体躯干的延伸方向。
[0017]其中，所述将所述延伸方向和天顶方向之间的夹角，作为人体躯干的倾斜角，包括：
[0018]利用以下公式计算所述延伸方向和天顶方向之间的夹角：
[0019][0020]其中，ω表示所述夹角，dot代表点乘运算，ε
x
表示最大的特征值对应的特征向量，ν表示天顶方向，|ε
x
||ν|分别表示ε
x
和ν的模。
[0021]其中，所述姿态信息还包括所述人体躯干的至少一个角速度；
[0022]所述计算所述人体躯干在目标时间段内的姿态信息，还包括：
[0023]获取所述目标时间段内第一时刻的倾斜角和第二时刻的倾斜角之差；
[0024]利用获得的差与所述第一时刻和所述第二时刻之间的时间长度之商，作为所述人体躯干在所述第一时刻的角速度。
[0025]其中，所述根据所述姿态信息，检测所述被监控人体是否跌倒，包括：
[0026]所述至少一个倾斜角中的最小值大于第一预设值时，检测出所述被监控人体跌倒；或者
[0027]所述至少一个角速度中的最大值大于第二预设值时，检测出所述被监控人体跌倒跌倒。
[0028]其中，所述获取被监控人体的点云数据，对所述点云数据聚类分析得到所述被监控人体的人体躯干的点云群组，包括：
[0029]利用毫米波雷达设备获取所述被监控人体的点云数据，从所述点云数据中获取具有最多的反射点的候选群组；
[0030]将所述候选群组中具有最大反射强度的群组，作为所述人体躯干的点云群组。
[0031]第二方面，本专利技术实施例提供了一种人体跌倒的检测装置，包括：
[0032]第一获取模块，用于获取被监控人体的点云数据，对所述点云数据进行聚类分析，得到所述被监控人体的人体躯干的点云群组；
[0033]计算模块，用于基于所述人体躯干的点云群组，计算所述人体躯干在目标时间段内的姿态信息，所述姿态信息至少包括所述人体躯干的至少一个倾斜角；
[0034]检测模块，用于根据所述姿态信息，检测所述被监控人体是否跌倒。
[0035]其中，所述计算模块包括：
[0036]第一获取子模块，用于基于主成分分析法，获得所述人体躯干的点云群组的物理特征参数；
[0037]第一确定子模块，用于根据所述物理特征参数确定所述人体躯干的延伸方向；
[0038]第二确定子模块，用于将所述延伸方向和天顶方向之间的夹角，作为人体躯干的倾斜角。
[0039]其中，所述第一确定子模块包括：
[0040]第一计算单元，用于计算所述人体躯干群组的质心；
[0041]第二计算单元，用于根据所述质心，计算协方差矩阵；
[0042]第三计算单元，用于计算所述协方差矩阵的特征值和特征向量；
[0043]第一确定单元，用于将最大的特征值对应的特征向量所表示的方向，作为所述人体躯干的延伸方向；
[0044]第二确定单元，用于将所述延伸方向和天顶方向之间的夹角，作为人体躯干的倾斜角。
[0045]其中，所述第二确定单元具体用于，利用以下公式计算所述延伸方向和天顶方向之间的夹角：
[0046][0047]其中，ω表示所述夹角，dot代表点乘运算，ε
x
表示最大的特征值对应的特征向量，ν表示天顶方向，|ε
x
||ν|分别表示ε
x
和ν的模。
[0048]其中，所述姿态信息还包括所述人体躯干的至少一个角速度；所述装置还包括：第二获取模块，用于获取所述目标时间段内第一时刻的倾斜角和第二时刻的倾斜角之差；第三获取模块，用于利用获得的差与所述第一时刻和所述第二时刻之间的时间长度之商，作为所述人体躯干在所述第一时刻的角速度。
[0049]其中，所述检测模块具体用于，当所述至少一个倾斜角中的最小值大于第一预设值时，检测出所述被监控人体跌倒；或者当所述至少一个角速度中的最大值大于第二预设值时，检测出所述被监控人体跌倒跌倒。
[0050]其中，所述第一获取模块包括：
[0051]第一获取子模块，用于利用毫米波雷达设备获取所述被监控人体的点云数据，从所述点云数据中获取具有最多的反射点的候选群组；
[0052]第二获取子模块，用于将所述候选群组中具有最大反射强度的群组，作为所述人体躯干的点云群组。
[0053]第三方面，本专利技术实施例还提供了一种人体跌倒的检测装置，包括：采集器、处理器和检测器；
[0054]所述采集器，用于获取被监控人体的点云数据，对所述点云数据进行聚类分析，得到所述被监控人体的人体躯干的点云群组；
[0055]所述处理器，用于基于所述人体躯干的点云群组，计算所述人体躯干在目标时间段内的姿态信息，所述姿态信息至少包括所述人体躯干的至少一个倾斜角；
[0056]所述检测器，用于根据所述姿态信息，检测所述被监控人体是否跌倒。
[0057]其中，所述处理器还用于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种人体跌倒的检测方法，其特征在于，包括：获取被监控人体的点云数据，对所述点云数据聚类分析，得到所述被监控人体的人体躯干的点云群组；基于所述人体躯干的点云群组，计算所述人体躯干在目标时间段内的姿态信息，所述姿态信息至少包括所述人体躯干的至少一个倾斜角；根据所述姿态信息，检测所述被监控人体是否跌倒。2.根据权利要求1所述的方法，其特征在于，所述基于所述人体躯干的点云群组，计算所述人体躯干在目标时间段内的姿态信息，包括：基于主成分分析法，获得所述人体躯干的点云群组的物理特征参数；根据所述物理特征参数确定所述人体躯干的延伸方向；将所述延伸方向和天顶方向之间的夹角，作为人体躯干的倾斜角。3.根据权利要求2所述的方法，其特征在于，所述根据所述物理特征参数确定所述人体躯干的延伸方向，包括：根据所述物理特征参数计算所述人体躯干群组的质心；根据所述质心，计算协方差矩阵；计算所述协方差矩阵的特征值和特征向量；将最大的特征值对应的特征向量所表示的方向，作为所述人体躯干的延伸方向。4.根据权利要求2或3所述的方法，其特征在于，所述将所述延伸方向和天顶方向之间的夹角，作为人体躯干的倾斜角，包括：利用以下公式计算所述延伸方向和天顶方向之间的夹角：其中，ω表示所述夹角，dot代表点乘运算，ε
x
表示最大的特征值对应的特征向量，ν表示天顶方向，|ε
x
||ν|分别表示ε
x
和ν的模。5.根据权利要求2所述的方法，其特征在于，所述姿态信息还包括所述人体躯干的至少一个角速度；所述计算所述人体躯干在目标时间段内的姿态信息，还包括：获取所述目标时间段内第一时刻的倾斜角和第二时刻的倾斜角之差；利用获得的差与所述第一时刻和所述第二时刻之间的时间长度之商，作为所述人体躯干在所述第一时刻的角速度。6.根据权利要求5所述的方法，其特征在于，所述根据...
【专利技术属性】
技术研发人员：王凯，
申请(专利权)人：中国移动通信集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。