CN103961108B - 跌倒侦测方法 - Google Patents
跌倒侦测方法 Download PDFInfo
- Publication number
- CN103961108B CN103961108B CN201310048325.2A CN201310048325A CN103961108B CN 103961108 B CN103961108 B CN 103961108B CN 201310048325 A CN201310048325 A CN 201310048325A CN 103961108 B CN103961108 B CN 103961108B
- Authority
- CN
- China
- Prior art keywords
- personnel
- time
- abnormity
- edge
- detecting
- 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.)
- Expired - Fee Related
Links
Landscapes
- Image Analysis (AREA)
Abstract
一种跌倒侦测方法,由一监视系统执行,包含以下步骤:依据摄像机传送之影像识别出有人员进入目标区域;针对一目前影像判定出所述人员的多个边缘并加以分类,计算出方向为垂直的一垂直边缘方向比例;判断所述垂直边缘方向比例是否小于一预设比例阈值,若是则令异常次数加1并纪录所述的目前影像对应的时间;判断目前影像对应的时间与第一次异常时间或上一次异常时间的间距是否不超过一预设时间长度,若否则归零所述的异常次数,若是则判断所述的异常次数是否大于一预设次数,若大于判断为发生跌倒并进行相关输出。借此精确快速地侦测是否有人员跌倒。
Description
技术领域
本发明涉及一种人身安全的异常状况侦测方法,特别是涉及一种跌倒侦测方法。
背景技术
跌倒是老人意外死亡的主要原因,由于老年人因老化而身体协调度较低,加上跌倒后常无法及时获得救助,而造成更大的伤害,纵使是一般人,严重的跌倒时也需要及时的协助。
一种侦测跌倒的方法,是让欲侦测的对像携带感测器,除了造成携带者行为不便,能侦测对象也十分受限,只有跌倒的高危险群才会在事先就携带感测器,况且在使用者忘记携带感测器时,更无作用。
也有利用影像识别技术,在一般的监视录影的基础上,侦测是否有人员跌倒的异常状况并发出警报,然而其信息处理方式,大多是详细区分出肢体,并事先定义各种跌倒的动作与姿势,再以比对特征的方式识别动作。但现实生活中,人体高矮胖瘦、肢体动作十分多样,并不容易作出精准又通用的定义,以致于现有技术对于异常状况的识别效果不佳,经常误发警报或因无法侦测异常状况而未能及时发出警报。
发明内容
因此,本发明的目的,即在提供一种跌倒侦测方法。
因此,本发明的目的,即在提供一种可利用影像精确识别人员跌倒而及时进行相关输出的跌倒侦测方法。
于是本发明跌倒侦测方法,由一监视系统执行,所述的监视系统包括一朝一目标区域取像的摄像机,及一接收来自所述摄像机的影像的处理单元,所述的方法包含以下由所述的处理单元执行的步骤:
(A)依据所述摄像机传送的影像识别出有人员进入所述的目标区域,设定一异常次数为0;
(B)针对一目前影像判定出所述人员的多个边缘,并将所述边缘依预定的多个边缘方向加以分类,计算出方向为垂直的边缘数量占所有边缘数量总和的一垂直边缘方向比例;
(C)判断所述垂直边缘方向比例是否小于一预设比例阈值,若是则进行步骤(D);
(D)令所述的异常次数加1并纪录所述的目前影像对应的时间;及
(E)判断目前影像对应的时间与第一次异常时间或上一次异常时间的间距是否不超过一预设时间长度,若是则进行步骤(F),若否则回到步骤(A);
(F)判断所述的异常次数是否大于一预设次数,若是则进行步骤(G),若否则回到步骤(B);及
(G)判断为发生跌倒并进行相关输出。
较佳地,其中,所述步骤(B)还计算代表所述人员倾斜程度的一人员身体角度,所述步骤(C)还判断所述人员身体角度是否大于一预设角度阈值,若所述的二判断条件皆成立,才进行所述步骤(D)。
较佳地,其中,所述步骤(B)是将所述边缘分类为与垂直方向夹0度、45度、90度与135度的四个边缘方向。
本发明的有益效果在于:利用垂直边缘方向比例、人员身体角度与时间等参数进行综合性逻辑判断,可在不耗费庞大演算资源的情况下精准地发现人员跌倒的情况。
应理解,在本发明范围内中,本发明的上述各技术特征和在下文(如实施例)中具体描述的各技术特征之间都可以互相组合,从而构成新的或优选的技术方案。限于篇幅,在此不再一一累述。
附图说明
