CN102831750A - 用于人体跌倒检测的智能视频监控系统及检测方法 - Google Patents

Abstract

本发明公开一种用于人体跌倒检测的智能视频监控系统及检测方法，所述系统具有人体意外跌倒检测功能，并能够及时以无线传输方式进行报警且自动保存跌倒情况发生前后的视频信息以便回溯。本发明的技术方案可大大节省人力成本，具有不易受遮挡，全方位视频监测，检测准确率高，报警及时，报警信号丰富，使用方便等优点。

Description

用于人体跌倒检测的智能视频监控系统及检测方法

技术领域

本发明涉及视频监控领域，具体涉及一种用于人体跌倒检测的智能视频监控系统及检测方法

背景技术

随着人口老龄化的加剧以及社会的发展，人口流动性大大加速，使得很多子女不在老人身边，空巢家庭也随之诞生。独居老人的健康保障面临着严重的问题，其中，意外跌倒严重影响老年人的身体健康。专门的护理人员可以有效地防止这种情况的发生，但并非每个家庭都能够承担所带来的经济负担。现有技术中跌倒检测技术可以分成三类：基于视频监控的跌倒检测系统，基于声学的跌倒检测系统及基于穿戴式传感器的跌倒检测系统。

基于视频监控的跌倒检测系统是在一定区域内安装摄像头，拍摄人体活动的画面，通过图像处理的方法，检测是否有跌倒发生；基于声学的跌倒的检测系统是通过分析跌倒时的声音信号来检测是否有跌倒发生；基于穿戴式传感器的跌倒检测系统，指穿戴微型设备，如衣服、帽子、首饰等，来检测人体的活动。

基于视频监控的跌倒检测系统受到区域限制；基于声学的跌倒检测系统准确率有待提高；基于穿戴式传感器的跌倒检测系统，一般是通过水银开关进行跌倒检测或者仅通过加速度传感器方式进行跌倒检测，其缺点在于对于跌倒检测的检测方法单一、准确率不够高，容易造成假报警。

随着技术的改进，视频监控系统可以让子女随时随地获知独居老人的居家情况，是一种有效、简便的方式。但现有的视频监控系统中大部分的维护、判断、决策工作需要由人工完成，子女需要一直或定时观看多台摄像机的视频，给他们造成了额外的负担，严重影响他们的正常工作。而且人工的视频监视，容易造成监控点的遗漏，另外，也存在着不稳定性、随意性、易疲劳性，使得监视工作费时费力。目前少量的家居智能视频监控系统多涉及实现安防、火灾方面的自动检测与报警；因此，面向独居老人的突发意外，需要一种更加完善的用于人体跌倒检测的智能视频监控系统及检测方法。

发明内容

针对现有技术中的缺陷和不足，本发明要解决的技术问题是提供一种用于人体跌倒检测的智能视频监控系统及检测方法，解决了现有技术视频监控系统区域局限性强、人力成本高，准确率不够高的问题。

一种用于人体跌倒检测的智能视频监控系统，所述系统包括视频信号采集模块、人体跟踪与定位模块、跌倒动作检测模块、视频信息智能存储模块，其特征在于，所述视频信号采集模块同时与人体跟踪与定位模块和视频信息智能存储模块连接，所述人体跟踪与定位模块与跌倒动作检测模块连接，所述跌倒动作检测模块与视频信息智能存储模块连接；其中，

所述视频信号采集模块用于对其所覆盖区域内的同一场景从不同的角度进行视频信号采集并输出；

所述人体跟踪与定位模块用于采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位；

所述跌倒动作检测模块用于根据人体头部的运行速度判断在有人存在的场景位置中是否发生人体跌倒动作；

所述视频信息智能存储模块用于按照设定时间段存储有人存在的场景位置中的场景信息并在发生人体跌倒的情况下，将跌倒动作发生前后预定时间段的视频信息进行单独存储。

所述系统还包括报警模块，所述报警模块分别与视频信息智能存储模块和跌倒动作检测模块连接，所述报警模块用于在跌倒动作检测模块判断出人体发生跌倒时，将从视频信息智能存储模块获取的跌倒视频信息发送给相关人员进行报警。

所述报警模块通过无线传输方式进行报警。

所述视频信号采集模块包括至少两个第一视频信号采集模块和至少一个第二视频信号采集模块，所述第一视频信号采集模块分散于同一场景的不同位置，分别采集不同角度的场景信息；所述第二视频信号采集模块用于把第一视频信号采集模块采集到的同一场景的不同角度的视频信息输出。

