【技术实现步骤摘要】
本专利技术属于人体姿态检测领域，涉及一种基于yolov8改进的居家人体摔倒检测方法。
技术介绍
1、摔倒检测研究的主要内容是从各种日常行为中高效识别出摔倒动作，如果发生摔倒能否及时识别出来，以及发生摔倒之后采取的救援措施是否及时对摔倒人群来说至关重要，也是衡量一个摔倒检测系统好坏的标准。近年来有不少研究者着手研究摔倒行为检测，目前的摔倒检测可以分为三个大类：第一类是基于可穿戴式的检测方法，第二类是基于环境的检测方法，第三类是基于计算机视觉的检测方法。基于可穿戴传感器的摔倒检测方法，通过带有加速度计、陀螺仪等传感器的设备佩戴在腰间或者手腕脚踝等身体部分，利用该类传感器采集人体运动信息，根据采集到的运动信息对人体状态活动行为分析，以此来判断人体是否发生摔倒行为。第二类基于环境设备的摔倒检测方法，该类方法事先在人体活动范围内安装好环境传感器，常见的环境传感器有压力传感器、红外传感器、声音传感器，利用该类传感器获取人体状态和行为相关信息，并对获取的信息进行分析，以此来判断人体是否摔倒。第三类基于计算机视觉的摔倒检测方法，该类方法主要通过摄像头采集人体的视频数据，利用图像帧处理方法对视频数据进行处理，以此来判断人体是否摔倒。
2、1.2.1基于可穿戴式的人体摔倒检测研究
3、基于可穿戴嵌入式传感器的摔倒检测方法主要是通过将三轴加速度传感器、红外线传感器或陀螺仪传感器等传感器嵌入腰带、手环、衣物中采集数据，将采集好的数据进行处理，从而判断是否发生摔倒行为。根据对数据处理的方法不同可将摔倒检测方式分为阈值法和机器学习法
4、基于可穿戴嵌入式传感器的摔倒检测方法优点是可以随时随身携带，无论是室内还是室外，其不受外界环境的变化影响，但是也存在一定缺点，有一些老年人记忆力比较差，容易忘记佩戴，而且有些装置长时间佩戴可能会让老人感觉身体不适，甚至会产生排斥心理，由于摔倒在日常生活中属于低频事件，如果长时间没有摔倒发生，老人可能就不愿意佩戴设备。而且针对于室内，老人可能会觉得这是安全环境，出于舒适度考虑，不愿意佩戴设备的可能性大大提高，这种情况下，独居老人摔倒后无人发现的危险性也显著提高。
5、1.2.2基于环境的人体摔倒检测研究
6、基于环境感应器的跌倒监测技术是通过事先把声音感应器、气压传感器或加速度传感器等的外部环境感应器植入在地面、顶棚、墙面等的部位上，经过对这些信息的收集和整理，继而加以数据分析来确定是否有跌倒情况出现。
7、基于环境感应器的摔倒检测方法不需要老人对感应器进行佩带，也不需要与人体直接接触，在具有较好的舒适性的同时也基于的老人足够的个人空间。但也存在一定缺点，如果要设置环境传感器装置，就要在固定场所进行设置，且一套较好的基于环境感应器的跌倒检测设施的价格不便宜，很难普及到一般家庭种使用。而且其受环境影响较大，一旦受到干扰，很大成度上会误报，且准确率较低。
8、1.2.3基于计算机视觉的人体摔倒检测研究
9、基于计算机视觉感应器的跌倒检测方法由于人工智能和机器学习的出现相比于前面二类检测方法在进行摔倒检测方面具有许多优点，作为现在最主要的一种检测方法，该检测方式主要是通过使用视觉感应器收集在特殊环境下的图像数据，并利用图像的大数据分析和特征的获取方法对图像数据进行分析，进而判别是有跌倒行为发生。不影响人体自身的活动，也不易受环境干扰，而且可同时检测多个摔倒时间。因此基于计算机视觉的摔倒检测方法研究更为广泛。
10、(1)传统的摔倒检测方法在没有人工智能之前，传统的基于跌倒检测方法主要是人工的方式提取人体轮廓特征信息，将特征的几何变化进行分析从而判断是否跌倒。
11、张等人提出使用基于双摄像头的摔倒检测方法研究，主要解决vibe算法在检测运动目标容易出现鬼影问题，使用帧间差分法有效的消除了鬼影问题，利用人体运动过程中的高度、外接矩形宽高比、hu不变矩特性，设置相应阈值判断人体是否处于摔倒状态。
12、梁等人设计了一种自动摔倒检测系统，先使用背景减除法分割运动目标，再利用混合高斯模型更好的分割出目标，接着用人体外接矩形的宽高比、人体有效的面积比、人体质心到底边的距离、人体中心的变化率、高度变化这五个人体特征进行融合，来判断否有摔倒事件发生。
13、张泓提出了一种基于目标外框的跌倒检测算法，采用背景差分法来寻找视频中的人体外部轮廓，然后将提取到的人体外部轮廓面积送入支持向量机svm来区分摔倒事件和未摔倒事件。
14、ma提出了一种基于极限学习分类和形状结合的方法来区分是否摔倒。通过从视频帧中提取出人体外轮廓的曲度变化率的尺度特征，然后用极限学习来对特征进行判断，并才有变长粒子群算法来优化极限学习的参数。
15、harrou提出了一种多元指数平均加权检测算法，该算法通过多元指数平均加权来计算人体行为特征，并通过支持向量机来强化区分是否发生跌倒行为。
16、cw等人利用对称性原理摔倒重组的方法，先使用姿态识别算法提取人体骨架，并设置三个参数，分别是髋关节的下降速度、人体中心线与地面之间的夹角、人体外部矩形的宽高比，利用这几个参数判断人体各种状态，并且在自建数据集上取得了很好的效果。
17、zerrouki等人提出了一种基于视频中人体轮廓变化检测人体摔倒动作，通过曲线变换和面积比识别人体姿态图像，利用支持向量机识别姿态，隐马尔可夫链将视频中的摔倒与非摔倒事件区别开来。
18、传统的基于计算机视觉的摔倒检测算法都必须基于手工选取特征，相比之下，基于深度学习的摔倒检测算法有强大的数据分析能力，能够自动挖掘帧与帧之间的人体运动特征关系，具有很强的鲁棒性和泛化能力。
19、(2)基于深度学习的检测方法在出现机器学习之后，人们通过深度学习卷积网络进行训练更快的判断是否发生跌倒行为。
20、于等人提出一种实时的摔倒检测方法，先是使用深度学习的方法检测到人体的关节点特征，然后计算关节点模拟人体质心的下降速度、颈部关节点的纵坐标变化以及腰部关节点的相对位置，设定阈值进行判断分析人体状态。
21、邓等人提出了一种基于卷积神经网络与人体椭圆轮廓特征判别摔倒的方法，使用混合高斯算法检测出目标人体与最小外接椭圆轮廓，利用最小外接椭圆的长短轴之比、方向角、质心纵向速度这些特征拟合成一个表示时间序列的多运动学特征，把这些特征放入到cnn网络中进行训练，来判断人体的各种运动特征
22、lu提出了一种基于3dcnn与lstm结合的跌倒检测模型，采用3d卷积网络提取时空特征，然后通过lstm对这些时序特征进行判别。
23、yhdego等人使用yolov3作为目标检测网络结合lstm模型对摔倒事件进行识别。
24、khaled等人使用迁移学习和预训练来训练基于区域特征的卷积网络，形成一个高效的深层特征检测网络，提高了摔倒检测的准确率。
25、chen等人使用rgb相机来提取人体运动特征，然后采用二位骨架模型来检测人体骨骼节点本文档来自技高网...
【技术保护点】
1.一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：所述方法基于YOLOv8网络模型，结合通道注意力机制建立改进的CA-YOLOv8网络，以进行人体摔倒检测，其包括以下步骤：
2.根据权利要求1所述的一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：在步骤S1中，从人们居家活动的视频中提取，采用抽帧的方式获取各式各样的数据集，使用标注工具如LabelImg对每张图像进行标注，标注信息包括正常活动和摔倒行为；将标注后的图像按照预设比例随机分成训练集和验证集。
3.根据权利要求1所述的一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：在步骤S2中，在主干网络中，将采集的图像作为输入，然后首先通过一个基础层ConvModule进行初步特征提取，得到特征图P0；
4.根据权利要求3所述的一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：在SE-C2F模块中，首先通过ConvModule进行下降采样或者特征图的初步处理，再经过多个CSP分支进行处理，其中，一个分支残差分支直接连接另一个分支的输出进行拼接，另一个分
5.根据权利要求4所述的一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：在SE-C2F模块中，通过引入SENet通道注意力机制，对输入的特征图F进行处理，在每个空间位置上应用MaxPooling和AvgPooling，得到两个C×1×1的向量；
6.根据权利要求3所述的一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：在步骤S3中，在neck网络中，接收主干网络中的多个SE-C2F模块的输出特征图，通过Concat模块进行拼接；
7.根据权利要求6所述的一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：在步骤S4中，头部网络采用“解耦头”，负责预测目标的类别和边界框。
8.根据权利要求7所述的一种基于YOLOv8改进的居家人体摔倒检测方法，其特征在于：在步骤S5中，将姿态损失引入到CA-YOLOv8网络中，进行网络训练或是加权损失函数，为摔倒类别的边界框分配更高的权重，提高模型对摔倒目标的关注度，其中，引入姿态损失增强对姿态变化的识别能力，其采用交叉熵损失函数，表示为：
...【技术特征摘要】
1.一种基于yolov8改进的居家人体摔倒检测方法，其特征在于：所述方法基于yolov8网络模型，结合通道注意力机制建立改进的ca-yolov8网络，以进行人体摔倒检测，其包括以下步骤：
2.根据权利要求1所述的一种基于yolov8改进的居家人体摔倒检测方法，其特征在于：在步骤s1中，从人们居家活动的视频中提取，采用抽帧的方式获取各式各样的数据集，使用标注工具如labelimg对每张图像进行标注，标注信息包括正常活动和摔倒行为；将标注后的图像按照预设比例随机分成训练集和验证集。
3.根据权利要求1所述的一种基于yolov8改进的居家人体摔倒检测方法，其特征在于：在步骤s2中，在主干网络中，将采集的图像作为输入，然后首先通过一个基础层convmodule进行初步特征提取，得到特征图p0；
4.根据权利要求3所述的一种基于yolov8改进的居家人体摔倒检测方法，其特征在于：在se-c2f模块中，首先通过convmodule进行下降采样或者特征图的初步处理，再经过多个csp分支进行处理，其中，一个分支残差分支直接连接另一个分支的输出进行拼接，另一个分支经过多次卷积处理，将两个分支的特征图在通道维度上...
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。