图1是一用以说明本发明跌倒侦测方法的较佳实施例流程图。
图2是一用以说明没有跌倒发生的情况影像图;
图3是一用以说明有跌倒发生的情况影像图;
图4是一用以说明有跌倒发生的情况的侦测结果序列影像图;及
图5是一用以说明没有跌倒发生的情况的侦测结果序列影像图。
具体实施方式
下面结合附图及实施例对本发明进行详细说明:
参阅图1,本发明一种跌倒侦测方法,由一监视系统执行,当人员进入目标区域,可启动侦测人员是否有跌倒的异常状况。所述的监视系统包括一朝一目标区域取像的摄像机,及一接收来自所述摄像机的影像的处理单元,所述的方法包含以下步骤:
步骤S11—所述摄像机持续对所述的目标区域取像,取得序列影像。
以下步骤由所述的处理单元依据所述摄像机传送的影像进行处理。
步骤S12—侦测是否有人员进入,也就是识别是否有单一或多个人员进入所述的目标区域。本步骤非本发明主要技术特征所在,具体技术手段不以特定手段为限,可以利用例如前景追踪或区域式追踪(Region-BasedTracking),以目前影像与背景影像相减来侦测出变化区域再进一步设定规则做筛选;或者利用轮廓追踪(Contour-BasedTracking),找出轮廓线并依据轮廓线的改变进行追踪;或者利用特征追踪(Feature-BasedTracking),先针对要追踪的物体获取特征,例如重心、面积等,在比对连续影像间的特征来追踪物体;又或者利用模型追踪(Model-BasedTracking),首先建立物体模型、建立运动模型,再搜寻从连续影像中比对而找出物体。本步骤的人员追踪会产生一代表人员所在区域的追踪框(如图2方框所示)。
步骤S13—设定一异常次数为0、计数参数i为0。接着进行步骤S14的垂直边缘方向比例条件判断,以及步骤S15的人员身体角度条件判断,并且在步骤S16针对条件判断结果综合判断。其中步骤S14包括步骤S141至步骤S143,步骤S14包括步骤S151及步骤S152。
步骤S141—针对一目前影像判定出所述人员的一由多个边缘组成的轮廓线。具体计算方式详述如下。以步骤S12已执行的人员追踪产生的追踪框来作为取样范围,接着将所述的取样区域分割成多个小取样区域,对各个小取样区域做索贝尔(Sobel)梯度方向运算,即可求出各个小取样区域的边缘方向分布情况,每个像素点都会被分类为有方向的0°、45°、90°、135°等四类与没有方向的一类。
接着,再计算出每个小取样区域中四个边缘方向各自所占的比例,比例最高的类别,即是代表所述的小取样区域的特性,若是属于有方向的类别,所述的小取样区域就是一边缘,否则即属于无方向的类别,非边缘。各个边缘的分布集合即为所述的轮廓线。
步骤S142─计算所述边缘中,属于0°的即垂直的边缘数量,占所有边缘数量总和的一垂直边缘方向比例。
步骤S143─判断所述垂直边缘方向比例是否小于一预设比例阈值,并记录此步骤的判断结果,也就是垂直边缘方向比例条件判断结果。预设比例阈值因应不同的场景或影像品质而可以做调整,举例来说:某一场景的人员如果站着时其垂直边缘方向比例若为1.0~0.5,那我们即可设预设比例阈值为0.45,只要垂直边缘方向比例小于所述的预设比例阈值的话则垂直边缘方向比例条件即算达成。
步骤S151—算计代表所述人员倾斜程度的一人员身体角度。在本实施例中,人员身体角度计算是将人员所在的前景区域以椭圆方式近似,计算椭圆的倾斜角度即可得到所述人员身体角度。
步骤S152—判断所述人员身体角度是否大于一预设角度阈值,并记录此步骤的判断结果,也就是人员身体角度条件判断结果。同样地,预设角度阈值也因应不同的场景或影像品质而可以做调整,举例来说:某一场景的人员身体角度在站立时如果为0~40的话,那我们即可设45为预设角度阈值,只要角度大于所述的预设角度阈值的话人员身体角度条件即算达成。
步骤S16—针对步骤S143的垂直边缘方向比例条件判断结果与步骤S152的人员身体角度条件判断结果,分析是否两条件皆成立?若是,则表示在所述的目前影像获取当时人员有跌倒的情况发生,因此进行步骤S17,若否,则回到步骤S13的后,取下一张影像进行步骤S14及S15的条件判断。
步骤S17—令所述的异常次数加1、令所述的计数参数i加1,并纪录时间Ti为所述的目前影像对应的时间。
步骤S18—判断目前影像对应的时间Ti与第一次异常时间T1或上一次异常时间Ti-1的间距是否不超过一预设时间长度,若是则代表人员跌倒的状态可能是持续的,而非偶发暂态,因此接着进行步骤S18,若否则回到步骤S13进行归零,重新起算异常次数。本实施例是以Ti-T1举例说明,预设时间长度为3秒,但本发明不以此为限。
步骤S19—判断所述的异常次数是否大于一预设次数,若是则表示所述的目前影像获取当时人员跌倒的状态是持续,可能是较为严重的跌倒状态,因此进行步骤S20,若否则回到步骤S13的后,取下一张影像进行步骤S14及S15的条件判断。
步骤S20—判断为发生人员跌倒的情况并进行相关输出,例如使所述的目标区域的警报器发出警鸣声,或者在配合的医护人员监控的显示幕提示有异常状况。
利用上述演算技术,针对如图2及图3的影像进行跌倒侦测,图中方形的追踪框上方的三个数字分别代表人员身体角度的原始值、垂直边缘方向比例及异常次数。
就人员身体角度而言,在图2中,人员身体角度的原始值为-18°,由于人员倾斜程度只需考虑人员身体与垂直方向的夹角,正负号不予考虑,在计算的意义上则是取绝对值,因此图2的人员身体角度为18°,而在图3中,人员身体角度为75°,因此图3的75°大于图2的18°,图3的人员较图2的人员还趋近于跌倒的状态。
就垂直边缘方向比例而言,图3的0.37小于图2的0.52,图3的人员垂直边缘方向比例较低、较图2的人员还趋近于跌倒的状态。
再考虑针对如图4所示的序列影像,处理过程中每当流程进行到步骤S17,异常次数有逐渐累积,当累积到预设次数,即发出警报。针对如图5所示的序列影像,由于人员正常行走的行为没有跌倒的情况,每当流程进行到步骤S17,异常次数不会累积,因此不会发出警报。
综上所述,本发明跌倒侦测方法的较佳实施例,利用垂直边缘方向比例、人员身体角度与时间等参数进行综合性逻辑判断,可在不耗费庞大演算资源的情况下精准地发现人员跌倒的情况,故确实能达成本发明的目的。
唯以上所述者,仅为本发明的较佳实施例而已,当不能以此限定本发明实施的范围,即大凡依本发明申请专利范围及专利说明书内容所作的简单的等效变化与修饰,皆仍属本发明专利涵盖的范围内。
在本发明提及的所有文献都在本申请中引用作为参考,就如同每一篇文献被单独引用作为参考那样。此外应理解,在阅读了本发明的上述讲授内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (3)
1.一种跌倒侦测方法,由一监视系统执行,所述的监视系统包括一朝一目标区域取像的摄像机,及一接收来自所述摄像机的影像的处理单元,其特征在于,所述的方法包含以下由所述的处理单元执行的步骤:
(A)依据所述摄像机传送的影像识别出有人员进入所述的目标区域,设定一异常次数为0;
(B)针对一目前影像判定出所述人员的多个边缘,并将所述边缘依预定的多个边缘方向加以分类,计算出方向为垂直的边缘数量占所有边缘数量总和的一垂直边缘方向比例;
(C)判断所述垂直边缘方向比例是否小于一预设比例阈值,若是则进行步骤(D);
(D)令所述的异常次数加1并纪录所述的目前影像对应的时间;及
(E)判断目前影像对应的时间与第一次异常时间或上一次异常时间的间距是否不超过一预设时间长度,若是则进行步骤(F),若否则回到步骤(A);
(F)判断所述的异常次数是否大于一预设次数,若是则进行步骤(G),若否则回到步骤(B);及
(G)判断为发生跌倒并进行相关输出。
2.如权利要求1所述的跌倒侦测方法,其特征在于:所述步骤(B)还计算代表所述人员倾斜程度的一人员身体角度,所述步骤(C)还判断所述人员身体角度是否大于一预设角度阈值,若所述的两个判断条件皆成立,才进行所述步骤(D)。
3.如权利要求1所述的跌倒侦测方法,其特征在于:所述步骤(B)是将所述边缘分类为与垂直方向夹0度、45度、90度与135度的四个边缘方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310048325.2A CN103961108B (zh) | 2013-02-06 | 2013-02-06 | 跌倒侦测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310048325.2A CN103961108B (zh) | 2013-02-06 | 2013-02-06 | 跌倒侦测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103961108A CN103961108A (zh) | 2014-08-06 |
CN103961108B true CN103961108B (zh) | 2015-12-23 |
Family
