TWI493510B - 跌倒偵測方法 - Google Patents
跌倒偵測方法Info
- Publication number
- TWI493510B TWI493510B TW102104608A TW102104608A TWI493510B TW I493510 B TWI493510 B TW I493510B TW 102104608 A TW102104608 A TW 102104608A TW 102104608 A TW102104608 A TW 102104608A TW I493510 B TWI493510 B TW I493510B
- Authority
- TW
- Taiwan
- Prior art keywords
- person
- abnormal
- image
- detection method
- edges
- Prior art date
Links
Landscapes
- Emergency Alarm Devices (AREA)
- Image Analysis (AREA)
Description
本發明是有關於一種人身安全的異常狀況偵測方法,特別是指一種跌倒偵測方法。
跌倒是老人意外死亡的主要原因,由於老年人因老化而身體協調度較低,加上跌倒後常無法及時獲得救助,而造成更大的傷害,縱使是一般人,嚴重的跌倒時也需要及時的協助。
一種偵測跌倒的方法,是讓欲偵測的對像攜帶感測器,除了造成攜帶者行為不便,能偵測對象也十分受限,只有跌倒的高危險群才會在事先就攜帶感測器,況且在使用者忘記攜帶感測器時,更無作用。
亦有利用影像辨識技術,在一般的監視錄影的基礎上,偵測是否有人員跌倒的異常狀況並發出警報,然而其資訊處理方式,大多是詳細區分出肢體,並事先定義各種跌倒的動作與姿勢,再以比對特徵的方式辨識動作。但現實生活中,人體高矮胖瘦、肢體動作十分多樣,並不容易作出精準又通用的定義,以致於現有技術對於異常狀況的辨識效果不佳,經常誤發警報或因無法偵測異常狀況
而未能及時發出警報。
因此,本發明之目的,即在提供一種可利用影像精確辨識人員跌倒而及時進行相關輸出的跌倒偵測方法。
於是本發明跌倒偵測方法,由一監視系統執行,該監視系統包括一朝一目標區域取像的攝影機,及一接收來自該攝影機之影像的處理單元,該方法包含以下由該處理單元執行的步驟:(A)依據該攝影機傳送之影像辨識出有人員進入該目標區域,設定一異常次數為0;(B)針對一目前影像判定出該人員的複數邊緣,並將該等邊緣依預定的複數邊緣方向加以分類,計算出方向為垂直的邊緣數量佔所有邊緣數量總和的一垂直邊緣方向比例;(C)判斷該垂直邊緣方向比例是否小於一預設比例閾值,若是則進行步驟(D),若否則回到步驟(B);(D)令該異常次數加1並紀錄該目前影像對應的時間;及(E)判斷目前影像對應的時間與第一次異常時間或上一次異常時間的間距是否不超過一預設時間長度,若是則進行步驟(F),若否則回到步驟(A);(F)判斷該異常次數是否大於一預設次數,若
是則進行步驟(G),若否則回到步驟(B);及(G)判斷為發生跌倒並進行相關輸出。
較佳地,其中,該步驟(B)還計算代表該人員傾斜程度的一人員身體角度,該步驟(C)還判斷該人員身體角度是否大於一預設角度閾值,若該二判斷條件皆成立,才進行該步驟(D)。
較佳地,其中,該步驟(B)是將該等邊緣分類為與垂直方向夾0度、45度、90度與135度的四個邊緣方向。
本發明之功效在於:利用垂直邊緣方向比例、人員身體角度與時間等參數進行綜合性邏輯判斷,可在不耗費龐大演算資源的情況下精準地發現人員跌倒的情況。
S11~S20‧‧‧步驟
S141~S143‧‧‧步驟
S151、S152‧‧‧步驟
本發明之其他的特徵及功效,將於參照圖式的實施方式中清楚地呈現,其中:
圖1是一流程圖,說明本發明跌倒偵測方法的較佳實施例。
圖2是一影像圖,說明沒有跌倒發生的情況;圖3是一影像圖,說明有跌倒發生的情況;圖4是一序列影像圖,說明有跌倒發生的情況的偵測結果;及圖5是一序列影像圖,說明沒有跌倒發生的情況的偵測結果。
在本發明被詳細描述之前,應當注意在以下的說明內容中,類似的元件是以相同的編號來表示。
參閱圖1,本發明一種跌倒偵測方法,由一監視系統執行,當人員進入目標區域,可啟動偵測人員是否有跌倒之異常狀況。該監視系統包括一朝一目標區域取像的攝影機,及一接收來自該攝影機之影像的處理單元,該方法包含以下步驟:
步驟S11-該攝影機持續對該目標區域取像,取得序列影像。
以下步驟由該處理單元依據該攝影機傳送之影像進行處理。
步驟S12-偵測是否有人員進入,也就是辨識是否有單一或複數人員進入該目標區域。本步驟非本發明主要技術特徵所在,具體技術手段不以特定手段為限,可以利用例如前景追蹤或區域式追蹤(Region-Based Tracking),以目前影像與背景影像相減來偵測出變化區域再進一步設定規則做篩選;或者利用輪廓追蹤(Contour-Based Tracking),找出輪廓線並依據輪廓線的改變進行追蹤;或者利用特徵追蹤(Feature-Based Tracking),先針對要追蹤的物體擷取特徵,例如重心、面積等,在比對連續影像間的特徵來追蹤物體;又或者利用模型追蹤(Model-Based Tracking),首先建立物體模型、建立運動模型,再搜尋從