所述人体跟踪与定位模块包括第一颜色空间转换单元、第二颜色空间转换单元和人体头部判断单元，

其中，所述第一颜色空间转换单元用于将所述视频信号采集模块输出的RGB格式的彩色图像利用公式（1）转换到YCbCr颜色空间，

$\left\{\begin{array}{c}Y=0.229R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.5B+123\\ \mathrm{Cr}=0.5R-0.4187G-0.0813B+123\end{array}\right.---\left(1\right)$

其中，R、G、B分别为对应的RGB彩色图像的红色、绿色、蓝色分量，Y为亮度分量，Cb为蓝色分量，Cr为红色分量；

所述第二颜色空间转换单元用于将所述YCbCr颜色空间利用下述公式（2-1）、公式（2-2）、公式（3-1）、公式（3-2）、公式（4-1）和公式（4-2）非线性变换到YCb’Cr’空间，

取K_l=125,K_h=188,Y_min=16,Y_max=235，其中K_l，K_h，Y_max，Y_min为下述公式中的变量参数；

${\stackrel{\&OverBar;}{C}}_b\left(Y\right)=\left\{\begin{array}{c}108+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 108+\frac{10(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-1)$

${\stackrel{\&OverBar;}{C}}_r\left(Y\right)=\left\{\begin{array}{c}154+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 154+\frac{22(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-2)$

根据公式（2-1）和公式（2-2）计算

和

和

为中间变量；

$W_{C_b}\left(Y\right)=\left\{\begin{array}{c}23+\frac{23.97(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 14+\frac{32.97(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-1)$

$W_{C_r}\left(Y\right)=\left\{\begin{array}{c}20+\frac{18.76(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 10+\frac{28.76(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-2)$

根据公式（3-1）和公式（3-2）计算和和

为中间变量；

$C_b^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_b\left(Y\right)-{\stackrel{\&OverBar;}{C}}_b\left(Y\right)\frac{W_{C_b}}{W_{C_b}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_b\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_b\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-1)$

$C_r^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_r\left(Y\right)-{\stackrel{\&OverBar;}{C}}_r\left(Y\right)\frac{W_{C_r}}{W_{C_r}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_r\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_r\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-2)$

根据公式（4-1）和公式（4-2）计算C′_b(Y)和C′_r(Y)，C′_b(Y)和C′_r(Y)为YCb’Cr’颜色空间的值；

所述人体头部判断单元用于利用公式（5）计算像素点在YCb’Cr’颜色空间对应的色彩分量值，根据所述像素点所对应的色彩分量值是否位于肤色所在的YCb’Cr’颜色对应的区域来判断当前场景中人体头部的位置，

$D=\sqrt{{(C_b^{\&prime;}(i,j)-150)}^2+{(C_r^{\&prime;}(i,j)-110)}^2}---\left(5\right)$

若D>D_th，则该像素位于人体头部，

若D<D_th，则该像素为非人体头部信息；

其中，C′_b(i,j)和C′_r(i,j)分别为像素(i,j)在YCb’Cr’颜色空间对应的色彩分量值；D_th代表肤色所在的YCb’Cr’颜色对应的区域的色彩分量阈值。

所述跌倒动作检测模块通过检测人体头部的运动速度，并与预设的运动速度的阈值进行比较，来判断是否发生人体跌倒动作。

所述系统还包括远程访问服务器模块，所述远程访问服务器模块用于提供远程视频访问服务。

相应地，本发明还公开一种用于人体跌倒检测的方法，所述方法包括，

对同一场景从不同的角度进行视频信号采集并输出；

采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位；

根据人体头部的运行速度判断在有人存在的场景位置中是否发生人体跌倒动作。

所述采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位，包括，

S1：将所述视频信号采集模块输出的RGB格式的彩色图像利用公式（1）转换到YCbCr颜色空间，

$\left\{\begin{array}{c}Y=0.229R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.5B+123\\ \mathrm{Cr}=0.5R-0.4187G-0.0813B+123\end{array}\right.---\left(1\right)$

其中，R、G、B分别为对应的RGB彩色图像的红色、绿色、蓝色分量，Y为亮度分量，Cb为蓝色分量，Cr为红色分量；

S2：将所述YCbCr颜色空间利用下述公式（2-1）、公式（2-2）、公式（3-1）、公式（3-2）、公式（4-1）和公式（4-2）将YCbCr颜色空间非线性变换到YCb’Cr’空间，

取K_l=125,K_h=188,Y_min=16,Y_max=235，其中K_l，K_h，Y_max，Y_min为下述公式中的变量参数；

${\stackrel{\&OverBar;}{C}}_b\left(Y\right)=\left\{\begin{array}{c}108+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 108+\frac{10(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-1)$

${\stackrel{\&OverBar;}{C}}_r\left(Y\right)=\left\{\begin{array}{c}154+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 154+\frac{22(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-2)$

根据公式（2-1）和公式（2-2）计算

和

和

为中间变量；

$W_{C_b}\left(Y\right)=\left\{\begin{array}{c}23+\frac{23.97(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 14+\frac{32.97(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-1)$

$W_{C_r}\left(Y\right)=\left\{\begin{array}{c}20+\frac{18.76(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 10+\frac{28.76(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-2)$

根据公式（3-1）和公式（3-2）计算

和和

为中间变量；

$C_b^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_b\left(Y\right)-{\stackrel{\&OverBar;}{C}}_b\left(Y\right)\frac{W_{C_b}}{W_{C_b}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_b\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_b\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-1)$

$C_r^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_r\left(Y\right)-{\stackrel{\&OverBar;}{C}}_r\left(Y\right)\frac{W_{C_r}}{W_{C_r}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_r\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_r\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-2)$

根据公式（4-1）和公式（4-2）计算C′_b(Y)和C′_r(Y)，C′_b(Y)和C′_r(Y)为YCb’Cr’颜色空间的值；

S3：利用公式（5）计算像素点在YCb’Cr’颜色空间对应的色彩分量值，根据所述像素点所对应的色彩分量值是否位于肤色所在的YCb’Cr’颜色对应的区域来判断当前场景中人体头部的位置信息，

$D=\sqrt{{(C_b^{\&prime;}(i,j)-150)}^2+{(C_r^{\&prime;}(i,j)-110)}^2}---\left(5\right)$

若D>D_th，则该像素位于人体头部，

若D<D_th，则该像素为非人体头部信息；

其中，C′_b(i,j)和C′_r(i,j)分别为像素(i,j)在YCb’Cr’颜色空间对应的色彩分量值；D_th代表肤色所在的YCb’Cr’颜色对应的区域的色彩分量阈值。

所述跌倒动作检测模块通过检测人体头部的运动速度来判断是否发生跌倒动作，包括，

获取人体头部在同一场景内的N个视频信号采集模块的图像空间的最大值速度值，采用公式（6）计算R：

$R=\frac{v}{A}---\left(6\right)$

若R＞R_Th，则判断发生了跌倒的情况；

若R＜R_Th，则判断未发生跌倒的情况；

其中，R_Th为阈值；A为人体头部区域在图像中的面积；所述视频信号采集模块用于对其所覆盖区域内的场景实时进行视频信号采集。

本发明的技术方案，可实时对家具中多个独立居室实施视频监控，除能够提供实时的不间断的视频图像的远程访问功能外，还具有人体意外跌倒检测功能，并能够及时以无线传输方式进行报警且自动保存跌倒情况发生前后的视频信息以便回溯。本发明的技术方案可大大节省人力成本，具有不易受遮挡，全方位视频监测，检测准确，报警及时，报警信号丰富，使用方便等优点。

附图说明

图1为本发明实施例的用于人体跌倒检测的智能视频监控系统结构框图；

图2为本发明实施例的用于人体跌倒检测的方法流程图。

具体实施方式

为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以详细说明。

图1为本发明实施例的用于人体跌倒检测的智能视频监控系统结构框图。如图1所示，所述系统包括视频信号采集模块1、人体跟踪与定位模块3、跌倒动作检测模块4和视频信息智能存储模块5。所述视频信号采集模块1同时与人体跟踪与定位模块3和视频信息智能存储模块5连接，所述人体跟踪与定位模块3与跌倒动作检测模块4连接，所述跌倒动作检测模块4与视频信息智能存储模块5连接。

所述视频信号采集模块1包括至少两个第一视频信号采集模块101和至少一个第二视频信号采集模块102，所述第一视频信号采集模块101分散于同一场景的不同位置，分别采集不同角度的场景信息；所述第二视频信号采集模块102用于把第一视频信号采集模块采集到的同一场景的不同角度的视频信息输出。

所述第一视频信号采集模块101与第二视频信号采集模块102连接，可实现同一场景中不同角度的多路视频信号的实时采集。所述第二视频信号采集模块102同时与人体跟踪与定位模块3、视频信息智能存储模块5连接。人体跟踪与定位模块3和视频信息智能存储模块5同时与至少一个（如2～10个）第二视频信号采集模块102连接，每一个第二视频信号采集模块与至少两个第一视频信号采集模块101连接。所述人体跟踪与定位模块3与跌倒动作检测模块4连接。人体跟踪与定位模块3对多个第二视频信号采集模块102输出的视频信号进行分析，判断独居老人所处的场景。跌倒动作检测模块4根据判断人体跟踪与定位模块3提供的结果，对相应场景的多路视频信号进行监视和分析。所述跌倒动作检测模块4与视频信息智能存储模块5连接。视频信息智能存储模块5实时地保存当前时刻5分钟前到当前时刻这一时间段的视频信息，当跌倒动作检测模块4的输出为“是”时，将当前时刻前2分钟至当前时刻后2分钟的视频信息单独存储。

所述系统还包括报警模块6，所述报警模块6分别与视频信息智能存储模块5和跌倒动作检测模块4连接。报警模块6可在跌倒动作检测模块4的输出为“是”时将从视频信息智能存储模块5获取当前时刻的视频图像通过无线传输方式发送给相关人员进行报警。所述报警模块包括GSM彩信报警器。

所述系统还包括远程访问服务器模块2，所述远程访问服务器模块2与视频信号采集模块1连接，用于对用户提供基于计算机网络的视频访问服务。

下面通过一个具体实施方式，对所述智能视频监控系统进行阐述。

实施本发明的技术方案，家居内每个居室的天花板的四个角各装有一个第一视频信号采集模块101，每个第一视频信号采集模块101均可最大限度地拍摄到该居室内的场景，多角度的拍摄可以解决独居老人被家具等物品遮挡的问题。同一居室内的第一视频信号采集模块101都连接到一个单居室第二视频信号采集模块102。每个单居室第二视频信号采集模块102均与远程访问服务器模块2、人体跟踪与定位模块3和视频信息智能存储模块5连接。远程访问服务器模块2提供基于Web的视频服务器功能，用户可通过计算机网络对其视频进行访问，以实时了解独居老人的活动情况。人体跟踪与定位模块3对多个居室内的多路视频信号进行分析，判断独居老人所处的居室，并跟踪独居老人的运动。人体跟踪与定位模块3与跌倒动作检测模块4连接。跌倒动作检测模块4根据判断人体跟踪与定位模块3提供的结果，对相应居室的4路视频信号进行监视和分析，检测该居室内的独居老人是否发生意外跌倒的状况。视频信息智能存储模块5实时地保存当前时刻5分钟前到当前时刻这一时间段的视频信息。跌倒动作检测模块4同时与视频信息智能存储模块5、GSM彩信报警模块6连接。当跌倒动作检测模块4的输出为“是”时，视频信息智能存储模块5将当前时刻前2分钟至当前时刻后2分钟共4分钟的视频信息单独存储，用户可以进行回溯访问。同时，GSM彩信报警模块6将从视频信息智能存储模块5获取当前时刻的视频图像向相关人员发送GSM彩信，以作图文报警。

其中，所述人体跟踪与定位模块包括第一颜色空间转换单元、第二颜色空间转换单元和人体头部判断单元，

所述第一颜色空间转换单元用于将所述视频信号采集模块输出的RGB格式的彩色图像利用公式（1）转换到YCbCr颜色空间，

$\left\{\begin{array}{c}Y=0.229R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.5B+123\\ \mathrm{Cr}=0.5R-0.4187G-0.0813B+123\end{array}\right.---\left(1\right)$

其中，R、G、B分别为对应的RGB彩色图像的红色、绿色、蓝色分量，Y为亮度分量，Cb为蓝色分量，Cr为红色分量；

所述第二颜色空间转换单元用于将所述YCbCr颜色空间利用下述公式（2-1）、公式（2-2）、公式（3-1）、公式（3-2）、公式（4-1）和公式（4-2）非线性变换到YCb’Cr’空间，

取K_l=125,K_h＝188,Y_min=16,Y_max=235，其中K_l，K_h，Y_max，Y_min为下述公式中的变量参数；

${\stackrel{\&OverBar;}{C}}_b\left(Y\right)=\left\{\begin{array}{c}108+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 108+\frac{10(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-1)$

${\stackrel{\&OverBar;}{C}}_r\left(Y\right)=\left\{\begin{array}{c}154+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 154+\frac{22(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-2)$

根据公式（2-1）和公式（2-2）计算

和和

为中间变量；

$W_{C_b}\left(Y\right)=\left\{\begin{array}{c}23+\frac{23.97(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 14+\frac{32.97(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-1)$

$W_{C_r}\left(Y\right)=\left\{\begin{array}{c}20+\frac{18.76(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 10+\frac{28.76(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-2)$

根据公式（3-1）和公式（3-2）计算和

和

为中间变量；

$C_b^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_b\left(Y\right)-{\stackrel{\&OverBar;}{C}}_b\left(Y\right)\frac{W_{C_b}}{W_{C_b}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_b\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_b\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-1)$

$C_r^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_r\left(Y\right)-{\stackrel{\&OverBar;}{C}}_r\left(Y\right)\frac{W_{C_r}}{W_{C_r}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_r\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_r\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-2)$

根据公式（4-1）和公式（4-2）计算C′_b(Y)和C′_r(Y)，C′_b(Y)和C′_r(Y)为YCb’Cr’颜色空间的值；

所述人体头部判断单元用于利用公式（5）计算像素点在YCb’Cr’颜色空间对应的色彩分量值，根据所述像素点所对应的色彩分量值是否位于肤色所在的YCb’Cr’颜色对应的区域来判断当前场景中人体头部的位置，

$D=\sqrt{{(C_b^{\&prime;}(i,j)-150)}^2+{(C_r^{\&prime;}(i,j)-110)}^2}---\left(5\right)$

若D>D_th，则该像素位于人体头部，

若D<D_th，则该像素为非人体头部信息；

其中，C′_b(i,j)和C′_r(i,j)分别为像素(i,j)在YCb’Cr’颜色空间对应的色彩分量值；D_th代表肤色所在的YCb’Cr’颜色对应的区域的色彩分量阈值。

所述跌倒动作检测模块通过检测人体头部的运动速度，并与预设的运动速度的阈值进行比较，来判断是否发生人体跌倒动作。

图2为本发明实施例的用于人体跌倒检测的方法流程图。如图2所示，所述方法包括，

对同一场景从不同的角度进行视频信号采集并输出；

采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位；

根据人体头部的运行速度判断在有人存在的场景位置中是否发生人体跌倒动作。

其中，所述采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位，包括，

S1：将所述视频信号采集模块输出的RGB格式的彩色图像利用公式（1）转换到YCbCr颜色空间，

$\left\{\begin{array}{c}Y=0.229R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.5B+123\\ \mathrm{Cr}=0.5R-0.4187G-0.0813B+123\end{array}\right.---\left(1\right)$

其中，R、G、B分别为对应的RGB彩色图像的红色、绿色、蓝色分量，Y为亮度分量，Cb为蓝色分量，Cr为红色分量；

S2：将所述YCbCr颜色空间利用下述公式（2-1）、公式（2-2）、公式（3-1）、公式（3-2）、公式（4-1）和公式（4-2）将YCbCr颜色空间非线性变换到YCb’Cr’空间，

取K_l=125,K_h＝188,Y_min=16,Y_max=235，其中K_l，K_h，Y_max，Y_min为下述公式中的变量参数；

${\stackrel{\&OverBar;}{C}}_b\left(Y\right)=\left\{\begin{array}{c}108+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 108+\frac{10(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-1)$

${\stackrel{\&OverBar;}{C}}_r\left(Y\right)=\left\{\begin{array}{c}154+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 154+\frac{22(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-2)$

根据公式（2-1）和公式（2-2）计算

和和为中间变量；

$W_{C_b}\left(Y\right)=\left\{\begin{array}{c}23+\frac{23.97(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 14+\frac{32.97(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-1)$

$W_{C_r}\left(Y\right)=\left\{\begin{array}{c}20+\frac{18.76(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 10+\frac{28.76(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-2)$

根据公式（3-1）和公式（3-2）计算

和

和

为中间变量；

$C_b^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_b\left(Y\right)-{\stackrel{\&OverBar;}{C}}_b\left(Y\right)\frac{W_{C_b}}{W_{C_b}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_b\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_b\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-1)$

$C_r^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_r\left(Y\right)-{\stackrel{\&OverBar;}{C}}_r\left(Y\right)\frac{W_{C_r}}{W_{C_r}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_r\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_r\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-2)$

根据公式（4-1）和公式（4-2）计算C′b(Y)和C′r(Y)，C′b(Y)和C′r(Y)为YCb’Cr’颜色空间的值；

S3：利用公式（5）计算像素点在YCb’Cr’颜色空间对应的色彩分量值，根据所述像素点所对应的色彩分量值是否位于肤色所在的YCb’Cr’颜色对应的区域来判断当前场景中人体头部的位置信息，

$D=\sqrt{{(C_b^{\&prime;}(i,j)-150)}^2+{(C_r^{\&prime;}(i,j)-110)}^2}---\left(5\right)$

若D>D_th，则该像素位于人体头部，

若D<D_th，则该像素为非人体头部信息；

其中，C′_b(i,j)和C′_r(i,j)分别为像素(i,j)在YCb’Cr’颜色空间对应的色彩分量值；D_th代表肤色所在的YCb’Cr’颜色对应的区域的色彩分量阈值。

所述跌倒动作检测模块通过检测人体头部的运动速度来判断是否发生跌倒动作，包括，

获取人体头部在同一场景内的N个视频信号采集模块的图像空间的最大值速度值，采用公式（6）计算R：

$R=\frac{v}{A}---\left(6\right)$

若R＞R_Th，则判断发生了跌倒的情况；

若R＜R_Th，则判断未发生跌倒的情况；

其中，R_Th为阈值；A为人体头部区域在图像中的面积；所述视频信号采集模块用于对其所覆盖区域内的场景实时进行视频信号采集。

其中，设人体头部在同一场景内的N个视频信号采集模块的图像空间的速度为v_i(i＝1,2,3,......N)，取其中的最大值作为速度值，即v＝max(v_i),i＝1,2,3,......N。

本发明的技术方案，可实时对多居室实施视频监控，除能够提供实时的不间断的视频图像的远程访问功能外，还具有人体意外跌倒检测功能，并能够及时以无线传输方式进行报警且自动保存跌倒情况发生前后的视频信息以便回溯。本发明的技术方案可大大节省人力成本，具有不易受遮挡，全方位视频监测，检测准确，报警及时，报警信号丰富，使用方便等优点。

上述仅为本发明的较佳实施例及所运用技术原理，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围内。

Claims (10)

1.一种用于人体跌倒检测的智能视频监控系统，其特征在于，所述系统包括视频信号采集模块、人体跟踪与定位模块、跌倒动作检测模块、视频信息智能存储模块，其特征在于，所述视频信号采集模块同时与人体跟踪与定位模块和视频信息智能存储模块连接，所述人体跟踪与定位模块与跌倒动作检测模块连接，所述跌倒动作检测模块与视频信息智能存储模块连接；其中，

所述视频信号采集模块用于对其所覆盖区域内的同一场景从不同的角度进行视频信号采集并输出；

所述人体跟踪与定位模块用于采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位；

所述跌倒动作检测模块用于根据人体头部的运行速度判断在有人存在的场景位置中是否发生人体跌倒动作；

所述视频信息智能存储模块用于按照设定时间段存储有人存在的场景位置中的场景信息并在发生人体跌倒的情况下，将跌倒动作发生前后预定时间段的视频信息进行单独存储。

2.根据权利要求1所述的用于人体跌倒检测的智能视频监控系统，其特征在于，所述系统还包括报警模块，所述报警模块分别与视频信息智能存储模块和跌倒动作检测模块连接，所述报警模块用于在跌倒动作检测模块判断出人体发生跌倒时，将从视频信息智能存储模块获取的跌倒视频信息发送给相关人员进行报警。

3.根据权利要求2所述的用于人体跌倒检测的智能视频监控系统，其特征在于，所述报警模块通过无线传输方式进行报警。

4.根据权利要求1或2所述的用于人体跌倒检测的智能视频监控系统，其特征在于，所述视频信号采集模块包括至少两个第一视频信号采集模块和至少一个第二视频信号采集模块，所述第一视频信号采集模块分散于同一场景的不同位置，分别采集不同角度的场景信息；所述第二视频信号采集模块用于把第一视频信号采集模块采集到的同一场景的不同角度的视频信息输出。

5.根据权利要求1或2所述的用于人体跌倒检测的智能视频监控系统，其特征在于，所述人体跟踪与定位模块包括第一颜色空间转换单元、第二颜色空间转换单元和人体头部判断单元，

其中，所述第一颜色空间转换单元用于将所述视频信号采集模块输出的RGB格式的彩色图像利用公式（1）转换到YCbCr颜色空间，

$\left\{\begin{array}{c}Y=0.229R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.5B+123\\ \mathrm{Cr}=0.5R-0.4187G-0.0813B+123\end{array}\right.---\left(1\right)$

其中，R、G、B分别为对应的RGB彩色图像的红色、绿色、蓝色分量，Y为亮度分量，Cb为蓝色分量，Cr为红色分量；

所述第二颜色空间转换单元用于将所述YCbCr颜色空间利用下述公式（2-1）、公式（2-2）、公式（3-1）、公式（3-2）、公式（4-1）和公式（4-2）非线性变换到YCb’Cr’空间，

取K_l=125,K_h=188,Y_min=16,Y_max=235，其中K_l，K_h，Y_max，Y_min为下述公式中的变量参数；

${\stackrel{\&OverBar;}{C}}_b\left(Y\right)=\left\{\begin{array}{c}108+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 108+\frac{10(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-1)$

${\stackrel{\&OverBar;}{C}}_r\left(Y\right)=\left\{\begin{array}{c}154+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 154+\frac{22(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-2)$

根据公式（2-1）和公式（2-2）计算

和

和为中间变量；

$W_{C_b}\left(Y\right)=\left\{\begin{array}{c}23+\frac{23.97(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 14+\frac{32.97(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-1)$

$W_{C_r}\left(Y\right)=\left\{\begin{array}{c}20+\frac{18.76(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 10+\frac{28.76(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-2)$

根据公式（3-1）和公式（3-2）计算

和和

为中间变量；

$C_b^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_b\left(Y\right)-{\stackrel{\&OverBar;}{C}}_b\left(Y\right)\frac{W_{C_b}}{W_{C_b}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_b\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_b\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-1)$

$C_r^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_r\left(Y\right)-{\stackrel{\&OverBar;}{C}}_r\left(Y\right)\frac{W_{C_r}}{W_{C_r}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_r\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_r\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-2)$

根据公式（4-1）和公式（4-2）计算C′_b(Y)和C′_r(Y)，C′_b(Y)和C′_r(Y)为YCb’Cr’颜色空间的值；

所述人体头部判断单元用于利用公式（5）计算像素点在YCb’Cr’颜色空间对应的色彩分量值，根据所述像素点所对应的色彩分量值是否位于肤色所在的YCb’Cr’颜色对应的区域来判断当前场景中人体头部的位置，

$D=\sqrt{{(C_b^{\&prime;}(i,j)-150)}^2+{(C_r^{\&prime;}(i,j)-110)}^2}---\left(5\right)$

若D>D_th，则该像素位于人体头部，

若D<D_th，则该像素为非人体头部信息；

其中，C′_b(i,j)和C′_r(i,j)分别为像素(i,j)在YCb’Cr’颜色空间对应的色彩分量值；D_th代表肤色所在的YCb’Cr’颜色对应的区域的色彩分量阈值。

6.根据权利要求1或2所述的用于人体跌倒检测的智能视频监控系统，其特征在于，所述跌倒动作检测模块通过检测人体头部的运动速度，并与预设的运动速度的阈值进行比较，来判断是否发生人体跌倒动作。

7.根据权利要求1或2所述的用于人体跌倒检测的智能视频监控系统，其特征在于，所述系统还包括远程访问服务器模块，所述远程访问服务器模块用于提供远程视频访问服务。

8.一种用于人体跌倒检测的方法，所述方法包括，

对同一场景从不同的角度进行视频信号采集并输出；

采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位；

根据人体头部的运行速度判断在有人存在的场景位置中是否发生人体跌倒动作。

9.根据权利要求8所述的人体跌倒检测方法，其特征在在于，所述采用人体头部识别方式对视频图像中有人存在的场景进行人体头部定位，包括，

S1：将所述视频信号采集模块输出的RGB格式的彩色图像利用公式（1）转换到YCbCr颜色空间，

$\left\{\begin{array}{c}Y=0.229R+0.587G+0.114B\\ \mathrm{Cb}=-0.1687R-0.3313G+0.5B+123\\ \mathrm{Cr}=0.5R-0.4187G-0.0813B+123\end{array}\right.---\left(1\right)$

其中，R、G、B分别为对应的RGB彩色图像的红色、绿色、蓝色分量，Y为亮度分量，Cb为蓝色分量，Cr为红色分量；

S2：将所述YCbCr颜色空间利用下述公式（2-1）、公式（2-2）、公式（3-1）、公式（3-2）、公式（4-1）和公式（4-2）将YCbCr颜色空间非线性变换到YCb’Cr’空间，

取K_l=125,K_h＝188,Y_min=16,Y_max=235，其中K_l，K_h，Y_max，Y_min为下述公式中的变量参数；

${\stackrel{\&OverBar;}{C}}_b\left(Y\right)=\left\{\begin{array}{c}108+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 108+\frac{10(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-1)$

${\stackrel{\&OverBar;}{C}}_r\left(Y\right)=\left\{\begin{array}{c}154+\frac{10(K_l-Y)}{K_l-Y_{\min }},\mathrm{ifY}<K_l\\ 154+\frac{22(Y-K_h)}{Y_{\max }-K_h},\mathrm{ifY}>K_h\end{array}\right.---(2-2)$

根据公式（2-1）和公式（2-2）计算

和

和

为中间变量；

$W_{C_b}\left(Y\right)=\left\{\begin{array}{c}23+\frac{23.97(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 14+\frac{32.97(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-1)$

$W_{C_r}\left(Y\right)=\left\{\begin{array}{c}20+\frac{18.76(Y-Y_{\min })}{K_l-Y_{\min }}\mathrm{ifY}<K_l\\ 10+\frac{28.76(Y_{\max }-Y)}{Y_{\max }-K_h}\mathrm{ifY}>K_h\end{array}\right.---(3-2)$

根据公式（3-1）和公式（3-2）计算

和

和

为中间变量；

$C_b^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_b\left(Y\right)-{\stackrel{\&OverBar;}{C}}_b\left(Y\right)\frac{W_{C_b}}{W_{C_b}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_b\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_b\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-1)$

$C_r^{\&prime;}\left(Y\right)=\left\{\begin{array}{c}(C_r\left(Y\right)-{\stackrel{\&OverBar;}{C}}_r\left(Y\right)\frac{W_{C_r}}{W_{C_r}\left(Y\right)}+{\stackrel{\&OverBar;}{C}}_r\left(K_h\right),\mathrm{ifY}<K_l\mathrm{orY}>K_h\\ C_r\left(Y\right),\mathrm{ifY}\&Element;[K_l,K_h]\end{array}\right.---(4-2)$

根据公式（4-1）和公式（4-2）计算C′_b(Y)和C′_r(Y)，C′_b(Y)和C′_r(Y)为YCb’Cr’颜色空间的值；

S3：利用公式（5）计算像素点在YCb’Cr’颜色空间对应的色彩分量值，根据所述像素点所对应的色彩分量值是否位于肤色所在的YCb’Cr’颜色对应的区域来判断当前场景中人体头部的位置信息，

$D=\sqrt{{(C_b^{\&prime;}(i,j)-150)}^2+{(C_r^{\&prime;}(i,j)-110)}^2}---\left(5\right)$

若D>D_th，则该像素位于人体头部，

若D<D_th，则该像素为非人体头部信息；

其中，C′_b(i,j)和C′_r(i,j)分别为像素(i,j)在YCb’Cr’颜色空间对应的色彩分量值；D_th代表肤色所在的YCb’Cr’颜色对应的区域的色彩分量阈值。

10.根据权利要求8所述的人体跌倒检测方法，其特征在在于，所述跌倒动作检测模块通过检测人体头部的运动速度来判断是否发生跌倒动作，包括，

获取人体头部在同一场景内的N个视频信号采集模块的图像空间的最大值速度值，采用公式（6）计算R：

$R=\frac{v}{A}---\left(6\right)$

若R＞R_Th，则判断发生了跌倒的情况；

若R＜R_Th，则判断未发生跌倒的情况；

其中，R_Th为阈值；A为人体头部区域在图像中的面积；所述视频信号采集模块用于对其所覆盖区域内的场景实时进行视频信号采集。

Images