ID=51231468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310048325.2A Expired - Fee Related CN103961108B (zh) | 2013-02-06 | 2013-02-06 | 跌倒侦测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103961108B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303769A (zh) * | 2015-10-30 | 2016-02-03 | 安徽云硕科技有限公司 | 一种全方位智慧居家养老方法 |
CN105380622A (zh) * | 2015-11-14 | 2016-03-09 | 合肥骇虫信息科技有限公司 | 一种用于健康预警的多数据监控方法 |
CN105404778A (zh) * | 2015-11-14 | 2016-03-16 | 合肥骇虫信息科技有限公司 | 一种智能化看护方法 |
CN108261176B (zh) * | 2017-12-28 | 2021-06-04 | 深圳京柏医疗科技股份有限公司 | 胎心监护数据处理方法、装置、系统、存储介质和计算机设备 |
CN112287759A (zh) * | 2020-09-26 | 2021-01-29 | 浙江汉德瑞智能科技有限公司 | 基于关键点的跌倒检测方法 |
CN116898425A (zh) * | 2023-08-22 | 2023-10-20 | 深圳市易维鹰途科技有限公司 | 跌倒检测方法、装置、电子设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009498A (ja) * | 2006-06-27 | 2008-01-17 | Megachips System Solutions Inc | 転倒検知装置、プログラム、転倒検知方法、及び転倒検知システム |
CN101576953A (zh) * | 2009-06-10 | 2009-11-11 | 北京中星微电子有限公司 | 一种人体姿态的分类方法和装置 |
CN102722715A (zh) * | 2012-05-21 | 2012-10-10 | 华南理工大学 | 一种基于人体姿势状态判决的跌倒检测方法 |
CN102831750A (zh) * | 2012-08-24 | 2012-12-19 | 张颖锋 | 用于人体跌倒检测的智能视频监控系统及检测方法 |
-
2013
- 2013-02-06 CN CN201310048325.2A patent/CN103961108B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008009498A (ja) * | 2006-06-27 | 2008-01-17 | Megachips System Solutions Inc | 転倒検知装置、プログラム、転倒検知方法、及び転倒検知システム |
CN101576953A (zh) * | 2009-06-10 | 2009-11-11 | 北京中星微电子有限公司 | 一种人体姿态的分类方法和装置 |
CN102722715A (zh) * | 2012-05-21 | 2012-10-10 | 华南理工大学 | 一种基于人体姿势状态判决的跌倒检测方法 |
CN102831750A (zh) * | 2012-08-24 | 2012-12-19 | 张颖锋 | 用于人体跌倒检测的智能视频监控系统及检测方法 |
Non-Patent Citations (2)
Title |
---|
APostureRecognition-Based Fall Detection System for Monitoring an Elderly Person in a Smart Home Environment;Miao Yu et.al.;《IEEE TRANSACTIONS ON INFORMATION TECHNOLOGY IN BIOMEDICINE》;20121130;第16卷(第6期);第1274-1286页 * |
PostureRecognition Based on Fuzzy Logic for Home Monitoring of the Elderly;Damien Brulin et.al;《IEEE TRANSACTIONS ON INFORMAION TECHNOLOGY IN BIOMEDICINE》;20120930;第16卷(第5期);第974-982页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103961108A (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103961108B (zh) | 跌倒侦测方法 | |
US10452925B2 (en) | Video monitoring method and video monitoring device | |
RU2607774C2 (ru) | Способ управления в системе захвата изображения, устройство управления и машиночитаемый носитель данных | |
EP2801078B1 (en) | Context aware moving object detection | |
US9070023B2 (en) | System and method of alerting a driver that visual perception of pedestrian may be difficult | |
CN109299703B (zh) | 对鼠情进行统计的方法、装置以及图像采集设备 | |
US9792505B2 (en) | Video monitoring method, video monitoring system and computer program product | |
CN102521578B (zh) | 一种入侵检测和识别方法 | |
US20180300538A1 (en) | Image processing system, image processing apparatus, image processing method, and image processing program | |
CN105551064B (zh) | 一种基于图像特征估计堆料体积变化率的方法 | |
US10121089B2 (en) | Object information extraction apparatus, object information extraction program, and object information extraction method | |
KR20140045854A (ko) | 단일객체에 대한 기울기를 추정하는 영상을 감시하는 장치 및 방법 | |
TWI493510B (zh) | 跌倒偵測方法 | |
CN104899559B (zh) | 一种基于视频监控的快速行人检测方法 | |
US9478032B2 (en) | Image monitoring apparatus for estimating size of singleton, and method therefor | |
KR101648786B1 (ko) | 객체 인식 방법 | |
KR101542206B1 (ko) | 코아스-파인 기법을 이용한 객체 추출과 추적 장치 및 방법 | |
Worrakulpanit et al. | Human fall detection using standard deviation of C-motion method | |
JPWO2018179119A1 (ja) | 映像解析装置、映像解析方法およびプログラム | |
JP2014182585A (ja) | 画像解析装置、画像解析方法および画像解析プログラム | |
US11354808B2 (en) | Image processing apparatus and method and monitoring system for classifying visual elements as foreground or background | |
TWI695326B (zh) | 物件屬性分析方法及其相關物件屬性分析裝置 | |
Zaihidee et al. | Comparison of human segmentation using thermal and color image in outdoor environment | |
CN108205652A (zh) | 一种吃饭动作的识别方法和装置 | |
US20220028082A1 (en) | Movement indication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20151223 Termination date: 20200206 |
|
CF01 | Termination of patent right due to non-payment of annual fee |