本發(fā)明涉及防摔倒監(jiān)控領(lǐng)域,具體而言,涉及一種摔倒報(bào)警方法、裝置及設(shè)備。
背景技術(shù):
根據(jù)世界疾病控制與預(yù)防組織統(tǒng)計(jì),世界上超過(guò)65歲的老人,每年有l(wèi)/3會(huì)摔倒,其中有一半為再發(fā)性摔倒,摔倒率隨年齡增長(zhǎng)而增長(zhǎng);摔倒的老年人中有20%-30%的人發(fā)生中度和重度損傷(髖骨骨折和頭創(chuàng)傷),60%活動(dòng)受限或不能活動(dòng),造成巨大的醫(yī)療負(fù)擔(dān)和健康傷害。醫(yī)院里,病人摔倒不及時(shí)救治也會(huì)產(chǎn)生很?chē)?yán)重的后果。減小老年人以及病人摔倒帶來(lái)的傷害問(wèn)題已成為國(guó)際上新的研究熱點(diǎn)。醫(yī)學(xué)研究標(biāo)明:減小人摔倒時(shí)給身體帶來(lái)的沖擊可以有效減輕摔倒事故帶來(lái)的傷害;而對(duì)于已經(jīng)摔倒的老人及病人,救助等待時(shí)間的長(zhǎng)短直接決定了患病的程度。
目前主要的摔倒自動(dòng)檢測(cè)報(bào)警系統(tǒng)主要通過(guò)自動(dòng)檢測(cè)人體上軀干部位的加速度信息及位姿信息,綜合人體加速度、位姿、運(yùn)動(dòng)時(shí)間三者之間的關(guān)系,正確判斷人體是否摔倒以及是否需要求救。
然而,需要佩戴額外的設(shè)備這一限定,大大阻礙了現(xiàn)有方案的實(shí)現(xiàn)效果,并且設(shè)備佩戴較為繁瑣,老年人或病人此前沒(méi)有接觸過(guò)此類(lèi)裝置的話(huà)不易操作,且設(shè)備佩戴位置有嚴(yán)格要求,普通人不易掌握,可能額外需專(zhuān)業(yè)人員上門(mén)安裝。另外,老年人或病人大多行動(dòng)不便,很可能發(fā)生由于身體狀況沒(méi)有來(lái)得及佩戴設(shè)備的情況,此時(shí)一旦危險(xiǎn)發(fā)生,不能及時(shí)報(bào)警,后果將不堪設(shè)想,如果要保證這種情況下系統(tǒng)正常工作,人身體需要24小時(shí)佩戴設(shè)備,影響了老年人和病人的舒適程度。
技術(shù)實(shí)現(xiàn)要素:
本發(fā)明的目的在于提供一種摔倒報(bào)警方法、裝置及設(shè)備,以改善上述問(wèn)題。
為了實(shí)現(xiàn)上述目的,本發(fā)明采用的技術(shù)方案如下:
第一方面,一種摔倒報(bào)警方法,所述摔倒報(bào)警方法包括:
獲取采集區(qū)域內(nèi)的環(huán)境視頻;
將所述環(huán)境視頻處理成多幀第一圖像序列;
將每一幀所述第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到所述環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像;
獲取所述熱度圖像的多個(gè)關(guān)鍵點(diǎn),將所述多個(gè)關(guān)鍵點(diǎn)按預(yù)設(shè)規(guī)則生成第一關(guān)鍵點(diǎn)序列;
根據(jù)多幀連續(xù)的所述第一圖像序列對(duì)應(yīng)的所述第一關(guān)鍵點(diǎn)序列判斷所述人體是否摔倒;
當(dāng)判斷所述人體摔倒時(shí),生成報(bào)警信息。
進(jìn)一步地,所述將每一幀所述第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到所述環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像的步驟之前,還包括對(duì)所述基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型進(jìn)行訓(xùn)練的步驟:
獲取人體圖片,對(duì)圖片中的人體的輪廓進(jìn)行標(biāo)注;
構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò);
將所述人體圖片輸入所述深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,以得到所述基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型。
進(jìn)一步地,所述根據(jù)多幀連續(xù)的所述第一圖像序列對(duì)應(yīng)的所述第一關(guān)鍵點(diǎn)序列判斷所述人體是否摔倒的步驟之前還包括建立關(guān)鍵點(diǎn)序列模型的步驟,所述建立關(guān)鍵點(diǎn)序列模型的步驟包括:
獲取人體在不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列,獲取所述第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列,所述姿態(tài)包括摔倒行為和未摔倒行為;
根據(jù)第二圖像序列對(duì)應(yīng)的姿態(tài)對(duì)所述第二關(guān)鍵點(diǎn)序列進(jìn)行標(biāo)記,獲取所述第二關(guān)鍵點(diǎn)序列對(duì)應(yīng)的人體姿態(tài)變化,以得到所述關(guān)鍵點(diǎn)序列模型。
進(jìn)一步地,所述獲取人體在不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列,獲取所述第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列的步驟,包括:
獲取人體姿態(tài)模型視頻,將所述視頻處理成多幀所述第二圖像序列;
獲取多幀連續(xù)的所述第二圖像序列的所述第二關(guān)鍵點(diǎn)序列。
進(jìn)一步地,所述獲取多幀連續(xù)的第二圖像序列的第二關(guān)鍵點(diǎn)序列的步驟包括:
記錄多幀連續(xù)的所述第二圖像序列中每一所述第二圖像序列對(duì)應(yīng)的時(shí)間;
獲取所述多幀連續(xù)的所述第二圖像序列中每一所述第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列。
進(jìn)一步地,所述根據(jù)多幀連續(xù)的所述第一圖像序列對(duì)應(yīng)的所述第一關(guān)鍵點(diǎn)序列判斷所述人體是否摔倒的步驟,包括:
當(dāng)連續(xù)的多幀所述第一圖像序列對(duì)應(yīng)的所述第一關(guān)鍵點(diǎn)序列的變化大于連續(xù)的多幀所述第二圖像序列對(duì)應(yīng)的所述第二關(guān)鍵點(diǎn)序列的變化的閾值時(shí)判斷所述人體摔倒。
第二方面,一種摔倒報(bào)警裝置,所述摔倒報(bào)警裝置包括:
視頻獲取模塊,用于獲取采集區(qū)域內(nèi)的環(huán)境視頻;
圖像分割模塊,用于將所述環(huán)境視頻處理成多幀第一圖像序列;
熱度圖像獲取模塊,用于將每一幀所述第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到所述環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像;
關(guān)鍵點(diǎn)檢測(cè)模塊,用于獲取所述熱度圖像的多個(gè)關(guān)鍵點(diǎn),將所述多個(gè)關(guān)鍵點(diǎn)按預(yù)設(shè)規(guī)則生成第一關(guān)鍵點(diǎn)序列;
摔倒行為判斷模塊,用于根據(jù)多幀連續(xù)的所述第一圖像序列對(duì)應(yīng)的所述第一關(guān)鍵點(diǎn)序列判斷所述人體是否摔倒;
報(bào)警模塊,用于當(dāng)判斷所述人體摔倒時(shí),生成報(bào)警信息。
進(jìn)一步地,所述報(bào)警裝置還包括:
人體估計(jì)模型訓(xùn)練模塊,用于獲取人體圖片,對(duì)圖片中的人體的輪廓進(jìn)行標(biāo)注;構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò);將所述人體圖片輸入所述深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,以得到所述基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型。
進(jìn)一步地,所述報(bào)警裝置還包括:
關(guān)鍵點(diǎn)序列模型模塊,用于獲取人體在不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列,獲取所述第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列,所述姿態(tài)包括摔倒行為和未摔倒行為;根據(jù)第二圖像序列對(duì)應(yīng)的姿態(tài)對(duì)所述第二關(guān)鍵點(diǎn)序列進(jìn)行標(biāo)記,獲取所述第二關(guān)鍵點(diǎn)序列對(duì)應(yīng)的人體姿態(tài)變化,以得到所述關(guān)鍵點(diǎn)序列模型。
第三方面,一種摔倒報(bào)警設(shè)備,所述摔倒報(bào)警設(shè)備包括:
存儲(chǔ)器;
處理器;以及
摔倒報(bào)警裝置,所述摔倒報(bào)警裝置存儲(chǔ)于所述存儲(chǔ)器中并包括一個(gè)或多個(gè)由所述處理器執(zhí)行的軟件功能模組,摔倒報(bào)警裝置包括:
視頻獲取模塊,用于獲取采集區(qū)域內(nèi)的環(huán)境視頻;
圖像分割模塊,用于將所述環(huán)境視頻處理成多幀第一圖像序列;
熱度圖像獲取模塊,用于將每一幀所述第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到所述環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像;
關(guān)鍵點(diǎn)檢測(cè)模塊,用于獲取所述熱度圖像的多個(gè)關(guān)鍵點(diǎn),將所述多個(gè)關(guān)鍵點(diǎn)按預(yù)設(shè)規(guī)則生成第一關(guān)鍵點(diǎn)序列;
摔倒行為判斷模塊,用于根據(jù)多幀連續(xù)的所述第一圖像序列對(duì)應(yīng)的所述第一關(guān)鍵點(diǎn)序列判斷所述人體是否摔倒;
報(bào)警模塊,用于當(dāng)判斷所述人體摔倒時(shí),生成報(bào)警信息;
人體估計(jì)模型訓(xùn)練模塊,用于獲取人體圖片,對(duì)圖片中的人體的輪廓進(jìn)行標(biāo)注,構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò),將所述人體圖片輸入所述深度學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,以得到所述基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型;
關(guān)鍵點(diǎn)序列模型模塊,用于獲取人體在不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列,獲取所述第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列,所述姿態(tài)包括摔倒行為和未摔倒行為;根據(jù)第二圖像序列對(duì)應(yīng)的姿態(tài)對(duì)所述第二關(guān)鍵點(diǎn)序列進(jìn)行標(biāo)記,獲取所述第二關(guān)鍵點(diǎn)序列對(duì)應(yīng)的人體姿態(tài)變化,以得到所述關(guān)鍵點(diǎn)序列模型。
本發(fā)明提供了一種摔倒報(bào)警方法、裝置及設(shè)備,該方法應(yīng)用于該裝置,該設(shè)備包括該裝置,該方法包括:獲取采集區(qū)域內(nèi)的環(huán)境視頻;將環(huán)境視頻處理成多幀第一圖像序列;將每一幀第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像;獲取熱度圖像的多個(gè)關(guān)鍵點(diǎn),將多個(gè)關(guān)鍵點(diǎn)按預(yù)設(shè)規(guī)則生成第一關(guān)鍵點(diǎn)序列;根據(jù)多幀連續(xù)的第一圖像序列對(duì)應(yīng)的第一關(guān)鍵點(diǎn)序列判斷人體是否摔倒;當(dāng)判斷人體摔倒時(shí),生成報(bào)警信息。通過(guò)采集環(huán)境視頻中的人體,獲取人體姿態(tài)的變化,在判斷人體摔倒時(shí)生成報(bào)警信息,無(wú)需人體佩戴,不影響人體活動(dòng)的同時(shí)對(duì)人體狀態(tài)進(jìn)行檢測(cè)。
為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能更明顯易懂,下文特舉較佳實(shí)施例,并配合所附附圖,作詳細(xì)說(shuō)明如下。
附圖說(shuō)明
為了更清楚地說(shuō)明本發(fā)明實(shí)施例的技術(shù)方案,下面將對(duì)實(shí)施例中所需要使用的附圖作簡(jiǎn)單地介紹,應(yīng)當(dāng)理解,以下附圖僅示出了本發(fā)明的某些實(shí)施例,因此不應(yīng)被看作是對(duì)范圍的限定,對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲得其他相關(guān)的附圖。
圖1為本發(fā)明實(shí)施例提供的摔倒報(bào)警設(shè)備與多個(gè)攝像裝置的交互的示意圖;
圖2為本發(fā)明實(shí)施例提供的摔倒報(bào)警設(shè)備的方框示意圖;
圖3-圖5,為本發(fā)明實(shí)施例提供的摔倒報(bào)警裝置的功能模塊示意圖;
圖6為本發(fā)明實(shí)施例提供的摔倒報(bào)警方法應(yīng)用于摔倒報(bào)警設(shè)備的流程圖;
圖7為本發(fā)明實(shí)施例提供的建立人體姿態(tài)估計(jì)模型的步驟;
圖8-圖10為本發(fā)明實(shí)施例提供的建立關(guān)鍵點(diǎn)序列模型的步驟。
圖標(biāo):100-摔倒報(bào)警設(shè)備;110-摔倒報(bào)警裝置;112-視頻獲取模塊;113-圖像分割模塊;114-熱度圖像獲取模塊;115-關(guān)鍵點(diǎn)檢測(cè)模塊;116-摔倒行為判斷模塊;117-報(bào)警模塊;118-人體估計(jì)模型訓(xùn)練模塊;119-關(guān)鍵點(diǎn)序列模型模塊;120-存儲(chǔ)器;130-處理器;140-通信單元;200-攝像裝置;300-網(wǎng)絡(luò)。
具體實(shí)施方式
為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚,下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例。通常在此處附圖中描述和示出的本發(fā)明實(shí)施例的組件可以以各種不同的配置來(lái)布置和設(shè)計(jì)。
因此,以下對(duì)在附圖中提供的本發(fā)明的實(shí)施例的詳細(xì)描述并非旨在限制要求保護(hù)的本發(fā)明的范圍,而是僅僅表示本發(fā)明的選定實(shí)施例?;诒景l(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒(méi)有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。
應(yīng)注意到:相似的標(biāo)號(hào)和字母在下面的附圖中表示類(lèi)似項(xiàng),因此,一旦某一項(xiàng)在一個(gè)附圖中被定義,則在隨后的附圖中不需要對(duì)其進(jìn)行進(jìn)一步定義和解釋。
請(qǐng)參閱圖1,為本發(fā)明實(shí)施例提供的摔倒報(bào)警設(shè)備100與多個(gè)攝像裝置200的交互的示意圖。摔倒報(bào)警設(shè)備100可通過(guò)網(wǎng)絡(luò)300與多個(gè)攝像裝置200進(jìn)行通信,以實(shí)現(xiàn)摔倒報(bào)警設(shè)備100與多個(gè)攝像裝置200之間的數(shù)據(jù)通信或交互。
請(qǐng)參閱圖2,為本發(fā)明實(shí)施例提供的摔倒報(bào)警設(shè)備100的方框示意圖。摔倒報(bào)警設(shè)備100包括摔倒報(bào)警裝置110、存儲(chǔ)器120、處理器130和通信單元140。存儲(chǔ)器120、處理器130以及通信單元140各元件相互之間直接或間接地電性連接,以實(shí)現(xiàn)數(shù)據(jù)的傳輸或交互。例如,這些元件相互之間可通過(guò)一條或多條通訊總線(xiàn)或信號(hào)線(xiàn)實(shí)現(xiàn)電性連接。摔倒報(bào)警裝置110包括至少一個(gè)可以軟件或固件(firmware)的形式存儲(chǔ)于存儲(chǔ)器120中或固化在摔倒報(bào)警設(shè)備100的操作系統(tǒng)(operatingsystem,os)中的軟件功能模塊。處理器130用于執(zhí)行存儲(chǔ)器120中存儲(chǔ)的可執(zhí)行模塊,例如摔倒報(bào)警裝置110所包括的軟件功能模塊及計(jì)算機(jī)程序等。
其中,所述存儲(chǔ)器120可以是,但不限于,隨機(jī)存取存儲(chǔ)器(randomaccessmemory,ram),只讀存儲(chǔ)器(readonlymemory,rom),可編程只讀存儲(chǔ)器(programmableread-onlymemory,prom),可擦除只讀存儲(chǔ)器(erasableprogrammableread-onlymemory,eprom),電可擦除只讀存儲(chǔ)器(electricerasableprogrammableread-onlymemory,eeprom)等。其中,存儲(chǔ)器120用于存儲(chǔ)程序,處理器130在接收到執(zhí)行指令后,執(zhí)行所述程序。通信單元140用于通過(guò)網(wǎng)絡(luò)300建立摔倒報(bào)警設(shè)備100與多個(gè)攝像裝置200之間的通信連接,并用于通過(guò)網(wǎng)絡(luò)300收發(fā)數(shù)據(jù)。
請(qǐng)參閱圖3,為本發(fā)明實(shí)施例提供的摔倒報(bào)警裝置110的功能模塊示意圖。摔倒報(bào)警裝置110包括:視頻獲取模塊112、圖像分割模塊113、熱度圖像獲取模塊114、關(guān)鍵點(diǎn)檢測(cè)模塊115、摔倒行為判斷模塊116及報(bào)警模塊117。
其中,
視頻獲取模塊112,用于獲取采集區(qū)域內(nèi)的環(huán)境視頻。
本實(shí)施例中,視頻獲取模塊112用于獲取攝像裝置200采集的視頻信息。該攝像裝置200可以為安裝在獨(dú)居老年人家中及醫(yī)院病房及樓道內(nèi)的攝像頭,采集實(shí)時(shí)圖像信息,上傳至摔倒報(bào)警設(shè)備100進(jìn)行后續(xù)處理。攝像頭安裝保證無(wú)監(jiān)控死角,以此保證一旦有摔倒行為發(fā)生能及時(shí)報(bào)警,通知相關(guān)醫(yī)護(hù)人員進(jìn)行救治??梢郧宄氖?,該環(huán)境視頻可以為攝像裝置200采集到人體出現(xiàn)時(shí),對(duì)人體追蹤拍攝所獲得的視頻。
圖像分割模塊113,用于將環(huán)境視頻處理成多幀第一圖像序列。
本實(shí)施例中,圖像分割模塊113用于將視頻獲取模塊112獲取的視頻進(jìn)行分割處理,得到多張連續(xù)的圖像信息,圖像信息包括圖像??梢郧宄氖牵梢愿鶕?jù)具體的運(yùn)用場(chǎng)景,設(shè)置每秒提取多幀圖像。例如,設(shè)置為每秒內(nèi)提取6幀圖像,當(dāng)然可以為了具體精度要求更改提取圖像幀數(shù)。
熱度圖像獲取模塊114,用于將每一幀第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像。
本實(shí)施例中,熱度圖像獲取模塊114用于將圖像分割模塊113分割的圖像輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,生成對(duì)應(yīng)的熱度圖。具體實(shí)施時(shí),基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型使用的是深度學(xué)習(xí)框架caffe(convolutionalarchitectureforfastfeatureembedding,卷積神經(jīng)網(wǎng)絡(luò)框架)。
關(guān)鍵點(diǎn)檢測(cè)模塊115,用于獲取熱度圖像的多個(gè)關(guān)鍵點(diǎn),將多個(gè)關(guān)鍵點(diǎn)按預(yù)設(shè)規(guī)則生成第一關(guān)鍵點(diǎn)序列。
本實(shí)施例中,關(guān)鍵點(diǎn)檢測(cè)模塊115用于根據(jù)熱度圖像獲取模塊114獲取的熱度圖得到包括鼻子、脖子、肩膀等在內(nèi)的多個(gè)關(guān)鍵點(diǎn),該關(guān)鍵點(diǎn)可在具體運(yùn)用場(chǎng)景中設(shè)置在不同部位,并按一定順序組成關(guān)鍵點(diǎn)序列。可以清楚的是,該預(yù)設(shè)的規(guī)則可以是根據(jù)具體場(chǎng)景設(shè)置的。例如,可將關(guān)鍵點(diǎn)按人體輪廓順序連接。
摔倒行為判斷模塊116,用于根據(jù)多幀連續(xù)的第一圖像序列對(duì)應(yīng)的第一關(guān)鍵點(diǎn)序列判斷人體是否摔倒。
本實(shí)施例中,將第一圖像序列對(duì)應(yīng)的第一關(guān)鍵點(diǎn)序列放入關(guān)鍵點(diǎn)序列模型中,當(dāng)連續(xù)的多幀所述第一圖像序列對(duì)應(yīng)的所述第一關(guān)鍵點(diǎn)序列的變化大于關(guān)鍵點(diǎn)序列模型中連續(xù)的多幀所述第二圖像序列對(duì)應(yīng)的所述第二關(guān)鍵點(diǎn)序列的變化的閾值時(shí),判斷所述人體摔倒,該閾值可以根據(jù)具體環(huán)境參數(shù)設(shè)置。在具體實(shí)施過(guò)程中,采集到連續(xù)的圖像對(duì)應(yīng)的關(guān)鍵點(diǎn)序列,根據(jù)關(guān)鍵點(diǎn)序列判斷人體姿態(tài)變化。
具體實(shí)施時(shí),人體不同姿態(tài)情況下,各關(guān)鍵點(diǎn)信息包括關(guān)鍵點(diǎn)位置、各關(guān)鍵點(diǎn)與中心點(diǎn)角度等具有不同的模式,例如,人在摔倒的情況下,整個(gè)身體各個(gè)關(guān)鍵點(diǎn)與中心點(diǎn)角度,將與站立或行走情況下有很大的變化。另外,由于人的行為是一個(gè)連續(xù)過(guò)程,是一連串不同姿態(tài)的變化,在此,充分考慮時(shí)間信息,將原本的二維信息擴(kuò)展到三維。
報(bào)警模塊117,用于當(dāng)判斷人體摔倒時(shí),生成報(bào)警信息。
具體實(shí)施時(shí),連續(xù)的第一圖像對(duì)應(yīng)的關(guān)鍵點(diǎn)序列對(duì)應(yīng)的人體姿態(tài)為摔倒行為時(shí)生成報(bào)警信息。該報(bào)警信息可以是發(fā)送到與摔倒報(bào)警設(shè)備100連接的客戶(hù)端,以便于提示醫(yī)護(hù)人員及時(shí)進(jìn)行救治。
請(qǐng)參閱圖4,為本發(fā)明實(shí)施例提供的摔倒報(bào)警裝置110的功能模塊示意圖。進(jìn)一步地,摔倒報(bào)警裝置110還包括人體估計(jì)模型訓(xùn)練模塊118。
人體估計(jì)模型訓(xùn)練模塊118,用于獲取人體圖片,對(duì)圖片中的人體的輪廓進(jìn)行標(biāo)注,構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)300,將人體圖片輸入深度學(xué)習(xí)網(wǎng)絡(luò)300進(jìn)行訓(xùn)練,以得到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型。
本實(shí)施例中,獲取大量帶有人體數(shù)據(jù)的圖片,將該圖片中的人體輪廓進(jìn)行標(biāo)注,構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)300,將人體圖片輸入深度學(xué)習(xí)網(wǎng)絡(luò)300進(jìn)行訓(xùn)練,得到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型。
請(qǐng)參閱圖5,為本發(fā)明實(shí)施例提供的摔倒報(bào)警裝置110的功能模塊示意圖。進(jìn)一步地,摔倒報(bào)警裝置110還包括關(guān)鍵點(diǎn)序列模型模塊119。
關(guān)鍵點(diǎn)序列模型模塊119,用于獲取人體在不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列,獲取第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列,姿態(tài)包括摔倒行為和未摔倒行為;根據(jù)第二圖像序列對(duì)應(yīng)的姿態(tài)對(duì)第二關(guān)鍵點(diǎn)序列進(jìn)行標(biāo)記,獲取第二關(guān)鍵點(diǎn)序列對(duì)應(yīng)的人體姿態(tài)變化,以得到關(guān)鍵點(diǎn)序列模型。
具體實(shí)施時(shí),在進(jìn)行關(guān)鍵點(diǎn)檢測(cè)前還要對(duì)關(guān)鍵點(diǎn)序列模型,進(jìn)行訓(xùn)練,訓(xùn)練過(guò)程如下:
準(zhǔn)備數(shù)據(jù):在此采用coco數(shù)據(jù)集,并對(duì)圖片中的人物進(jìn)行標(biāo)注。將數(shù)據(jù)轉(zhuǎn)換為lmdb格式,便于輸入caffe。
構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)300,并把網(wǎng)絡(luò)300結(jié)構(gòu)寫(xiě)為caffe接受的prototxt格式。
采用vgg-19model初始化網(wǎng)絡(luò)300,并開(kāi)始訓(xùn)練。
進(jìn)一步地,用于獲取人體在不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列,獲取第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列具體包括:
獲取人體姿態(tài)模型視頻,將視頻處理成多幀第二圖像序列;獲取多幀連續(xù)的第二圖像序列的第二關(guān)鍵點(diǎn)序列。
具體實(shí)施時(shí),該獲取的不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列為已知的人體姿態(tài)模型視頻,將人體姿態(tài)模型視頻進(jìn)行處理生成多幀第二圖像序列,在第二圖像序列中關(guān)鍵點(diǎn)進(jìn)行標(biāo)記得到關(guān)鍵點(diǎn)序列,及第二關(guān)鍵點(diǎn)序列對(duì)應(yīng)的人體姿態(tài)變化。
進(jìn)一步地,記錄多幀連續(xù)的第二圖像序列中每一第二圖像序列對(duì)應(yīng)的時(shí)間;獲取多幀連續(xù)的第二圖像序列中每一第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列。
具體實(shí)施時(shí),需要對(duì)每一第二圖像序列的時(shí)間進(jìn)行標(biāo)記,以得到多幀連續(xù)的第二圖像對(duì)應(yīng)的關(guān)鍵點(diǎn)序列的變化,以此判斷人體的姿態(tài)變化。
請(qǐng)參閱圖6,為本發(fā)明實(shí)施例提供的摔倒報(bào)警方法應(yīng)用于摔倒報(bào)警設(shè)備100的流程圖。所述方法包括以下步驟:
步驟s101,獲取采集區(qū)域內(nèi)的環(huán)境視頻。
可以理解地,通過(guò)視頻獲取模塊112可以執(zhí)行步驟s101。
步驟s102,將環(huán)境視頻處理成多幀第一圖像序列。
可以理解地,通過(guò)圖像分割模塊113可以執(zhí)行步驟s102。
步驟s103,將每一幀第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像。
可以理解地,通過(guò)熱度圖像獲取模塊114可以執(zhí)行步驟s103。
步驟s104,獲取熱度圖像的多個(gè)關(guān)鍵點(diǎn),將多個(gè)關(guān)鍵點(diǎn)按預(yù)設(shè)規(guī)則生成第一關(guān)鍵點(diǎn)序列。
可以理解地,通過(guò)關(guān)鍵點(diǎn)檢測(cè)模塊115可以執(zhí)行步驟s104。
步驟s105,根據(jù)多幀連續(xù)的第一圖像序列對(duì)應(yīng)的第一關(guān)鍵點(diǎn)序列判斷人體是否摔倒。
可以理解地,通過(guò)摔倒行為判斷模塊116可以執(zhí)行步驟s105。
步驟s106,當(dāng)判斷人體摔倒時(shí),生成報(bào)警信息。
可以理解地,通過(guò)報(bào)警模塊117可以執(zhí)行步驟s106。
請(qǐng)參閱圖7,為本發(fā)明實(shí)施例提供的建立人體姿態(tài)估計(jì)模型的步驟。可以理解的,通過(guò)人體估計(jì)模型訓(xùn)練模塊118可以執(zhí)行一下步驟。
所述步驟包括:
步驟s201,獲取人體圖片,對(duì)圖片中的人體的輪廓進(jìn)行標(biāo)注。
步驟s202,構(gòu)建深度學(xué)習(xí)網(wǎng)絡(luò)300。
步驟s203,將人體圖片輸入深度學(xué)習(xí)網(wǎng)絡(luò)300進(jìn)行訓(xùn)練,以得到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型。
請(qǐng)參閱圖8-圖10,為本發(fā)明實(shí)施例提供的建立關(guān)鍵點(diǎn)序列模型的步驟。可以理解的,通過(guò)關(guān)鍵點(diǎn)序列模型模塊119可以執(zhí)行一下步驟。
所述步驟包括:
步驟s301,獲取人體在不同姿態(tài)時(shí)對(duì)應(yīng)的第二圖像序列,獲取第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列,姿態(tài)包括摔倒行為和未摔倒行為。
步驟s302,根據(jù)第二圖像序列對(duì)應(yīng)的姿態(tài)對(duì)第二關(guān)鍵點(diǎn)序列進(jìn)行標(biāo)記,獲取第二關(guān)鍵點(diǎn)序列對(duì)應(yīng)的人體姿態(tài)變化,以得到關(guān)鍵點(diǎn)序列模型。
所述步驟s301具體包括步驟s3011和步驟s3012。
步驟s3011,獲取人體姿態(tài)模型視頻,將視頻處理成多幀第二圖像序列。
步驟s3012,獲取多幀連續(xù)的第二圖像序列的第二關(guān)鍵點(diǎn)序列。
所述步驟s3012包括步驟s30121和步驟s30122。
步驟s30121,記錄多幀連續(xù)的第二圖像序列中每一第二圖像序列對(duì)應(yīng)的時(shí)間。
步驟s30122,獲取多幀連續(xù)的第二圖像序列中每一第二圖像序列對(duì)應(yīng)的第二關(guān)鍵點(diǎn)序列。
綜上所述,本發(fā)明提供了一種摔倒報(bào)警方法、裝置及設(shè)備,涉及防摔倒監(jiān)控領(lǐng)域。該方法應(yīng)用于該裝置,該設(shè)備包括該裝置,該方法包括:獲取采集區(qū)域內(nèi)的環(huán)境視頻;將環(huán)境視頻處理成多幀第一圖像序列;將每一幀第一圖像序列輸入到基于深度學(xué)習(xí)算法的人體姿態(tài)估計(jì)模型,得到環(huán)境視頻中人體對(duì)應(yīng)的熱度圖像;獲取熱度圖像的多個(gè)關(guān)鍵點(diǎn),將多個(gè)關(guān)鍵點(diǎn)按預(yù)設(shè)規(guī)則生成第一關(guān)鍵點(diǎn)序列;根據(jù)多幀連續(xù)的第一圖像序列對(duì)應(yīng)的第一關(guān)鍵點(diǎn)序列判斷人體是否摔倒;當(dāng)判斷人體摔倒時(shí),生成報(bào)警信息。通過(guò)采集環(huán)境視頻中的人體,獲取人體姿態(tài)的變化,在判斷人體摔倒時(shí)生成報(bào)警信息,無(wú)需人體佩戴,不影響人體活動(dòng)的同時(shí)對(duì)人體狀態(tài)進(jìn)行檢測(cè)。
在本申請(qǐng)所提供的實(shí)施例中,應(yīng)該理解到,所揭露的裝置和方法,也可以通過(guò)其它的方式實(shí)現(xiàn)。以上所描述的裝置實(shí)施例僅僅是示意性的,例如,附圖中的流程圖和框圖顯示了根據(jù)本發(fā)明的多個(gè)實(shí)施例的裝置、方法和計(jì)算機(jī)程序產(chǎn)品的可能實(shí)現(xiàn)的體系架構(gòu)、功能和操作。在這點(diǎn)上,流程圖或框圖中的每個(gè)方框可以代表一個(gè)模塊、程序段或代碼的一部分,所述模塊、程序段或代碼的一部分包含一個(gè)或多個(gè)用于實(shí)現(xiàn)規(guī)定的邏輯功能的可執(zhí)行指令。也應(yīng)當(dāng)注意,在有些作為替換的實(shí)現(xiàn)方式中,方框中所標(biāo)注的功能也可以以不同于附圖中所標(biāo)注的順序發(fā)生。例如,兩個(gè)連續(xù)的方框?qū)嶋H上可以基本并行地執(zhí)行,它們有時(shí)也可以按相反的順序執(zhí)行,這依所涉及的功能而定。也要注意的是,框圖和/或流程圖中的每個(gè)方框、以及框圖和/或流程圖中的方框的組合,可以用執(zhí)行規(guī)定的功能或動(dòng)作的專(zhuān)用的基于硬件的系統(tǒng)來(lái)實(shí)現(xiàn),或者可以用專(zhuān)用硬件與計(jì)算機(jī)指令的組合來(lái)實(shí)現(xiàn)。
以上所述僅為本發(fā)明的優(yōu)選實(shí)施例而已,并不用于限制本發(fā)明,對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō),本發(fā)明可以有各種更改和變化。凡在本發(fā)明的精神和原則之內(nèi),所作的任何修改、等同替換、改進(jìn)等,均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。