CN113660455B - 一种基于dvs数据的跌倒检测方法、***、终端 - Google Patents
一种基于dvs数据的跌倒检测方法、***、终端 Download PDFInfo
- Publication number
- CN113660455B CN113660455B CN202110775524.8A CN202110775524A CN113660455B CN 113660455 B CN113660455 B CN 113660455B CN 202110775524 A CN202110775524 A CN 202110775524A CN 113660455 B CN113660455 B CN 113660455B
- Authority
- CN
- China
- Prior art keywords
- dynamic visual
- event
- visual image
- determining
- time sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
- G08B21/0407—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis
- G08B21/043—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons based on behaviour analysis detecting an emergency event, e.g. a fall
Landscapes
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Gerontology & Geriatric Medicine (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于DVS数据的跌倒检测方法、***、终端,所述方法包括:获取动态视觉图像;根据所述动态视觉图像,确定人体骨架时序序列;根据所述人体骨架时序序列,获取跌倒检测结果。由于本实施例中获取的动态视觉图像和普通的视频图像不同,动态视觉图像缺乏色彩、纹理等静态信息的特性,因此可以有效地解决现有技术中为了及时查看老人是否跌倒,采用高清摄像头对老人进行的监控,导致老人的隐私遭到暴露的问题。
Description
技术领域
本发明涉及计算机软件领域,尤其涉及的是一种基于DVS数据的跌倒检测方法、***、终端。
背景技术
随着物联网进程加快,作为安防设备的智能摄像头正走进千家万户。例如,现在许多有老人的家庭通常会在家里安装防跌倒监控摄像头,对白天独自在家的老人进行全程监控,以实时查看老人是否跌倒。然而,许多不法分子为了牟利,会公开在网上贩卖破解智能摄像头的教程和软件。另外,还可能存在其他不法分子利用一些智能摄像头存在的安全漏洞,窥视他人家庭隐私生活,录制后在网上公开贩卖。因此,采用高清摄像头对老人进行相应的监控,以及时查看老人是否跌倒,可能导致老人的隐私遭到暴露,给老人的生活带来极大的不方便。
因此,现有技术还有待改进和发展。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种基于DVS数据的跌倒检测方法、***、终端,旨在解决现有技术中为了及时查看老人是否跌倒,采用高清摄像头对老人进行的监控,导致老人的隐私遭到暴露的问题。
本发明解决问题所采用的技术方案如下:
第一方面,本发明实施例提供一种人体跌倒检测方法,其中,所述方法包括:
获取动态视觉图像;
根据所述动态视觉图像,确定人体骨架时序序列;
根据所述人体骨架时序序列,获取跌倒检测结果。
在一种实施方式中,所述获取动态视觉图像,包括:
通过预设的动态视觉传感器获取所述动态视觉图像。
在一种实施方式中,所述根据所述动态视觉图像,确定人体骨架时序序列,包括:
根据所述动态视觉图像,确定事件热力图;
将所述事件热力图输入姿态监测网络,得到所述人体骨架时序序列。
在一种实施方式中,所述根据所述动态视觉图像,确定事件热力图,包括:
对预设时间内的所述动态视觉图像进行累加,得到动态视觉图像集合;
根据所述动态视觉图像集合,确定事件热力图。
在一种实施方式中,所述根据所述动态视觉图像集合,确定事件热力图,包括:
遍历所述动态视觉图像集合中每一动态视觉图像的事件点,得到每一所述动态视觉图像中的事件点的位置信息和极性信息;
获取空白图像,根据所述位置信息和所述极性信息确定所述空白图像中每一像素点的数值,得到所述事件热力图。
