【技术实现步骤摘要】
本专利技术涉及人工智能，尤其涉及一种基于神经网络的跌倒检测方法、装置、设备及存储介质。
技术介绍
1、在居家环境、疗养院等一些适老场所，老人跌倒时有发生，在跌倒后后果比较严重。据调查研究：因受伤到医疗机构就诊的老年人中，一半以上是因为跌倒，老年人发生创伤性骨折的主要原因是跌倒。因此，跌倒严重威胁老年人健康，而跌倒后的及时发现、救治是保障老人健康的关键措施。
2、在相关技术中，目前跌倒检测的主要技术手段包括rgb摄像头、rgbd摄像头、热红外成像、uwb、wi-fi、3d点云(包括毫米波雷达、激光雷达、结构光、tof相机)、可穿戴方案，其中：
3、基于rgb摄像机的检测方案，不能很好地兼顾到用户的隐私保护；
4、基于rgbd的检测方案，不能充分利用用户和环境的形状位置特征，不能很好地兼顾到用户的隐私保护；
5、基于热红外成像的跌倒检测方案存在易受热源噪声影响不适用于浴室，厨房等环境的问题；
6、基于uwb的跌倒检测方案存在脉冲uwb系统频谱利用率较低、传输数据率低的问题；
7、基于wifi的跌倒检测方案存在识别精度差，误报率漏报率较高的问题；
8、可穿戴跌倒检测设备存在成本昂贵，需用户穿戴指定设备，用户行动不方便等问题，同时可穿戴跌倒检测设备还易受功耗、通信传输的限制。
9、因此，现有技术中存在在居家环境下跌倒检测识别精度低，运算复杂的问题。
技术实现思路
1、本专利技术提供一种基于神经网
2、第一方面，本专利技术提供一种基于神经网络的跌倒检测方法，包括：
3、获取待检测空间的全空间点云；
4、将所述全空间点云输入人体点云识别模型中进行识别处理，得到所述人体点云识别模型输出的人体点云；其中，所述人体点云识别模型是将多个环境点云样本和人体点云样本输入预设的神经网络模型训练得到的；
5、对所述人体点云进行提取处理，提取出与所述人体点云对应的人体特征信息；
6、根据所述人体特征信息判断所述待检测空间是否存在跌倒行为；
7、在确定出所述待检测空间存在所述跌倒行为的情况下，向用户终端发送与所述跌倒行为对应的跌倒信息。
8、优选地，根据本专利技术提供的基于神经网络的跌倒检测方法，所述获取待检测空间的全空间点云，包括：
9、通过预置的点云终端采集所述待检测空间的多个三维点云；
10、利用预设的拼接算法，对多个所述三维点云进行拼接处理，得到所述待检测空间的完备点云；
11、对所述完备点云进行降采样处理，得到所述待检测空间的所述全空间点云。
12、优选地，根据本专利技术提供的基于神经网络的跌倒检测方法，所述人体点云识别模型包括人体点云识别层；
13、其中，所述人体点云识别层用于对输入的所述全空间点云进行人体点云识别处理，识别出所述人体点云。
14、优选地，根据本专利技术提供的基于神经网络的跌倒检测方法，所述人体特征信息至少包括：人体重心坐标信息；
15、所述根据所述人体特征信息判断所述待检测空间是否存在跌倒行为，包括：
16、将所述人体重心坐标信息和预设重心坐标阈值进行第一比较处理；
17、若所述人体重心坐标信息小于所述预设重心坐标阈值，则确定出所述待检测空间存在所述跌倒行为的第一情况；以及
18、所述人体特征信息至少包括：全局特征向量直方图信息；
19、所述根据所述人体特征信息判断所述待检测空间是否存在跌倒行为，包括：
20、利用预设的支持向量机对所述全局特征向量直方图信息进行跌倒检测处理；
21、若检测到跌倒状态信息，则确定出所述待检测空间存在所述跌倒行为的第二情况；以及
22、所述人体特征信息至少包括：人体点云包络盒信息；
23、所述根据所述人体特征信息判断所述待检测空间是否存在跌倒行为，包括：
24、提取所述人体点云包络盒信息的长边方向的方向向量，得到第二向量；
25、获取预设的第一向量和所述第二向量之间的夹角度量信息；
26、将所述夹角度量信息和预设度量信息阈值进行比较处理；
27、若所述夹角度量信息大于所述预设度量信息阈值，则确定出所述待检测空间存在所述跌倒行为的第三情况。
28、优选地，根据本专利技术提供的基于神经网络的跌倒检测方法，所述全空间点云至少包括：地面点云；
29、在所述获取预设的第一向量和所述第二向量之间的夹角度量信息的步骤之前，所述方法包括：
30、在根据预设的距离滤波器确定所述地面点云提取范围的情况下，根据预设的平面提取算法提取出在所述提取范围内的初始平面信息；
31、对所述初始平面信息进行平面拟合处理，得到目标平面信息；
32、提取所述目标平面信息的法向量，得到所述第一向量。
33、优选地，根据本专利技术提供的基于神经网络的跌倒检测方法，所述在确定出所述待检测空间存在所述跌倒行为的情况下，向用户终端发送与所述跌倒行为对应的跌倒信息，包括：
34、在确定出所述待检测空间存在所述第一情况或所述第二情况或所述第三情况下，向预设的语音交互终端发送问询指令，使得所述语音交互终端根据所述问询指令向跌倒用户进行问询；
35、在预设时期内，若接收到所述语音交互终端反馈的确认跌倒指令或未接收到所述语音交互终端反馈任一指令，则向所述用户终端发送与所述跌倒行为对应的所述跌倒信息。
36、第二方面，本专利技术还提供一种一种基于神经网络的跌倒检测装置，所述装置包括：
37、获取模块，用于获取待检测空间的全空间点云；
38、识别模块，用于将所述全空间点云输入人体点云识别模型中进行识别处理，得到所述人体点云识别模型输出的人体点云；其中，所述人体点云识别模型是将多个环境点云样本和人体点云样本输入预设的神经网络模型训练得到的；
39、提取模块，用于对所述人体点云进行提取处理，提取出与所述人体点云对应的人体特征信息；
40、判断模块，用于根据所述人体特征信息判断所述待检测空间是否存在跌倒行为；
41、预警模块，用于在确定出所述待检测空间存在所述跌倒行为的情况下，向用户终端发送与所述跌倒行为对应的跌倒信息。
42、第三方面，本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于神经网络的跌倒检测方法的步骤。
43、第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于本文档来自技高网...
【技术保护点】
1.一种基于神经网络的跌倒检测方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络的跌倒检测方法，其特征在于，所述获取待检测空间的全空间点云，包括：
3.根据权利要求1所述的基于神经网络的跌倒检测方法，其特征在于，
4.根据权利要求1所述的基于神经网络的跌倒检测方法，其特征在于，
5.根据权利要求4所述的基于神经网络的跌倒检测方法，其特征在于，
6.根据权利要求5所述的基于神经网络的跌倒检测方法，其特征在于，所述在确定出所述待检测空间存在所述跌倒行为的情况下，向用户终端发送与所述跌倒行为对应的跌倒信息，包括：
7.一种基于神经网络的跌倒检测装置，其特征在于，所述装置包括：
8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述基于神经网络的跌倒检测方法的步骤。
9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至
10.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于神经网络的跌倒检测方法的步骤。
...【技术特征摘要】
1.一种基于神经网络的跌倒检测方法，其特征在于，包括：
2.根据权利要求1所述的基于神经网络的跌倒检测方法，其特征在于，所述获取待检测空间的全空间点云，包括：
3.根据权利要求1所述的基于神经网络的跌倒检测方法，其特征在于，
4.根据权利要求1所述的基于神经网络的跌倒检测方法，其特征在于，
5.根据权利要求4所述的基于神经网络的跌倒检测方法，其特征在于，
6.根据权利要求5所述的基于神经网络的跌倒检测方法，其特征在于，所述在确定出所述待检测空间存在所述跌倒行为的情况下，向用户终端发送与所述跌倒行为对应的跌倒信息，包括：
7...
【专利技术属性】
技术研发人员：葛鲁振，陶瑞涛，劳春峰，王东岳，赵辉，陈志富，赵庆海，
申请(专利权)人：青岛海尔智能技术研发有限公司，
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。