CN113780072A - 摔倒检测方法、***和计算机可读存储介质 - Google Patents
摔倒检测方法、***和计算机可读存储介质 Download PDFInfo
- Publication number
- CN113780072A CN113780072A CN202110882638.2A CN202110882638A CN113780072A CN 113780072 A CN113780072 A CN 113780072A CN 202110882638 A CN202110882638 A CN 202110882638A CN 113780072 A CN113780072 A CN 113780072A
- Authority
- CN
- China
- Prior art keywords
- mobile device
- obtaining
- human body
- environment image
- detection method
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 66
- 230000033001 locomotion Effects 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 37
- 230000006870 function Effects 0.000 claims description 18
- 230000015654 memory Effects 0.000 claims description 18
- 238000011156 evaluation Methods 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 10
- 238000005070 sampling Methods 0.000 claims description 8
- 230000001629 suppression Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 description 11
- 230000001133 acceleration Effects 0.000 description 8
- 230000004888 barrier function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000135 prohibitive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Pathology (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种摔倒检测方法、***和计算机可读存储介质,***包括移动装置和控制终端,移动装置上安装有处理模块、驱动模块和采集模块,处理模块分别与驱动模块和采集模块电性连接,方法包括:获取移动装置当前的运动状态;获取来自采集模块的环境图像;根据运动状态和环境图像对移动装置的移动路径进行规划,得到巡视路径;根据巡视路径,通过驱动模块驱动移动装置移动;根据环境图像得到用于表示环境图像中含有处于摔倒状态的人体信的指示消息;将指示消息发送至控制终端。移动装置在巡视路径上移动,不断地采集环境图像并检测,因此只需在移动装置上设置摄像头,即可对区域内的情况进行检测,降低了检测的成本。
Description
技术领域
本发明涉及计算机视觉识别技术领域,尤其涉及一种摔倒检测方法、***和计算机可读存储介质。
背景技术
随着社会的发展,许多年轻人都选择到大城市拼搏,这也导致了空巢老人数量的增加。当老人摔倒时,若得不到及时的救助,可能会导致生命危险。因此,如何在无其他人的场合快速发现摔倒的老人,成为至关重要的问题。相关技术中存在一种基于摄像头视觉的检测方法,通过在公共场合设置大量的摄像头来采集图像,从而监测是否有老人摔倒。这种方法虽然有效,但是成本过高。
发明内容
以下是对本文详细描述的主题的概述。本概述并非是为了限制权利要求的保护范围。
本发明实施例的主要目的在于提出一种摔倒检测方法、***和计算机可读存储介质,使用该摔倒检测方法能够在保证完成检测的情况下,降低检测成本。
第一方面,本发明实施例提供了一种摔倒检测方法,应用于摔倒检测***,所述***包括移动装置和控制终端,所述移动装置上安装有处理模块、驱动模块和采集模块,所述处理模块分别与所述驱动模块和所述采集模块电性连接,所述方法包括:
获取所述移动装置当前的运动状态;
获取来自采集模块的环境图像;
根据所述运动状态和所述环境图像对所述移动装置的移动路径进行规划,得到巡视路径;
根据所述巡视路径,通过所述驱动模块驱动所述移动装置移动;