在一种实施方式中,所述根据所述人体骨架时序序列,获取跌倒检测结果,包括:
将所述人体骨架时序序列输入跌倒判定网络;
获取所述跌倒判定网络基于所述人体骨架时序序列输出的所述跌倒检测结果。
在一种实施方式中,所述方法还包括:
根据所述跌倒检测结果,确定跌倒事件;
根据所述跌倒事件生成告警信息。
第二方面,本发明实施例还提供一种人体跌倒检测***,其中,所述***包括:
图像获取单元,用于获取动态视觉图像;
计算节点,用于根据所述动态视觉图像确定人体骨架时序序列,并根据所述人体骨架时序序列获取跌倒检测结果。
第三方面,本发明实施例还提供一种终端,其中,所述终端包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如上述任一所述的人体跌倒检测方法。
第四方面,本发明实施例还提供一种计算机可读存储介质,其上存储有多条指令,其中,所述指令适用于由处理器加载并执行,以实现上述任一所述的人体跌倒检测方法的步骤。
本发明的有益效果:本发明实施例通过获取动态视觉图像;根据所述动态视觉图像,确定人体骨架时序序列;根据所述人体骨架时序序列,获取跌倒检测结果。由于本实施例中获取的动态视觉图像和普通的视频图像不同,动态视觉图像缺乏色彩、纹理等静态信息的特性,因此可以有效地解决现有技术中为了及时查看老人是否跌倒,采用高清摄像头对老人进行的监控,导致老人的隐私遭到暴露的问题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的人体跌倒检测方法的流程示意图。
图2是本发明实施例提供的人体跌倒检测***的工作原理图。
图3是本发明实施例提供的获得跌倒检测结果的流程示意图。
图4是本发明实施例提供的人体跌倒检测***中基础单元的连接示意图。
图5是本发明实施例提供的终端的原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明,若本发明实施例中有涉及方向性指示(诸如上、下、左、右、前、后……),则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等,如果该特定姿态发生改变时,则该方向性指示也相应地随之改变。
随着物联网进程加快,作为安防设备的智能摄像头正走进千家万户。例如,现在许多有老人的家庭通常会在家里安装防跌倒监控摄像头,对白天独自在家的老人进行全程监控,以实时查看老人是否跌倒。然而,许多不法分子为了牟利,会公开在网上贩卖破解智能摄像头的教程和软件。另外,还可能存在其他不法分子利用一些智能摄像头存在的安全漏洞,窥视他人家庭隐私生活,录制后在网上公开贩卖。因此,为了及时查看老人是否跌倒,采用高清摄像头对老人进行监控,可能导致老人的隐私遭到暴露,给老人的生活带来极大的不方便。
针对现有技术的上述缺陷,本发明提供了一种人体跌倒检测方法,通过获取动态视觉图像;根据所述动态视觉图像,确定人体骨架时序序列;根据所述人体骨架时序序列,获取跌倒检测结果。由于本实施例中获取的动态视觉图像和普通的视频图像不同,动态视觉图像缺乏色彩、纹理等静态信息的特性,因此可以有效地解决现有技术中为了及时查看老人是否跌倒,采用高清摄像头对老人进行的监控,导致老人的隐私遭到暴露的问题。
如图1所示,所述方法包括如下步骤:
步骤S100、获取动态视觉图像。
具体地,为了及时得知老人跌倒的情况,本实施例需要对老人进行实时监控,以得到动态视觉图像。在实际生活中,当对某一场景进行拍摄,且该场景中有物体运动时,通常会造成大量的像素的亮度发生变化,动态视觉图像通过捕捉这些像素亮度的变化信息,来生成物体的运动信息,因此动态视觉图像与普通视频图像不同,其缺乏色彩、纹理等静态信息。鉴于动态视觉图像的上述特性,本实施例采用动态视觉图像不仅可以确定被监控的老人的运动信息,还可以有效避免被监控的老人的隐私泄露。
在一种实现方式中,所述步骤S100具体包括如下步骤:
步骤S101、通过预设的动态视觉传感器获取所述动态视觉图像。
具体地,本实施例中采用的动态视觉传感器即为DVS相机。简单来说,动态视觉传感器是一种新型的视觉传感器,可以捕捉到更加高速的条件下,物体的运动信息。动态视觉传感器的工作模式与传统视觉传感器(以外部世界图像特征的为主要记录方式方式的相机)有着比较大的区别,动态视觉传感器不同于传统视觉传感器记录整幅图像,而是仅对于动态信息进行记录。具体地,DVS相机拍摄到的并不是传统意义上的静态RGB图像,而是拍摄场景光照的变化情况。DVS摄像头输出的数据格式为“事件流”,该“事件流”由一连串的“事件”组成的。而“事件”的定义为:当DVS摄像头感应到对应像素位置的亮度发生变化,并且变化超过一定的阈值,则生成一个“事件”。“事件”的内容包括对应亮度变化像素的x,y坐标,亮度变化发生的时间,以及亮度变化的方向(增加或者减小)。DVS摄像头拍摄前方图像发生连续变化时,像素对应亮度发生不断的变化,新的“事件”不断产生,将这些“事件”按照发生的时间排序,便可以得到一个“事件”的时间序列。这种由DVS摄像头拍摄产生的“事件流”图像称为动态视觉图像。
由于动态视觉图像缺乏色彩、纹理等静态信息的特性,即便数据发生了泄露攻击者也不会获取到常规意义上的监控图像,因此也不会对使用者的隐私安全造成影响,可以对使用者的隐私实现很好的保护。
另一方面,由于动态视觉图像的数据稀疏性,而场景中的大部分背景,包括家居、墙壁等都是静止的,这些额外的冗余的信息不会体现在输出的事件流数据中,因此输出的事件流的数据量很小,对***的处理能力和传输带宽的压力也很小。
举例说明,DVS相机组成的摄像头与常规的网络摄像头类似,可以被布置在房间中的高处俯视整个房间,并24小时无间断的检测房间内的情况,以及时获知老人跌倒的情况。DVS摄像头可以通过网线的形式或者wifi的形式连接到区域的局域网中,并将DVS摄像头产生的动态视觉图像实时推送给对应的计算节点进行推理,以分析老人是否跌倒。在供电方面,DVS相机组成的摄像头可以通过额外电源,或者是通过PoE进行供电。具体的供电方式取决于实际使用的DVS摄像头型号以及实际的应用需求。
如图1所示,所述方法还包括如下步骤:
步骤S200、根据所述动态视觉图像,确定人体骨架时序序列。
具体地,由于动态视觉图像可以体现拍摄到的老人的运动信息,因此根据该动态视觉图像可以提取出该老人在连续时间下的人体骨架变化信息,从而得到人体骨架时序序列。由于老人在跌倒前后,其对应的人体骨架在图像中的位置、形状、轮廓都会产生较大的变化,而人体骨架时序序列可以体现老人在连续时间下的人体骨架变化,因此基于人体骨架时序序列就可以分析出老人是否存在跌倒的情况。
在一种实现方式中,所述步骤S200具体包括如下步骤:
步骤S201、根据所述动态视觉图像,确定事件热力图;
步骤S202、将所述事件热力图输入姿态监测网络,得到所述人体骨架时序序列。
具体地,为了得到人体骨架时序序列,本实施例首先需要将动态视觉图像转换为事件热力图。由于该事件热力图可以反映出一段时间内动态视觉图像包含事件的空间分布,因此一定程度上可以反映被监控的老人的静态信息。简言之,该事件热力图即相当于该动态视觉图像对应的准静态图像,由于准静态图像所表征的一段时间很短,可以认为准静态图像与传统图像所表征的静态信息的信息量相当。因此可以将该事件热力图看做是一帧图像,如图3所示,将该事件热力图输入预先训练好的姿态监测网络中,当姿态监测网络获取到该事件热力图以后,会对该事件热力图进行特征提取,从而输出该事件热力图对应的人体骨架数据,通过收集一端时间内姿态监测网络输出的人体骨架数据即可得到人体骨架时序序列。
在一种实现方式中,所述姿态监测网络可以通过对标准的姿态监测网络Openpose进行修改得到,其中对Openpose的修改包括:
1)精简网络结构,包括使用更小的mobilenet特征提取器以及更少的后期姿态提取的stage数,通过减少网络参数量的方法来避免过拟合。
2)是用大的卷积核尺寸,增强抵抗噪声的能力。
在一种实现方式中,所述步骤S201具体包括如下步骤:
步骤S2011、对预设时间内的所述动态视觉图像进行累加,得到动态视觉图像集合;
步骤S2012、根据所述动态视觉图像集合,确定事件热力图。
具体地,由于单个动态视觉图像所包含的数据量稀疏,而普通的静态图像包含的数据量较大,因此基于单个动态视觉图像难以提取出有效的图像信息。鉴于此,本实施例采用累加的方法把多张动态视觉图像所包含的数据汇总,从而得到一种标准的事件热力图,使得该事件热力图所表征的信息量接近普通静态图像所表征的信息量。
在一种实现方式中,为了实现根据所述动态视觉图像,确定事件热力图,本实施例需要遍历所述动态视觉图像集合中每一动态视觉图像的事件点,得到每一所述动态视觉图像中的事件点的位置信息和极性信息;获取空白图像,根据所述位置信息和所述极性信息确定所述空白图像中每一像素点的数值,得到所述事件热力图。
在实际应用中,单个动态视觉图像通常包含时间上连续,但是空间上离散的点信息,因此动态视觉图像集合中的所有点信息通常具有离散化的特点。为了尽可能得到动态视觉图像集合中包含的所有信息,本实施例将动态视觉图像集合中每一动态图像的事件点都转换到了同一图像上,即通过同一图像来表述每一事件点所包含的信息,从而得到事件热力图。在该事件热力图中,每一事件点都具有其对应的位置信息,即空间-时间坐标,以及极性信息,其中,可以通过设置不同的颜色来区分不同的极性信息。
如图1所示,所述方法还包括如下步骤:
步骤S300、根据所述人体骨架时序序列,获取跌倒检测结果。
具体地,由于老人在跌倒前后对应的人体骨架的位置、形状等都会发生较大的变化,而人体骨架时序序列可以反映出老人在不同时间点的人体骨架位置以及大致的轮廓,因此根据人体骨架时序序列,就可以得到老人人体骨架变化信息,从而及时监测到老人的跌倒情况,方便对跌倒的老人提供及时的医疗和帮助。
在一种实现方式中,所述步骤S300具体包括如下步骤:
步骤S301、将所述人体骨架时序序列输入跌倒判定网络;
步骤S302、获取所述跌倒判定网络基于所述人体骨架时序序列输出的所述跌倒检测结果。
具体地,如图3所示,本实施例预先训练了一个跌倒判定网络用于判定老人是否发生了跌倒行为。本实施例中将得到的人体骨架时序序列输入跌倒判定网络中,跌倒判定网络即可根据输入的人体骨架时序序列进而二分类,得到老人存在跌倒行为或者老人不存在跌倒行为的判定结果,将该判定结果作为跌倒检测结果并输出。
在一种实现方式中,所述跌倒判定网络为长短期记忆人工神经网络。具体地,长短期记忆人工神经网络由于其独特的设计结构,非常适合于处理和预测时间序列中间隔和延迟非常长的重要事件,因此本实施例可以预先训练一个长短期记忆人工神经网络来判定老人是否发生了跌倒行为。
在一种实现方式中,所述方法还包括:
步骤S1、根据所述跌倒检测结果,确定跌倒事件;
步骤S2、根据所述跌倒事件生成告警信息。
具体地,跌倒检测结果可以反映老人是否发生了跌倒行为,当老人发生了跌倒行为时,即相当于发生了一次跌倒事件。为了使得相关用户可以及时获知老人跌倒的信息,从而给予老人相应的医疗救助,本实施例可以根据跌倒事件生成相应的告警信息,该告警信息中可以包括老人的位置、跌倒事件发生的时间等信息。
在一种实现方式中,可以根据应用场景的类别,设置不同的联系人,所述联系人用于接收所述告警信息。
具体地,应用场景的类别主要是根据老人的常住地点设置的,例如医用场景的类别可以包括住宅、养老院、疗养院、医院等。由于在不同的医用场景下,对老人实施照看的对象不同,因此为了老人在跌倒时可以获得有效的医疗救助,本实施例需要针对不同的应用场景,设置不同的联系人。
举例说明,当应用场景的类别为住宅时,由于对老人进行照顾的通常是老人的子女,因此可以将老人的子女设置为联系人,当确定跌倒事件时,即表示老人发生了跌倒行为,则根据该跌倒事件生成告警信息,并将该告警信息发送至老人的子女的手机上,使得老人的子女可以及时得知老人发生了跌倒,从而及时赶回家中。当应用场景的类别为养老院时,由于对老人进行照顾的通常是值班的护工,因此可以将值班的护工设置为联系人,当确定跌倒事件时,即表示老人发生了跌倒行为,根据该跌倒事件生成告警信息,并将该告警信息发送至值班的护工的手机上,方便值班的护工前往处理。
在一种实现方式中,为了避免告警信息被忽略而造成以外,本实施例可以增加额外的保障机制,在该保障机制下,当联系人处理了该跌倒事件后,可以手动解除由于该跌倒事件产生的警报;当一段时间内,未检测到警报解除,则调取预先存储的语音信息,以电话的形式将该语音信息发送给当地的医院,以通知医院前往处理。医院可以通过定位电话号码,确定老人发生跌倒的地点,从而及时给予跌倒老人相应的医疗救助。
基于上述实施例,本发明还提供了一种人体跌倒检测***,如图4所示,所述***包括:
图像获取单元01,用于获取动态视觉图像;
计算节点02,用于根据所述动态视觉图像确定人体骨架时序序列,并根据所述人体骨架时序序列获取跌倒检测结果。
在一种实现方式中,所述图像获取单元01为DVS相机。
具体地,将DVS相机以监控的形式部署在使用场所中,DVS相机作为场所设施,可以为环境中的所有人同时提供摔倒检测服务。由于DVS相机数据仅包含拍摄图像的动态信息,而场景中的大部分背景,包括家居、墙壁等都是静止的,这些额外的冗余的信息不会体现在输出的事件流数据中,因此输出的事件流的数据量很小,对***的处理能力和传输带宽的压力也很小。并且,由于DVS相机的特性,所采集得到的图像并不包含具体的色彩、亮度、纹理、形状等静态信息,而仅仅包含拍摄物体的运动状态,因此即便数据发生了泄露攻击者也不会获取到常规意义上的监控图像,因此也不会对使用者的隐私安全造成影响。此外,由于DVS相机可以为环境中的所有人同时提供摔倒检测服务,因此还可以满足该***的可共享性的需求。
在一种实现方式中,所述是计算节点02可以与多个图像获取单元01相连,用于处理多个图像获取单元01传输的动态视觉图像。
具体地,如图2所示,为了方便网格化管理,***可以将被监控的区域划分为多个小区域。每个小区域之间相互独立,且每个小区域内部包含多个图像获取单元以及一个计算节点。当房间内有人活动时,图像获取单元将输出采集到的房间内物体的动态视觉图像,并通过网络实时传输给区域内的计算节点确定跌倒检测结果。计算节点可以通过并行执行推理程序的方法同时处理来自区域内多个图像获取单元的数据。
在实际应用中,计算节点的硬件选择需要考虑***对计算能力的需求以及设备的功耗、采购与和维护成本等。例如可以选择一些带有NPU的边缘嵌入式主机,这些主机具有比较强的算力,可以满足计算节点对计算能力的要求,同时在功耗上也普遍偏低,有利于降低***的运行成本。
基于上述实施例,本发明还提供了一种终端,其原理框图可以如图5所示。该终端包括通过***总线连接的处理器、存储器、网络接口、显示屏。其中,该终端的处理器用于提供计算和控制能力。该终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该终端的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现人体跌倒检测方法。该终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图5中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的终端的限定,具体的终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一种实现方式中,所述终端的存储器中存储有一个或者一个以上的程序,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行人体跌倒检测方法的指令。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上所述,本发明公开了一种基于DVS数据的跌倒检测方法、***、终端,所述方法包括:获取动态视觉图像;根据所述动态视觉图像,确定人体骨架时序序列;根据所述人体骨架时序序列,获取跌倒检测结果。由于本实施例中获取的动态视觉图像和普通的视频图像不同,动态视觉图像缺乏色彩、纹理等静态信息的特性,因此可以有效地解决现有技术中为了及时查看老人是否跌倒,采用高清摄像头对老人进行的监控,导致老人的隐私遭到暴露的问题。
应当理解的是,本发明的应用不限于上述的举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种人体跌倒检测方法,其特征在于,所述方法包括:
获取动态视觉图像;
根据所述动态视觉图像,确定人体骨架时序序列;
根据所述人体骨架时序序列,获取跌倒检测结果;
根据所述跌倒检测结果,确定跌倒事件;
根据所述跌倒事件生成告警信息;
所述根据所述动态视觉图像,确定人体骨架时序序列,包括:
根据所述动态视觉图像,确定事件热力图;
根据标准姿态监测网络确定姿态监测网络;
将所述事件热力图输入所述姿态监测网络,得到所述人体骨架时序序列;
所述根据标准姿态监测网络确定姿态监测网络,包括:
使用mobilenet特征提取器;
减少所述标准姿态监测网络的姿态提取的stage数;
增大所述标准姿态监测网络的卷积核尺寸;
所述根据所述人体骨架时序序列,获取跌倒检测结果,包括:
将所述人体骨架时序序列输入跌倒判定网络;
获取所述跌倒判定网络基于所述人体骨架时序序列输出的所述跌倒检测结果;
所述跌倒判定网络为长短期记忆人工神经网络;
所述根据跌倒事件生成告警信息,包括:
根据应用场景的类别,设置不同的联系人,其中,所述联系人用于接收所述告警信息;
所述根据跌倒事件生成告警信息,还包括:
当预设警报时间内,未检测到警报解除,调取预先存储的语音信息,以电话形式将所述语音信息发送给医院。
2.根据权利要求1所述的人体跌倒检测方法,其特征在于,所述获取动态视觉图像,包括:
通过预设的动态视觉传感器获取所述动态视觉图像。
3.根据权利要求1所述的人体跌倒检测方法,其特征在于,所述根据所述动态视觉图像,确定事件热力图,包括:
对预设时间内的所述动态视觉图像进行累加,得到动态视觉图像集合;
根据所述动态视觉图像集合,确定事件热力图。
4.根据权利要求3所述的人体跌倒检测方法,其特征在于,所述根据所述动态视觉图像集合,确定事件热力图,包括:
遍历所述动态视觉图像集合中每一动态视觉图像的事件点,得到每一所述动态视觉图像中的事件点的位置信息和极性信息;
获取空白图像,根据所述位置信息和所述极性信息确定所述空白图像中每一像素点的数值,得到所述事件热力图。