連續影像中比對而找出物體。本步驟的人員追蹤會產生一代表人員所在區域的追蹤框(如圖2方框所示)。
步驟S13-設定一異常次數為0、計數參數i為0。接著進行步驟S14之垂直邊緣方向比例條件判斷,以及步驟S15之人員身體角度條件判斷,並且在步驟S16針對條件判斷結果綜合判斷。其中步驟S14包括步驟S141至步驟S143,步驟S15包括步驟S151及步驟S152。
步驟S141-針對一目前影像判定出該人員的一由複數邊緣組成的輪廓線。具體計算方式詳述如下。以步驟S12已執行的人員追蹤產生的追蹤框來作為取樣範圍,接著將該取樣區域分割成多個小取樣區域,對各個小取樣區域做索貝爾(Sobel)梯度方向運算,即可求出各個小取樣區域的邊緣方向分佈情況,每個像素點都會被分類為有方向的0°、45°、90°、135°等四類與沒有方向的一類。
接著,再計算出每個小取樣區域中四個邊緣方向各自所佔的比例,比例最高的類別,即是代表該小取樣區域的特性,若是屬於有方向的類別,該小取樣區域就是一邊緣,否則即屬於無方向的類別,非邊緣。各個邊緣的分佈集合即為該輪廓線。
步驟S142-計算該等邊緣中,屬於0°的即垂直的邊緣數量,佔所有邊緣數量總和的一垂直邊緣方向比例。
步驟S143-判斷該垂直邊緣方向比例是否小於
一預設比例閾值,並記錄此步驟之判斷結果,也就是垂直邊緣方向比例條件判斷結果。預設比例閾值因應不同的場景或影像品質而可以做調整,舉例來說:某一場景的人員如果站著時其垂直邊緣方向比例若為1.0~0.5,那我們即可設預設比例閾值為0.45,只要垂直邊緣方向比例小於該預設比例閾值的話則垂直邊緣方向比例條件即算達成。
步驟S151-算計代表該人員傾斜程度的一人員身體角度。在本實施例中,人員身體角度計算是將人員所在的前景區域以橢圓方式近似,計算橢圓的傾斜角度即可得到該人員身體角度。
步驟S152-判斷該人員身體角度是否大於一預設角度閾值,並記錄此步驟之判斷結果,也就是人員身體角度條件判斷結果。同樣地,預設角度閾值也因應不同的場景或影像品質而可以做調整,舉例來說:某一場景的人員身體角度在站立時如果為0~40的話,那我們即可設45為預設角度閾值,只要角度大於該預設角度閾值的話人員身體角度條件即算達成。
步驟S16-針對步驟S143之垂直邊緣方向比例條件判斷結果與步驟S152的人員身體角度條件判斷結果,分析是否兩條件皆成立?若是,則表示在該目前影像擷取當時人員有跌倒的情況發生,因此進行步驟S17,若否,則回到步驟S13之後,取下一張影像進行步驟S14及S15之條件判斷。
步驟S17-令該異常次數加1、令該計數參數i加1,並紀錄時間Ti
為該目前影像對應的時間。
步驟S18-判斷目前影像對應的時間Ti
與第一次異常時間T1
或上一次異常時間Ti-1
的間距是否不超過一預設時間長度,若是則代表人員跌倒的狀態可能是持續的,而非偶發暫態,因此接著進行步驟S18,若否則回到步驟S13進行歸零,重新起算異常次數。本實施例是以Ti
-T1
舉例說明,預設時間長度為3秒,但本發明不以此為限。
步驟S19-判斷該異常次數是否大於一預設次數,若是則表示該目前影像擷取當時人員跌倒的狀態是持續,可能是較為嚴動的跌倒狀態,因此進行步驟S20,若否則回到步驟S13之後,取下一張影像進行步驟S14及S15之條件判斷。
步驟S20-判斷為發生人員跌倒的情況並進行相關輸出,例如使該目標區域的警報器發出警鳴聲,或者在配合的醫護人員監控的顯示幕提示有異常狀況。
利用上述演算技術,針對如圖2及圖3的影像進行跌倒偵測,圖中方形的追蹤框上方的三個數字分別代表人員身體角度的原始值、垂直邊緣方向比例及異常次數。
就人員身體角度而言,在圖2中,人員身體角度的原始值為-18°,由於人員傾斜程度只需考慮人員身體與垂直方向的夾角,正負號不予考慮,在計算的意義上則是
取絕對值,因此圖2的人員身體角度為18°,而在圖3中,人員身體角度為75°,因此圖3的75°大於圖2的18°,圖3的人員較圖2的人員還趨近於跌倒的狀態。
就垂直邊緣方向比例而言,圖3的0.37小於圖2的0.52,圖3的人員垂直邊緣方向比例較低、較圖2的人員還趨近於跌倒的狀態。
再考慮針對如圖4所示的序列影像,處理過程中每當流程進行到步驟S17,異常次數有逐漸累積,當累積到預設次數,即發出警報。針對如圖5所示的序列影像,由於人員正常行走的行為沒有跌倒的情況,每當流程進行到步驟S17,異常次數不會累積,因此不會發出警報。
綜上所述,本發明跌倒偵測方法的較佳實施例,利用垂直邊緣方向比例、人員身體角度與時間等參數進行綜合性邏輯判斷,可在不耗費龐大演算資源的情況下精準地發現人員跌倒的情況,故確實能達成本發明之目的。
惟以上所述者,僅為本發明之較佳實施例而已,當不能以此限定本發明實施之範圍,即大凡依本發明申請專利範圍及專利說明書內容所作之簡單的等效變化與修飾,皆仍屬本發明專利涵蓋之範圍內。
S11~S20‧‧‧步驟
S141~S143‧‧‧步驟
S151、S152‧‧‧步驟
Claims (3)