根据所述环境图像得到指示消息,所述指示消息用于表示所述环境图像中含有处于摔倒状态的人体信息;
将所述指示消息发送至所述控制终端。
根据本发明实施例的摔倒检测方法,至少具有如下有益效果:通过移动装置的运动状态以及来自采集模块的环境图像,对移动装置的移动路径进行规划,并在按照规划好的巡视路径移动的过程中,根据环境图像进行检测,并判断采集到的环境图像中是否有人体处于摔倒状态。本方法通过移动装置在设置好的巡视路径上移动,不断地采集环境图像并进行检测,因此只需在移动装置上设置摄像头,即可对一片区域内的情况进行检测,在保证完成检测的前提下,降低了检测的成本。
根据本发明第一方面的一些实施例,所述根据所述运动状态和所述环境图像对所述移动装置的移动路径进行规划,得到巡视路径,包括:根据所述运动状态和所述环境图像得到所述移动装置的实际速度范围,所述实际速度范围包括实际线速度范围与实际角速度范围;对所述线速度范围和所述角速度范围进行采样,得到多个样本;根据多个所述样本对所述移动装置的行动轨迹进行预测,得到多个预测轨迹;根据评价函数对多个所述预测轨迹进行评分处理,得到巡视路径。根据移动装置的实际运动能力来对巡视路径进行规划,避免了由于移动装置的速度无法达到巡视路径的要求而发生意外的情况。
根据本发明第一方面的一些实施例,所述根据所述环境图像得到指示消息,所述指示消息用于表示所述环境图像中含有处于摔倒状态的人体信息,包括:对所述环境图像进行特征提取,得到多个尺度的人体特征图;根据多个尺度的所述人体特征图得到人体回归框;根据所述人体回归框得到人体宽高比;当所述人体宽高比达到预设阈值,得到所述指示消息。使用人体宽高比来判断人体是否摔倒,能够有效判断大多数的摔倒动作。
根据本发明第一方面的一些实施例,在所述根据多个尺度的所述人体特征图得到人体回归框之后,还包括:根据所述人体回归框得到有效面积比与中心变化率;确定所述有效面积比与中心变化率均达到预设阈值。仍存在部分使用人体宽高比来判断可能会出现失误的动作,因此加入有效面积比与中心变化率的双重判断,从而确保检测正确。
根据本发明第一方面的一些实施例,根据所述运动状态和所述环境图像得到所述移动装置的实际速度范围,所述实际速度范围包括实际线速度范围与实际角速度范围,包括:根据所述运动状态获得所述移动装置自身的理论速度范围,所述理论速度范围包括理论线速度范围和理论角速度范围;根据所述环境图像得到障碍物信息;根据所述理论速度和所述障碍物信息得到所述移动装置的实际速度范围。由于环境参数的影响,移动装置的实际速度与理论速度之间会存在偏差。因此在理论速度的基础上,加入了环境障碍物作为权重,得到移动装置的实际速度,以使得路径规划更准确。
根据本发明第一方面的一些实施例,所述评价函数包括多个权重参数,多个所述权重参数包括偏转角,安全系数以及时间系数,所述偏转角用于评价在所述预测轨迹的末端方向与目标点之间的角度差,所述安全系数用于评价在所述预测轨迹中所述移动装置与障碍物发生碰撞的概率,所述时间系数用于评价能实现安全避障的所述预测轨迹的耗时。在路径规划的时候加入多个权重参数,从而得出最优的巡视路径。
根据本发明第一方面的一些实施例,在所述根据多个尺度的所述人体特征图得到人体回归框之后,还包括:使用非极大值抑制方法对所述人体回归框进行处理。
根据本发明第一方面的一些实施例,在所述根据多个尺度的所述人体特征图得到人体回归框之后,还包括:根据损失函数对所述人体回归框进行处理。
第二方面,本发明实施例提供了一种摔倒检测***,所述摔倒检测***包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现如上述第一方面所述的摔倒检测方法。
第三方面,本发明提供了一种计算机可读存储介质,所述计算机可读存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现上述第一方面的摔倒检测方法。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
图1是本发明一实施例提供的摔倒检测方法的流程图;
图2是本发明一实施例提供的摔倒检测方法的另一流程图;
图3是本发明一实施例提供的摔倒检测方法的另一流程图;
图4是本发明一实施例提供的摔倒检测方法的另一流程图;
图5是本发明一实施例提供的摔倒检测方法的另一流程图;
图6是本发明一实施例提供的动态窗口采样轨迹示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
需要说明的是,虽然在***架构示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
下面结合附图,对本发明实施例作进一步阐述。
如图1所示,图1是本发明一实施例提供的摔倒检测方法的流程图。可以理解的是,本发明提出了一种摔倒检测方法,该方法应用于摔倒检测***。其中,摔倒检测***包括移动装置和控制终端,移动装置上安装有处理模块、驱动模块和采集模块,处理模块分别连接至驱动模块和采集模块。该摔倒检测方法包括但不限于有步骤S100,步骤S200,步骤S300,步骤S400,步骤S500以及步骤S600。
步骤S100,获取移动装置当前的运动状态。
步骤S200,获取来自采集模块的环境图像。
步骤S300,根据运动状态和环境图像对移动装置的移动路径进行规划,得到巡视路径。
步骤S400,根据巡视路径,通过驱动模块驱动移动装置移动。
步骤S500,根据环境图像得到指示消息,指示消息用于表示环境图像中含有处于摔倒状态的人体信息。
步骤S600,将指示消息发送至控制终端。
可以理解的是,在本实施例中首先执行步骤S100和步骤S200,获取移动装置当前的运动状态,以及获取来自采集模块采集到的环境图像。然后执行步骤S300,根据运动状态和环境图像对移动装置的移动路径进行规划,得到巡视路径,然后执行步骤S400,通过驱动模块驱动移动装置按照巡视路径移动。在移动装置移动的过程中,采集模块不断采集环境图像,并执行步骤S500,根据环境图像得到指示消息。其中,指示消息用于表示环境图像中含有处于摔倒状态的人体信息。在得到指示消息后,执行步骤S600,将指示消息发送至控制终端,以便管理人员快速获取摔倒人体的位置,及时对其进行帮助。在本实施例中,通过移动装置的运动状态以及来自采集模块的环境图像,对移动装置的移动路径进行规划,并在按照规划好的巡视路径移动的过程中,根据环境图像进行检测,并判断采集到的环境图像中是否有人体处于摔倒状态。本方法通过移动装置在设置好的巡视路径上移动,不断地采集环境图像并进行检测,因此只需在移动装置上设置摄像头,即可对一片区域内的情况进行检测,在保证完成检测的前提下,降低了检测的成本。
需要说明的是,本发明在路径规划的过程中,使用了基于动态窗口的规划方法。动态窗口算法(Dynamic Windows Approach,DWA)的核心动态窗口,其实就是将移动装置当前状态及移动装置的运动模型,从而计算出当前机器人的最大最小线速度及角速度,以此作为一个限定范围,这个范围就是窗口。其中,移动装置的当前状态指的是移动装置的当前速度和航向角,移动装置的运动模型指的是移动装置所能达到的最大线速度,最大角速度,加速度以及旋转加速度,在此窗口范围中计算每个速度及角速度下所能到达到的位置,在对每个位置进行测评(测评内容包括据障碍物的距离,朝向终点的角度等),由此选出当前的最佳位置,然后再由这个最佳位置继续重复以上过程建立新的窗口,从而形成所谓的动态窗口。
可以理解的是,在步骤S600中,将指示消息发送至控制终端,这里的控制终端可以是指手机的应用端。移动装置到目标区域进行检测识别并发现老人摔倒时,能够迅速将老人摔倒的时间和位置信息通过互联网发到送手机应用端,可以在第一时间通知医疗安全机构或家人,使医疗安全机构或家人快速实施抢救。
如图2所示,图2是本发明一实施例提供的摔倒检测方法的另一流程图。可以理解的是,图1所示的实施例中的步骤S300包括但不限于有步骤S310,步骤S320,步骤S330以及步骤S340。
步骤S310,根据运动状态和环境图像得到移动装置的实际速度范围,实际速度范围包括实际线速度范围与实际角速度范围。
步骤S320,对线速度范围和角速度范围进行采样,得到多个样本。
步骤S330,根据多个样本对移动装置的行动轨迹进行预测,得到多个预测轨迹。
步骤S340,根据评价函数对多个预测轨迹进行评分处理,得到巡视路径。
可以理解的是,根据移动装置的实际运动能力来对巡视路径进行规划,避免了由于移动装置的速度无法达到巡视路径的要求而发生意外的情况。
需要说明的是,评价函数包括多个权重参数,权重参数包括但不限于有偏转角,安全系数以及时间系数,偏转角用于评价在预测轨迹的末端方向与目标点之间的角度差,安全系数用于评价在预测轨迹中移动装置与障碍物发生碰撞的概率,时间系数用于评价能实现安全避障的预测轨迹的耗时。
可以理解的是,获取移动装置的预测轨迹之后,需要使用评价函数对各个预测轨迹进行评分,选取其中分值最高的作为综合巡视路径并执行。首先进行如下公式的处理:
G(v,w)=α·corner(v,w)+β·security(v,w)+γ·velocity(v,w)
其中,corner(v,w)为偏转角评价子函数,该子函数的作用是评价在该预测轨迹速度下的预测轨迹末端方向与目标点之间的角度差,其公式为180°-θ(θ越小,得分越高,其中,θ为所预测轨迹末端点朝向与移动装置和目标点连线的夹角),连子函数主要作用是促进移动装置在运动过程中其方位角不断朝向目标点;security(v,w)为安全系数评价子函数,该子函数的作用是剔除掉有可能与障碍物发生碰撞的预测轨迹,实现移动装置的安全避障。为避免该评价函数占比过大,对没有障碍物的预测轨迹进行评分时,安全系数评价子函数设定为常数;velocity(v,w)为速度评价子函数,该子函数的作用是在可以实现安全避障的预测轨迹中,选择出速度最快的路径,以尽快到达目标点。
需要说明的是,基于动态窗口算法的动态巡视路径规划流程具体步骤如下:
(1)根据采集模块获取环境图像中的移动装置以及障碍物位置并构建模拟地图;
(2)初始化动态窗口算法并设置最大线速度、最小线速度、最大角速度、最小角速度、线加速度、角加速度、线速度分辨率、角速度分辨率、时间分辨率、轨迹预测时间、障碍物半径以及各个评价子函数的权值;
(3)根据移动装置的机械特性和障碍物环境更新速度范围,确定由所有可行速度组成的动态窗口;
(4)根据移动装置的运动状态,生成动态窗口中的每个采样点前向仿真时间tsim内移动装置的运动轨迹;
(5)执行最优速度,并检查是否已经到达路径的目标点,若不是,则返回步骤(4),若是,输出结果,将该预测轨迹作为最终决定的巡视路径。
如图3所示,图3是本发明一实施例提供的摔倒检测方法的另一流程图。可以理解的是,图1所示的实施例中的步骤S500,包括但不限于有步骤S510,步骤S520,步骤S530以及步骤S540。
步骤S510,对环境图像进行特征提取,得到多个尺度的人体特征图。
步骤S520,根据多个尺度的人体特征图得到人体回归框。
步骤S530,根据人体回归框得到人体宽高比。
步骤S540,当人体宽高比达到预设阈值,得到指示消息。
可以理解的是,使用人体宽高比来判断人体是否摔倒,能够有效判断大多数的摔倒动作。
可以理解的是,由于人体比例与形状上的特性比较容易捕捉,在算法的实现上也比较简单,所以本发明采用人体高度比特征来对环境图像进行判断。人体宽高比能够有效判断绝大多数跌倒动作。
需要说明的是,在执行完步骤S520,根据多个尺度的人体特征图得到人体回归框之后,还需要使用非极大值抑制方法对人体回归框进行处理。在检测的过程中,首先将采集到的环境图像通过主干网络进行特征提取,该人体检测算法使用ShuffleNet作为主干网络;然后用不同尺度的特征图分别进行检测,该网络预先在不同尺度的特征图上定义不同尺寸和长宽比的锚框,从浅层特征图到深层特征图锚框的尺寸逐渐变大,即用浅层特征图预测小目标,用深层特征图预测大目标,以此来解决检测中存在的目标尺度变化问题。最后,该网络使用非最大抑制(Non-Maximum Suppression,NMS)算法处理不同尺度特征图的检测结果。
需要说明的是,在使用非极大值抑制方法的过程中,需要使用该非极大值抑制方法从人体回归框中选取局部分数最高的回归框,同时抑制分数较低的人体回归框。
可以理解的是,在执行完步骤S520,根据多个尺度的人体特征图得到人体回归框之后,还需要根据损失函数对人体回归框进行处理,使用置信度损失与定位损失的加权和构成损失函数。在使用损失函数对人体回归框进行处理的过程中,需要使用损失函数计算出局部分数最高的人体回归框与图像标签的损失值,进而评估模型预测的好坏。处理过程如下公式所示:
其中,x为默认框与不同类别的Ground Truth框的匹配结果;c为预测框的置信度;l为预测框的位置信息;g为ground truth框的位置信息;N为默认框个数;α为权衡置信度损失和位置损失的参数,通常设置为1。
需要说明的是,置信度损失的计算如下公式所示:
定位损失的计算如下公式所示:
如图4所示,图4是本发明一实施例提供的摔倒检测方法的另一流程图。可以理解的是,在图3所示的实施例中的步骤S520之后,还包括但不限于有步骤S550和步骤S560。
步骤S550,根据人体回归框得到有效面积比与中心变化率。
步骤S560,确定有效面积比与中心变化率均达到预设阈值。
可以理解的是,仍存在部分使用人体宽高比来判断可能会出现失误的动作,因此加入有效面积比与中心变化率的双重判断,从而确保检测正确。对于人体宽高比可能误判的动作,比如伸展运动与下蹲,采用有效面积比与中心变化率的方式来排除。在对人体回归框进行检测的过程中,首先对人体回归框进行判断,是否满足宽高比阈值即宽高比大于1,不满足则处理下一帧图像,满足则进行有效面积比与中心变化判断,排除一些特殊动作与活动的情况,全部条件满足,则表示有人摔倒,最后输出信息,发出警告。如果不满足,则不断获取下一帧图像进行判断。
如图5所示,图5是本发明一实施例提供的摔倒检测方法的另一流程图。可以理解的是,图2所示的实施例中的步骤S310,还包括但不限于有步骤S311,步骤S312以及步骤S313。
步骤S311,根据运动状态获得移动装置自身的理论速度范围,理论速度范围包括理论线速度范围和理论角速度范围。
步骤S312,根据环境图像得到障碍物信息。
步骤S313,根据理论速度和障碍物信息得到移动装置的实际速度范围。
需要说明的是,在对线速度范围和角速度范围进行采样时,需进行如下公式的处理:
Vi={v∈[vmin,vmax]∩w∈[wmin,wmax]}
其中,Vi为求解的理论速度范围,vmin和vmax分别为移动装置的最小线速度和最大线速度,wmin和wmax分别为移动装置的最小角速度和最大角速度。
需要说明的是,受移动装置的驱动模块的影响,其增速降速提供的力矩有限,所以在模拟移动机器人前向移动的周期内存在动态窗口。因此,在该窗口内的速度时,移动装置在自身机械特性影响下所能实现的实际速度,通过如下公式可得到:
其中,Vj为移动装置在自身机械特性影响下所能实现的实际速度,vc为移动装置当前的线速度,为移动机器人的最大加(减)线速度;wc为移动机器人当前的加速度; 为移动机器人的最大加(减)角速度;Δt为时间增量。
可以理解的是,由于环境参数的影响,移动装置的实际速度与理论速度之间会存在偏差。因此在理论速度的基础上,加入了环境障碍物作为权重,得到移动装置的实际速度,以使得路径规划更准确。为了实现安全避障,不与占据一定空间的障碍物发生碰撞,如下公式所示,在减速最大加速条件下可以得到速度的范围,进一步缩小动态窗口范围:
在根据上述公式分别得到移动装置的理论速度范围Vi,移动装置在自身机械特性影响下所能实现的实际速度Vj,以及移动装置在减速最大加速条件下可以得到速度的范围Vk之后,通过如下公式对动态窗口进行定义,其中,V为动态窗口的范围:
V=Vi∩Vj∩Vk
如图6所示,图6是本发明一实施例提供的动态窗口采样轨迹示意图。可以理解的是,运动轨迹主要是根据移动装置每个线速度和角速度的采样点,以及前向仿真时间tsim生成的。本发明中通过移动装置视觉结合轻量级人体检测算法、摔倒检测算法进行巡检,提高了老人摔倒检测的速度从而能过更快地发现摔倒事件发生,提高了抢救空巢老人的效率。基于动态窗口算法的动态路径规划,帮助移动装置快速抵达目标检测区域,当老人发生意外摔倒时,可以短时间内得到有效救助,进而避免意外事故的发生。
另外,本发明的另一个实施例还提供了一种摔倒检测***,该摔倒检测***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。
处理器和存储器可以通过数据总线或者其他方式连接。
存储器作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外,存储器可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中,存储器可选包括相对于处理器远程设置的存储器,这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实现上述实施例的摔倒检测方法所需的非暂态软件程序以及指令存储在存储器中,当被处理器执行时,执行上述实施例中的摔倒检测方法,例如,执行以上描述的图1中的方法步骤S100至S600、图2中的方法步骤S310至S340、图3中的方法步骤S510至S540、图4中的方法步骤S550至S560以及图5中的方法步骤S311至S313。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
此外,本发明的一个实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机可执行指令,该计算机可执行指令被一个处理器或控制器执行,例如,被上述摔倒检测***实施例中的一个处理器执行,可使得上述处理器执行上述实施例中的摔倒检测方法,例如,执行以上描述的图1中的方法步骤S100至S600、图2中的方法步骤S310至S340、图3中的方法步骤S510至S540、图4中的方法步骤S550至S560以及图5中的方法步骤S311至S313。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、***、设备中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。
在硬件实施方式中,在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分;例如,一个物理组件可以具有多个功能,或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上参照附图说明了本发明的优选实施例,并非因此局限本发明的权利范围。本领域技术人员不脱离本发明的范围和实质内所作的任何修改、等同替换和改进,均应在本发明的权利范围之内。
Claims (10)
1.一种摔倒检测方法,其特征在于,应用于摔倒检测***,所述***包括移动装置和控制终端,所述移动装置上安装有处理模块、驱动模块和采集模块,所述处理模块分别与所述驱动模块和所述采集模块电性连接,所述方法包括:
获取所述移动装置当前的运动状态;
获取来自所述采集模块的环境图像;
根据所述运动状态和所述环境图像对所述移动装置的移动路径进行规划,得到巡视路径;
根据所述巡视路径,通过所述驱动模块驱动所述移动装置移动;
根据所述环境图像得到指示消息,所述指示消息用于表示所述环境图像中含有处于摔倒状态的人体信息;
将所述指示消息发送至所述控制终端。
2.根据权利要求1所述的摔倒检测方法,其特征在于,所述根据所述运动状态和所述环境图像对所述移动装置的移动路径进行规划,得到巡视路径,包括:
根据所述运动状态和所述环境图像得到所述移动装置的实际速度范围,所述实际速度范围包括实际线速度范围与实际角速度范围;
对所述线速度范围和所述角速度范围进行采样,得到多个样本;
根据多个所述样本对所述移动装置的行动轨迹进行预测,得到多个预测轨迹;
根据评价函数对多个所述预测轨迹进行评分处理,得到巡视路径。
3.根据权利要求2所述的摔倒检测方法,其特征在于,所述根据所述环境图像得到指示消息,所述指示消息用于表示所述环境图像中含有处于摔倒状态的人体信息,包括:
对所述环境图像进行特征提取,得到多个尺度的人体特征图;
根据多个尺度的所述人体特征图得到人体回归框;
根据所述人体回归框得到人体宽高比;
当所述人体宽高比达到预设阈值,得到所述指示消息。
4.根据权利要求3所述的摔倒检测方法,其特征在于,在所述根据多个尺度的所述人体特征图得到人体回归框之后,还包括:
根据所述人体回归框得到有效面积比与中心变化率;
确定所述有效面积比与所述中心变化率均达到预设阈值。
5.根据权利要求2所述的摔倒检测方法,其特征在于,所述根据所述运动状态和所述环境图像得到所述移动装置的实际速度范围,所述实际速度范围包括实际线速度范围与实际角速度范围,包括:
根据所述运动状态获得所述移动装置自身的理论速度范围,所述理论速度范围包括理论线速度范围和理论角速度范围;
根据所述环境图像得到障碍物信息;
根据所述理论速度和所述障碍物信息得到所述移动装置的实际速度范围。
6.根据权利要求2所述的摔倒检测方法,其特征在于,所述评价函数包括多个权重参数,多个所述权重参数包括偏转角,安全系数以及时间系数,所述偏转角用于评价在所述预测轨迹的末端方向与目标点之间的角度差,所述安全系数用于评价在所述预测轨迹中所述移动装置与障碍物发生碰撞的概率,所述时间系数用于评价能实现安全避障的所述预测轨迹的耗时。
7.根据权利要求4所述的摔倒检测方法,其特征在于,在所述根据多个尺度的所述人体特征图得到人体回归框之后,还包括:
使用非极大值抑制方法对所述人体回归框进行处理。
8.根据权利要求7所述的摔倒检测方法,其特征在于,在所述根据多个尺度的所述人体特征图得到人体回归框之后,还包括:
根据损失函数对所述人体回归框进行处理。
9.一种摔倒检测***,其特征在于,所述摔倒检测***包括存储器、处理器、存储在所述存储器上并可在所述处理器上运行的程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线,所述程序被所述处理器执行时实现如权利要求1至8任一项所述的摔倒检测方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机可执行程序,所述计算机可执行程序用于使计算机执行如权利要求1至8任意一项所述的摔倒检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110882638.2A CN113780072B (zh) | 2021-08-02 | 2021-08-02 | 摔倒检测方法、***和计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110882638.2A CN113780072B (zh) | 2021-08-02 | 2021-08-02 | 摔倒检测方法、***和计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113780072A true CN113780072A (zh) | 2021-12-10 |
CN113780072B CN113780072B (zh) | 2023-11-28 |
Family
ID=78836565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110882638.2A Active CN113780072B (zh) | 2021-08-02 | 2021-08-02 | 摔倒检测方法、***和计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780072B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108837430A (zh) * | 2018-07-05 | 2018-11-20 | 郑州大学 | 一种多功能人体平衡评测训练*** |
CN110032932A (zh) * | 2019-03-07 | 2019-07-19 | 哈尔滨理工大学 | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 |
CN112330915A (zh) * | 2020-10-29 | 2021-02-05 | 五邑大学 | 无人机森林防火预警方法、***、电子设备和存储介质 |
CN112631294A (zh) * | 2020-12-16 | 2021-04-09 | 上海应用技术大学 | 一种移动机器人智能路径规划方法 |
CN113050646A (zh) * | 2021-03-22 | 2021-06-29 | 西安工业大学 | 一种用于室内移动机器人动态环境路径规划方法 |
-
2021
- 2021-08-02 CN CN202110882638.2A patent/CN113780072B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108837430A (zh) * | 2018-07-05 | 2018-11-20 | 郑州大学 | 一种多功能人体平衡评测训练*** |
CN110032932A (zh) * | 2019-03-07 | 2019-07-19 | 哈尔滨理工大学 | 一种基于视频处理和决策树设定阈值的人体姿态识别方法 |
CN112330915A (zh) * | 2020-10-29 | 2021-02-05 | 五邑大学 | 无人机森林防火预警方法、***、电子设备和存储介质 |
CN112631294A (zh) * | 2020-12-16 | 2021-04-09 | 上海应用技术大学 | 一种移动机器人智能路径规划方法 |
CN113050646A (zh) * | 2021-03-22 | 2021-06-29 | 西安工业大学 | 一种用于室内移动机器人动态环境路径规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113780072B (zh) | 2023-11-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112418069B (zh) | 一种高空抛物检测方法、装置、计算机设备及存储介质 | |
JP5939357B2 (ja) | 移動軌跡予測装置及び移動軌跡予測方法 | |
CN115603466B (zh) | 一种基于人工智能视觉识别的船舶岸电*** | |
CN111611853A (zh) | 一种传感信息融合方法、装置及存储介质 | |
CN109803127A (zh) | 基于大数据和物联网技术的城市安全工地监控***和方法 | |
CN108230617A (zh) | 基于无人机的监护预警方法及无人机 | |
CN115909816A (zh) | 一种浮标碰撞预警与记录*** | |
CN108181905A (zh) | 一种无人驾驶汽车的障碍躲避方法及*** | |
CN113780072B (zh) | 摔倒检测方法、***和计算机可读存储介质 | |
CN113591574A (zh) | 一种基于激光雷达的输电线路巡检方法及装置 | |
CN113031610A (zh) | 一种监狱夜间自动巡检机器人***及其控制方法 | |
CN112489125A (zh) | 一种堆场行人自动检测方法及装置 | |
CN115273401B (zh) | 一种自动感知人员跌倒的方法及*** | |
CN114754744B (zh) | 基于计算机图像识别的水库水位动态监控方法 | |
CN112406700B (zh) | 一种基于上下双目视觉分析测距的盲区预警*** | |
CN113221800A (zh) | 一种待检测目标的监控判断方法及*** | |
CN114782883A (zh) | 基于群体智能的异常行为检测方法、装置和设备 | |
CN111339898A (zh) | 行为检测方法和装置、计算机可读存储介质、计算机设备 | |
CN116647032B (zh) | 一种目标施工车辆的输电线路实时防护***和方法 | |
CN114078331B (zh) | 超速检测方法、装置、视觉传感器和存储介质 | |
CN117746218B (zh) | 一种智慧校园的安全管理方法及装置 | |
CN108256509A (zh) | 一种基于手机摄像头的跌倒检测方法 | |
CN117273664B (zh) | 一种基于人工智能的智慧校车***及装置 | |
KR20110044492A (ko) | 위치인식에 의한 표적좌표 추적영상감시시스템 및 그 추적영상감시장치 | |
CN116486615A (zh) | 一种基于电单车头盔侦测处理交通事故的方法及电单车 |
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 |