5.一种人体跌倒检测***,其特征在于,所述***包括:
图像获取单元,用于获取动态视觉图像;
计算节点,用于根据所述动态视觉图像确定人体骨架时序序列,并根据所述人体骨架时序序列获取跌倒检测结果;
根据所述跌倒检测结果,确定跌倒事件;
根据所述跌倒事件生成告警信息;
所述根据所述动态视觉图像,确定人体骨架时序序列,包括:
根据所述动态视觉图像,确定事件热力图;
根据标准姿态监测网络确定姿态监测网络;
将所述事件热力图输入所述姿态监测网络,得到所述人体骨架时序序列;
所述根据标准姿态监测网络确定姿态监测网络,包括:
使用mobilenet特征提取器;
减少所述标准姿态监测网络的姿态提取的stage数;
增大所述标准姿态监测网络的卷积核尺寸;
所述根据所述人体骨架时序序列,获取跌倒检测结果,包括:
将所述人体骨架时序序列输入跌倒判定网络;
获取所述跌倒判定网络基于所述人体骨架时序序列输出的所述跌倒检测结果;
所述跌倒判定网络为长短期记忆人工神经网络;
所述根据跌倒事件生成告警信息,包括:
根据应用场景的类别,设置不同的联系人,其中,所述联系人用于接收所述告警信息;
所述根据跌倒事件生成告警信息,还包括:
当预设警报时间内,未检测到警报解除,调取预先存储的语音信息,以电话形式将所述语音信息发送给医院。
6.一种终端,其特征在于,所述终端包括有存储器,以及一个或者一个以上的程序,其中一个或者一个以上程序存储于存储器中,且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于执行如权利要求1-4中任一所述的人体跌倒检测方法。
7.一种计算机可读存储介质,其上存储有多条指令,其特征在于,所述指令适用于由处理器加载并执行,以实现上述权利要求1-4任一所述的人体跌倒检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775524.8A CN113660455B (zh) | 2021-07-08 | 2021-07-08 | 一种基于dvs数据的跌倒检测方法、***、终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110775524.8A CN113660455B (zh) | 2021-07-08 | 2021-07-08 | 一种基于dvs数据的跌倒检测方法、***、终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113660455A CN113660455A (zh) | 2021-11-16 |
CN113660455B true CN113660455B (zh) | 2023-04-07 |
Family
ID=78489281
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110775524.8A Active CN113660455B (zh) | 2021-07-08 | 2021-07-08 | 一种基于dvs数据的跌倒检测方法、***、终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113660455B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115223331A (zh) * | 2022-05-20 | 2022-10-21 | 宁波利安科技股份有限公司 | 一种跌倒报警方法及装置、设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766091A (zh) * | 2021-01-05 | 2021-05-07 | 中科院成都信息技术股份有限公司 | 基于人体骨骼关键点的视频不安全行为识别***及方法 |
CN112949440A (zh) * | 2021-02-22 | 2021-06-11 | 豪威芯仑传感器(上海)有限公司 | 一种提取行人的步态特征的方法、步态识别方法及*** |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10198660B2 (en) * | 2016-01-27 | 2019-02-05 | Samsung Electronics Co. Ltd. | Method and apparatus for event sampling of dynamic vision sensor on image formation |