- 一種跌倒偵測方法,由一監視系統執行,該監視系統包括一朝一目標區域取像的攝影機,及一接收來自該攝影機之影像的處理單元,該方法包含以下由該處理單元執行的步驟:(A)依據該攝影機傳送之影像辨識出有人員進入該目標區域,設定一異常次數為0;(B)針對一目前影像判定出該人員的複數邊緣,並將該等邊緣依預定的複數邊緣方向加以分類,計算出方向為垂直的邊緣數量佔所有邊緣數量總和的一垂直邊緣方向比例;(C)判斷該垂直邊緣方向比例是否小於一預設比例閾值,若是則進行步驟(D);(D)令該異常次數加1並紀錄該目前影像對應的時間;及(E)判斷目前影像對應的時間與第一次異常時間或上一次異常時間的間距是否不超過一預設時間長度,若是則進行步驟(F),若否則回到步驟(A);(F)判斷該異常次數是否大於一預設次數,若是則進行步驟(G),若否則回到步驟(B);及(G)判斷為發生跌倒並進行相關輸出。
- 如請求項1所述跌倒偵測方法,其中,該步驟(B)還計算代表該人員傾斜程度的一人員身體角度,該步驟(C )還判斷該人員身體角度是否大於一預設角度閾值,若該二判斷條件皆成立,才進行該步驟(D)。
- 如請求項1所述跌倒偵測方法,其中,該步驟(B)是將該等邊緣分類為與垂直方向夾0度、45度、90度與135度的四個邊緣方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102104608A TWI493510B (zh) | 2013-02-06 | 2013-02-06 | 跌倒偵測方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW102104608A TWI493510B (zh) | 2013-02-06 | 2013-02-06 | 跌倒偵測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201432633A TW201432633A (zh) | 2014-08-16 |
TWI493510B true TWI493510B (zh) | 2015-07-21 |
Family
ID=51797454
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW102104608A TWI493510B (zh) | 2013-02-06 | 2013-02-06 | 跌倒偵測方法 |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI493510B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10783765B2 (en) | 2018-09-13 | 2020-09-22 | Wistron Corporation | Falling detection method and electronic system using the same |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104392201B (zh) * | 2014-09-28 | 2017-05-31 | 燕山大学 | 一种基于全向视觉的人体跌倒识别方法 |
TWI639978B (zh) * | 2017-07-19 | 2018-11-01 | 和碩聯合科技股份有限公司 | 視訊監控系統與視訊監控方法 |
TWI653610B (zh) | 2017-12-01 | 2019-03-11 | 拓連科技股份有限公司 | 利用雷達之跌倒偵測系統及方法,及相關電腦程式產品 |
TWI783374B (zh) * | 2021-02-09 | 2022-11-11 | 國立清華大學 | 健康照護系統和健康照護方法 |
CN114091601B (zh) * | 2021-11-18 | 2023-05-05 | 业成科技(成都)有限公司 | 人员状况侦测的传感器融合方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200713139A (en) * | 2005-09-29 | 2007-04-01 | Univ Nat Cheng Kung | Method for detecting event of falling |
TW201136569A (en) * | 2010-04-21 | 2011-11-01 | Univ Nat Chiao Tung | Apparatus for identifying falls and activities of daily living |
CN102376144A (zh) * | 2010-08-11 | 2012-03-14 | 中国医药大学 | 跌倒警报*** |
-
2013
- 2013-02-06 TW TW102104608A patent/TWI493510B/zh not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW200713139A (en) * | 2005-09-29 | 2007-04-01 | Univ Nat Cheng Kung | Method for detecting event of falling |
TW201136569A (en) * | 2010-04-21 | 2011-11-01 | Univ Nat Chiao Tung | Apparatus for identifying falls and activities of daily living |
CN102376144A (zh) * | 2010-08-11 | 2012-03-14 | 中国医药大学 | 跌倒警报*** |
Non-Patent Citations (1)
Title |
---|
尤芳銘、李漢鼎、邱耀緯、易昌衡、楊黃安,"利用影像辨識輔助基礎之醫療看護", 2009 Symposium on Application and Development of Management Information System,2009年 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10783765B2 (en) | 2018-09-13 | 2020-09-22 | Wistron Corporation | Falling detection method and electronic system using the same |
Also Published As
Publication number | Publication date |
---|---|
TW201432633A (zh) | 2014-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI493510B (zh) | 跌倒偵測方法 | |
Vaidehi et al. | Video based automatic fall detection in indoor environment | |
Vishwakarma et al. | Automatic detection of human fall in video | |
KR101593187B1 (ko) | 3차원 영상 정보를 이용한 이상 행동 감시 장치 및 방법 | |
Liao et al. | Slip and fall event detection using Bayesian Belief Network | |
JP6764481B2 (ja) | 監視装置 | |
Zhang et al. | Evaluating depth-based computer vision methods for fall detection under occlusions | |
JP2015062121A5 (zh) | ||
Shoaib et al. | View-invariant fall detection for elderly in real home environment | |
Nguyen et al. | An efficient camera-based surveillance for fall detection of elderly people | |
Salehi et al. | An automatic video-based drowning detection system for swimming pools using active contours | |
US20150049906A1 (en) | Human image tracking system, and human image detection and human image tracking methods thereof | |
WO2019220589A1 (ja) | 映像解析装置、映像解析方法、及びプログラム | |
WO2017193679A1 (zh) | 自动检测单车是否倒地的方法 | |
Lin et al. | Vision-based fall detection through shape features | |
EP2000998B1 (en) | Flame detecting method and device | |
JP2006285878A (ja) | 映像解析装置および映像解析プログラム | |
CN108460319B (zh) | 异常人脸检测方法及装置 | |
CN103961108A (zh) | 跌倒侦测方法 | |
JP2011198244A (ja) | 対象物認識システム及び該システムを利用する監視システム、見守りシステム | |
WO2012081969A1 (en) | A system and method to detect intrusion event | |
JP7263094B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
TW201430721A (zh) | 人員激烈行為偵測方法 | |
Lee et al. | Automated abnormal behavior detection for ubiquitous healthcare application in daytime and nighttime | |
JP2017102718A (ja) | 炎検出装置および炎検出方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |