一种基于人体关键点的跌倒检测方法和系统技术方案

本发明专利技术公开了一种基于人体关键点的跌倒检测方法和系统，该基于人体关键点的跌倒检测方法包括：S1，获取视频信息；S2，对视频信息的每一帧进行特征提取；S3，对提取的特征进行人体关键点检测，得到所有目标的未关联的人体关键点；同时对提取的特征进行目标检测，得到每个目标的检测框；S4，将当前目标的检测框信息与历史检测框信息进行匹配，S5，重复执行步骤S4，直至当前帧所有目标匹配完毕，则根据关键点坐标判断对象是否跌倒。本发明专利技术基于目标匹配和关键点坐标判断两个步骤，能够非常精确的检测出对象是否跌倒，且高效地部署于实际应用场景。景。景。

【技术实现步骤摘要】
一种基于人体关键点的跌倒检测方法和系统


[0001]本专利技术涉及跌倒检测
，具体涉及一种基于人体关键点的跌倒检测方法和系统。

技术介绍

[0002]跌倒事件易引发安全问题，特别是对老人、孩子、孕妇、病人等特殊人群来说；跌倒事件甚至会威胁到人身生命安全。对跌倒行为进行检测有助于及时预警，及时帮助跌倒者，保障其健康状态。目前主流的跌倒检测主要分为两类：可穿戴设备和视觉检测。可穿戴设备主要依赖于物理传感器，包括：加速度传感器、陀螺仪传感器、红外传感器等。可穿戴设备方便佩戴，但续航较差，还有可能出现忘记佩戴等情况。基于视觉的跌倒检测现阶段主要依赖于摄像头捕捉数据，然后传回服务器进行分析。此类方法虽然精度较高，但是存在带宽损耗大，传输具有延时性等缺点。此外，还有一些方法利用人头进行跌倒检测，此类方法易受到弯腰、运动等动作的影响，准确度不高。

技术实现思路

[0003]本专利技术的目的是为了克服以上现有技术存在的不足，提供了一种能精确检测是否跌倒的基于人体关键点的跌倒检测方法和系统。
[0004]本专利技术的目的通过以下的技术方案实现：
[0005]一种基于人体关键点的跌倒检测方法，包括如下步骤：
[0006]S1，获取视频信息；
[0007]S2，对视频信息的每一帧进行特征提取；
[0008]S3，对提取的特征进行人体关键点检测，得到所有目标的未关联的人体关键点；同时对提取的特征进行目标检测，得到每个目标的检测框；
[0009]S4，将当前目标的检测框信息与历史检测框信息进行匹配，
[0010]S5，重复执行步骤S4，直至当前帧所有目标匹配完毕，则根据关键点坐标判断对象是否跌倒。
[0011]优选地，步骤S4的将当前目标的检测框信息与历史检测框信息进行匹配包括：计算当前帧当前目标检测框的中心点与前一帧对应目标检测框的中心点的距离D
center
，判断所述距离D
center
是否小于第一预设阈值；若是，则关联当前帧当前目标的ID和前一帧对应目标的ID；直至当前帧的所有目标匹配完毕。
[0012]优选地，计算当前帧当前目标检测框的中心点与前一帧对应目标检测框的中心点的距离D
center
的公式为：
[0013][0014]其中，x
c
和y
c
分别为当前帧人体检测框的中心点的x，y坐标，x
c_prev
和y
c_prev
分别为前一帧人体检测框的中心点的x,y坐标。
[0015]优选地，若所述距离D
center
不小于第一预设阈值，则一一对比当前帧当前目标检测框的中心点与前一帧其它目标检测框的中心点的距离，若所述距离均不小于第一预设阈值，则对当前帧当前目标分配新的ID，表示新出现的目标。
[0016]优选地，步骤S4的根据关键点坐标判断对象是否跌倒包括：
[0017]S51，判断已完成ID关联的当前目标是否已经跌倒，若否，执行步骤S52；
[0018]S52，分别计算当前目标的第一部位关键点和前一帧对应部位关键点在水平方向和垂直方向的距离；并判断当前目标的第一部位关键点与前一帧对应部位关键点在水平方向和垂直方向的距离是否分别大于第二预设阈值、第三预设阈值；若是，执行步骤S53；
[0019]S53，分别计算当前目标的第二部位关键点和前一帧对应部位关键点在水平方向和垂直方向的距离；并判断当前目标的第二部位关键点与前一帧对应部位关键点在水平方向和垂直方向的距离是否分别大于第四预设阈值、第五预设阈值；若是，执行步骤S54；
[0020]S54，分别计算当前目标的第三部位关键点和前一帧对应部位关键点在水平方向和垂直方向的距离；并判断当前目标的第三部位关键点与前一帧对应部位关键点在水平方向和垂直方向的距离是否分别大于第六预设阈值、第七预设阈值，若是，执行步骤S55；其中，在垂直方向上，第一部位高于第二部位，第二部分高于第三部位。
[0021]S55，将当前目标的跌倒标记设置为True。
[0022]优选地，第一部位为鼻子，第二部位包括左肩、右肩、左髋部和右髋部中的至少一种；第三部位包括左膝盖和右膝盖中的至少一种。
[0023]优选地，在步骤S52时，若判断当前目标的第一部位关键点与前一帧对应部位关键点在水平方向和垂直方向的距离不分别大于第二预设阈值、第三预设阈值，将当前目标的跌倒标记设置为False。
[0024]一种基于人体关键点的跌倒检测系统包括：视频获取模块和神经计算模块；其中，所述神经计算模块包括：目标检测单元、目标匹配单元和跌倒检测判断单元；所述视频获取模块，用于获取视频信息；所述目标检测单元，用于对视频信息的每一帧进行特征提取；对提取的特征进行人体关键点检测，得到所有目标的未关联的人体关键点；同时对提取的特征进行目标检测，得到每个目标的检测框；所述目标匹配单元，用于将当前目标的检测框信息与历史检测框信息进行匹配；所述跌倒检测判断单元，用于根据关键点坐标判断对象是否跌倒。
[0025]优选地，所述目标检测单元包括依次连接的骨干网络MobileNetV2、人体关键点检测头和目标检测头；所述骨干网络MobileNetV2，用于对视频信息的每一帧进行特征提取；所述人体关键点检测头，用于对提取的特征进行人体关键点检测，得到所有目标的未关联的人体关键点；所述目标检测头，用于对提取的特征进行目标检测，得到每个目标的检测框。
[0026]优选地，人体关键点检测头是输入通道为2048，输出通道为17的1
×
1卷积层，得到形状为[17,高,宽]的置信度热度图，其中17对应着17个人体关键点；目标检测头输出的是人体的检测框，参数为[x,y,h,w]，其中x,y为检测框左下角坐标，h为高，w为宽。
[0027]本专利技术相对于现有技术具有如下优点：
[0028]本专利技术通过对提取的特征进行人体关键点和目标检测，分别得到所有目标的未关联的人体关键点和检测框，先将当前目标的检测框信息与历史检测框信息进行匹配，直至
当前帧所有目标匹配完毕，则根据得到的关键点坐标判断对象是否跌倒，这样基于目标匹配和关键点坐标判断两个步骤，能够非常精确的检测出对象是否跌倒，且高效地部署于实际应用场景。
附图说明
[0029]构成本申请的一部分的说明书附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0030]图1为本专利技术的基于人体关键点的跌倒检测系统的结构框图。
[0031]图2为本专利技术的基于人体关键点的跌倒检测方法的流程示意图。
[0032]图3为本专利技术的根据关键点坐标判断对象是否跌倒的流程示意图。
具体实施方式
[0033]下面结合附图和实施例对本专利技术作进一步说明。
[0034]图1为本专利技术的基于人体关键点的跌倒检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人体关键点的跌倒检测方法，其特征在于，包括：S1，获取视频信息；S2，对视频信息的每一帧进行特征提取；S3，对提取的特征进行人体关键点检测，得到所有目标的未关联的人体关键点；同时对提取的特征进行目标检测，得到每个目标的检测框；S4，将当前目标的检测框信息与历史检测框信息进行匹配，S5，重复执行步骤S4，直至当前帧所有目标匹配完毕，则根据关键点坐标判断对象是否跌倒。2.根据权利要求1所述的基于人体关键点的跌倒检测方法，其特征在于，步骤S4的将当前目标的检测框信息与历史检测框信息进行匹配包括：计算当前帧当前目标检测框的中心点与前一帧对应目标检测框的中心点的距离D
center
，判断所述距离D
center
是否小于第一预设阈值；若是，则关联当前帧当前目标的ID和前一帧对应目标的ID；直至当前帧的所有目标匹配完毕。3.根据权利要求2所述的基于人体关键点的跌倒检测方法，其特征在于，计算当前帧当前目标检测框的中心点与前一帧对应目标检测框的中心点的距离D
center
的公式为：其中，x
c
和y
c
分别为当前帧人体检测框的中心点的x，y坐标，x
c_prev
和y
c_prev
分别为前一帧人体检测框的中心点的x，y坐标。4.根据权利要求2所述的基于人体关键点的跌倒检测方法，其特征在于，若所述距离D
center
不小于第一预设阈值，则一一对比当前帧当前目标检测框的中心点与前一帧其它目标检测框的中心点的距离，若所述距离均不小于第一预设阈值，则对当前帧当前目标分配新的ID，表示新出现的目标。5.根据权利要求1所述的基于人体关键点的跌倒检测方法，其特征在于，步骤S4的根据关键点坐标判断对象是否跌倒包括：S51，判断已完成ID关联的当前目标是否已经跌倒，若否，执行步骤S52；S52，分别计算当前目标的第一部位关键点和前一帧对应部位关键点在水平方向和垂直方向的距离；并判断当前目标的第一部位关键点与前一帧对应部位关键点在水平方向和垂直方向的距离是否分别大于第二预设阈值、第三预设阈值；若是，执行步骤S53；S53，分别计算当前目标的第二部位关键点和前一帧对应部位关键点在水平方向和垂直方向的距离；并判断当前目标的第二部位关键点与前一帧对应部位关键点在水平方向和...

【专利技术属性】
技术研发人员：刘振锋，张春阳，梁延研，
申请(专利权)人：珠海数字动力科技股份有限公司，
类型：发明
国别省市：