KR102013935B1 (ko) * | 2017-05-25 | 2019-08-23 | 삼성전자주식회사 | 위험 상황을 감지하는 방법 및 시스템 |
KR102481883B1 (ko) * | 2017-09-27 | 2022-12-27 | 삼성전자주식회사 | 위험 상황을 감지하는 방법 및 장치 |
US11179064B2 (en) * | 2018-12-30 | 2021-11-23 | Altum View Systems Inc. | Method and system for privacy-preserving fall detection |
CN111582300A (zh) * | 2020-03-20 | 2020-08-25 | 北京航空航天大学 | 一种基于事件相机的高动态目标检测方法 |
-
2021
- 2021-07-08 CN CN202110775524.8A patent/CN113660455B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112766091A (zh) * | 2021-01-05 | 2021-05-07 | 中科院成都信息技术股份有限公司 | 基于人体骨骼关键点的视频不安全行为识别***及方法 |
CN112949440A (zh) * | 2021-02-22 | 2021-06-11 | 豪威芯仑传感器(上海)有限公司 | 一种提取行人的步态特征的方法、步态识别方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN113660455A (zh) | 2021-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111383421B (zh) | 隐私保护跌倒检测方法和*** | |
WO2020057355A1 (zh) | 一种三维建模的方法及其装置 | |
CN109040709B (zh) | 视频监控方法及装置、监控服务器及视频监控*** | |
JP5213105B2 (ja) | 映像ネットワークシステム及び映像データ管理方法 | |
CN111507176B (zh) | 姿势估计装置、行动估计装置、记录介质、姿势估计方法 | |
KR100822476B1 (ko) | 원격 응급상황 모니터링 시스템 및 방법 | |
CN107911653A (zh) | 驻所智能视频监控模组、***、方法以及存储介质 | |
CN109376601B (zh) | 基于高速球的物体跟踪方法、监控服务器、视频监控*** | |
CN102306304A (zh) | 人脸遮挡物识别方法及其装置 | |
CN111080963A (zh) | 施工现场告警方法、装置、计算机设备和存储介质 | |
JPWO2014199786A1 (ja) | 撮影システム | |
CN100464348C (zh) | 视频监视识别智能装置与方法 | |
CN109543607A (zh) | 目标物异常状态检测方法、***、监护***及存储介质 | |
CN113411542A (zh) | 一种智能化的工作状况监测设备 | |
CN115984967A (zh) | 基于深度学习的人体跌倒检测方法、装置及*** | |
CN112949417A (zh) | 一种摔倒行为识别方法、设备及*** | |
KR102410286B1 (ko) | 딥러닝에 기반하여 낙상 사고를 감지하는 방법 및 그 전자장치 | |
CN111814646A (zh) | 基于ai视觉的监控方法、装置、设备及介质 | |
CN113660455B (zh) | 一种基于dvs数据的跌倒检测方法、***、终端 | |
CN114495270A (zh) | 一种实时监控预警方法、装置、***及存储介质 | |
CN115471916A (zh) | 吸烟检测方法、装置、设备及存储介质 | |
JP5088463B2 (ja) | 監視システム | |
CN114898443A (zh) | 一种人脸数据获取方法及装置 | |
JP5865584B2 (ja) | 特定人物検知システムおよび検知方法 | |
CN113314230A (zh) | 基于大数据的智能防疫方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |