CN104361321A - 一种判断老年人摔倒行为及身体平衡能力的方法 - Google Patents

Abstract

本发明提供一种判断老年人摔倒行为及身体平衡能力的方法。一种判断老年人摔倒行为的方法步骤包括：获取人体场景深度数据；对深度数据进行处理，获取人体关键部位深度数据；通过人体关键部位深度数据，构建人体行为3D框；根据3D框变化识别老年人摔倒行为。本发明还提供了一种判断身体平衡能力的方法。本发明能够有效识别人体行为，从而正确判断老年人摔倒行为及平衡能力，及时给予救助及相应的锻炼建议。

Description

一种判断老年人摔倒行为及身体平衡能力的方法

技术领域

本发明涉及行为识别判断领域，具体涉及一种判断老年人摔倒行为及身体平衡能力的方法。

背景技术

我国已经进入人口老龄化快速发展时期，据全国老龄办统计数据显示，目前有近一半的老人属于城乡空巢家庭或类空巢家庭。专家预计，到2030年我国老龄人口将近3亿，而空巢老人家庭比例或将达到90％，这意味着届时将有超过两亿的空巢老人。由于无人照顾，老人突发疾病抢救不及时，生命也时常受到威胁，这是″空巢″老人面临的一个重要问题--安全。根据世界疾病控制与防护中心提供的数据，每年超过三分之一的年龄大于65岁的老人死于意外摔倒，摔倒成为老人受伤和死亡的重要原因。因此促进了科学家在近几年对于摔倒识别的研究。摔倒可能发生在行走或站立的时候。随着年龄的增长，老年人更有可能会摔倒。有研究指出，每年上年纪的老人至少摔倒一次。同时，从数据中显示摔倒也是引起死亡的重要因素。摔倒的人需要紧急的协助。同时，对于老人的日常看护，往往依靠人员在旁陪同，耗费人力，老人在家中身体健康状况，也仅仅是老人感到不舒服之后才能得到通知，因此，我们的目的就是开发一个高效的、准确的老年人监护系统，对于老人损害性行为进行识别，对于老人健康，能动态的检测。

人体行为识别研究形式多样，内容丰富，既有手势识别、表情分析等局部的识别研究，也有针对独立个体的行为识别研究，还包括群体间的交互行为分析等。总体来说按照数据采集方式可以将人体行为识别研究分为基于非视觉的方式和基于视觉的方式。

基于非视觉的方式主要是利用放置在人体或者人的活动空间内的传感器获取人体运动参数。这种方法获取的人体运动参数较为精确，却会给人们生活带来不便。

相对于前者，基于视觉的方式能够获得更丰富的信息，目前基于视觉的方式是人体行为识别研究的主流方法。

发明内容

本发明的目的之一在于提供一种判断老年人摔倒行为及身体平衡能力的方法，利用该方法能有效识别人体行为，从而正确判断老年人摔倒行为及平衡能力，及时提供救助及给予相应的锻炼建议。

本发明提供一种判断老年人摔倒行为的方法，包括如下步骤：获取人体场景深度数据；对所述深度数据进行处理，获取人体关键部位深度数据；根据所述人体关键部位深度数据，构建人体行为3D框；根据所述3D框变化判断老年人摔倒行为。

进一步的，所述的根据3D框变化判断老年人摔倒行为的步骤包括：计算出所述3D框的各边运动加速度和中心高度；将所述计算得到的数据输入支持向量机(support vectormachine，SVM)分类器中进行分类；检测出摔倒行为的数据。

进一步的，所述的对深度数据进行处理，获取人体关键部位深度数据步骤包括：利用所述场景深度图体识别出人体遮照图；利用所述人体深度遮照图得到人体分割图；利用所述人体分割图识别出人体关键骨骼节点，得到人体关键部位深度数据。

本发明还提供一种判断老年人身体平衡能力的方法，包括如下步骤：采集人体按照交互提醒做出的平衡功能测试动作；获取人体场景深度数据；对所述深度数据进行处理，获取人体关键部位深度数据；根据所述人体关键部位深度数据，构建人体行为3D框；根据所述各关键部位及所述3D框的变化，计算判断老年人身体平衡能力。

进一步的，所述的对深度数据进行处理，获取人体关键部位深度数据步骤包括：利用所述场景深度图体识别出人体遮照图；利用所述人体深度遮照图得到人体分割图；利用所述人体分割图识别出人体关键骨骼节点，得到人体关键部位深度数据。

进一步的，所述的根据各关键部位及3D框的变化，计算判断老年人身体平衡能力的步骤包括：计算出头部与躯干骨骼的坐标向量和身体中心坐标；确定所述3D框的平面法向量；计算所述坐标向量与所述平面法向量的角度余弦值；计算所述角度余弦值变化与所述身体中心坐标移动速度；根据所述角度余弦值变化和所述身体中心坐标移动速度判断老人平衡能力。

进一步的，上述判断老年人身体平衡能力的方法还包括平衡功能测试有简易的起立-行走计时测试和全面的Berg平衡量表测试。

附图说明

图1所示为本发明实施例判断老年人摔倒行为的方法流程图。

图2所示为本发明实施例换判断老年人身体平衡能力的方法流程图。

图3所示为本发明实施例人体场景深度示意图。

图4所示为本发明实施例人体遮照示意图。

图5所示为本发明实施例人体分割示意图。

图6所示为本发明实施例人体关键骨骼点示意图。

图7所示为本发明实施例人体行为3D框示意图。

图8所示为本发明实施判断摔倒行为的人体3D框各项参数示意图。

图9所示为本发明实施例人体摔倒时的3D框示意图。

图10所示为本发明实施例计算头部与躯干骨骼的坐标向量和身体中心坐标示意图。

图11所示为本发明实施例确定人体3D框平面法向量示意图。

图12所示为本发明实施例计算坐标向量与平面法向量的角度变化示意图。

图13所示为本发明实施例Berg平衡量表项目图。

具体的实施方式

下文将结合附图详细描述本发明的实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。在下述实施例的附图中，各附图所出现的相同标号代表相同的特征或者部件，可应用于不同实施例中。

本发明主要使用计算机高级程序语言并借助微软.net框架、微软的kinect sdk和微软kinect摄像头实现，能够实现识别老年人摔倒行为及检测老年人身体平衡能力。

图1所示为本发明提供的一种识别老年人摔倒行为的方法，步骤如下：

步骤S110获取人体场景深度数据。

利用kinect摄像头获取人体场景深度图像，如图3所示。深度图像有着很高的抗干扰性，外界光线强弱不同的情况下，kinect摄像头能采集相同的深度数据，所以能在白天和夜晚很好的工作。利用深度数据检测到人体深度数据。

步骤S120对深度数据进行处理，获取人体关键部位深度数据。

利用场景深度图，通过最优阈值法将场景场景深度图中的人体识别出来生成人体遮照图，如图4所示。利用人体深度遮照图，得到人体分割图，如图5所示。继而，利用随机森林分类器识别出人体关键骨骼节点，如图6所示。人体关键骨骼节点包括老年人的头、手、肩膀、膝盖、腿等关节点。将老年人行为量化为这些关键节点的坐标变换。利用这些坐标实现老年人摔倒检测。

步骤S130根据人体关键部位深度数据，构建人体行为3D框。

利用上述人体关键节点，组成人体行为3D框，如图7所示。

步骤S140根据3D框变化识别老年人摔倒行为。

Kinect摄像头每秒能够采集30帧深度图片，即每秒有30组关键节点组成的3D框。如图8所示，计算出3D框的各边运动加速度和中心高度，将得到的数据输入分类器SVM进行训练。根据训练好的SVM可有效识别出摔倒行为。

判断识别摔倒行为是否发生。第i帧的3D框的宽度加速度为：

$V_w=\left|\frac{{\mathrm{width}}_i-{\mathrm{width}}_{i-1}}{t_i-t_{i-1}}\right|$

$a_w=\left|\frac{V_{\mathrm{wi}}-V_{\mathrm{wi}-1}}{t_i-t_{i-1}}\right|$

当摔倒行为发生时，3D框会变的扁平，如图9所示。同时，摔倒速度会加大，倒地瞬间速度急速变小，加速度变大，由此判断摔倒行为已发生。此系统能够在识别出摔倒行为后进行警报、通知家人等及时采取救助，防止情况进一步恶化。

此方法方便用于对于老年人独自在家的行为进行智能监测，能及时识别出老人摔倒行为，有效的提高了对老年人的安全监护。

力学范畴内的平衡是指当作用于物体的合力为零时物体所处的一种状态。医学范畴内的平衡指人体所处的一种姿势或稳定状态，以及在运动或受到外力作用时，能自动地调整并维持姿势的一种能力。平衡是指人体处在一种姿势或不论处于何种位置时，当运动或受到外力作用，控制其身体重心在身体支撑面上以保持身体直立姿势不至于跌倒的一种能力。

图2所示为本发明提供的一种判断老年人身体平衡能力的方法，步骤如下：

步骤S210采集人体按照交互提醒做出的动作。

老年人可以选择需要检测什么项目，按照系统提示做出相应的动作，kinect摄像头捕获这些动作。通过检测老人行走、伸展双臂等动作，反映老人身体平衡能力指标。进行检测的同时还可以配合一些音乐，可以防止老年人在家里感到孤独。而且，经常做这些检测有利于老年人在家多运动，有效的提高老年人身体素质。

步骤S220获取人体场景深度数据。

获取人体场景深度数据的方法如步骤S110。

步骤S230对深度数据进行处理，获取人体关键部位深度数据。

获取人体关键部位深度数据的方法如步骤S120。

步骤S240根据人体关键部位深度数据，构建人体行为3D框。

构建人体行为3D框的方法如步骤S130。

步骤S250根据各关键部位及的3D框变化，计算判断老年人身体平衡能力。

步骤S251计算出头部与躯干骨骼的坐标向量和身体中心坐标(x_center，y_center)，如图10。

步骤S252确定人体3D框的平面法向量如图11。

步骤S253监测坐标向量与平面法向量的角度θ，如图12，计算人体与地表面倾斜余弦 $\cos \mathrm{\θ}=\frac{\stackrel{\→}{p}\·\stackrel{\→}{h}}{\left|\stackrel{\→}{p}\right|\left|\stackrel{\→}{h}\right|}$

步骤S254计算角度余弦值变化与身体中心坐标移动速度。

Δcosθ＝abs(cosθ₂-cosθ₁)

$V\left(t\right)=\frac{|(x_t,y_t)-(x_{t-1},y_{t-1})|}{\mathrm{\Δt}}$

步骤S255根据人体骨骼与地面倾角余弦以及其运动时的变化趋势、计算其运动速度等判断老人身体平衡能力。

平衡功能测试有简易的起立-行走计时测试和全面的Berg平衡量表测试。

起立-行走计时测试要求被测试者从座椅站起，向前走3米，再折返回来，系统综合所用的时间以及在行走中的动态平衡状况，进行打分。结果判断包括：正常、极轻微异常、轻微异常、中度异常、重度异常。处于轻微异常，则表示有跌倒的危险性。

Berg平衡量表测试包含14个项目，如图13所示。可检测出需要坐轮椅、可辅助步行、可独立行走的情况。

老年人可以在家里主动与系统交互，检测出老年人摔倒可能性及肢体灵活程度等功能，能直观的反应老年人当前身体平衡的状况，有效的增强老年人对自我身体状况的掌握，预防摔倒的发生。

本文虽然已经给出了本发明的一些实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。

Claims (7)

1.一种判断老年人摔倒行为的方法，其特征在于，包括如下步骤：

获取人体场景深度数据；

对所述深度数据进行处理，获取人体关键部位深度数据；

根据所述人体关键部位深度数据，构建人体行为3D框；

根据所述3D框变化判断老年人摔倒行为。

2.如权利要求1所述的一种判断老年人摔倒行为的方法，其特征在于，所述的根据3D框变化判断老年人摔倒行为的步骤包括：

计算出所述3D框的各边运动加速度和中心高度；

将所述计算得到的数据输入SVM分类器中进行分类；

检测出摔倒行为的数据。

3.如权利要求1所述的一种判断老年人摔倒行为的方法，其特征在于，所述的对深度数据进行处理，获取人体关键部位深度数据步骤包括：

利用所述场景深度图体识别出人体遮照图；

利用所述人体深度遮照图得到人体分割图；

利用所述人体分割图识别出人体关键骨骼节点，得到人体关键部位深度数据。

4.一种判断老年人身体平衡能力的方法，其特征在于，包括如下步骤：

采集人体按照交互提醒做出的平衡功能测试动作；

获取人体场景深度数据；

对所述深度数据进行处理，获取人体关键部位深度数据；

根据所述人体关键部位深度数据，构建人体行为3D框；

根据所述各关键部位及所述3D框的变化，计算判断老年人身体平衡能力。

5.如权利要求4所述的一种判断老年人身体平衡能力的方法，其特征在于，所述的对深度数据进行处理，获取人体关键部位深度数据步骤包括：

利用所述场景深度图体识别出人体遮照图；

利用所述人体深度遮照图得到人体分割图；

利用所述人体分割图识别出人体关键骨骼节点，得到人体关键部位深度数据。

6.如权利要求4所述的一种判断老年人身体平衡能力的方法，其特征在于，所述的根据各关键部位及3D框的变化，计算判断老年人身体平衡能力的步骤包括：

计算出头部与躯干骨骼的坐标向量和身体中心坐标；

确定所述3D框的平面法向量；

计算所述坐标向量与所述平面法向量的角度余弦值；

计算所述角度余弦值变化与所述身体中心坐标移动速度；

根据所述角度余弦值变化和所述身体中心坐标移动速度判断老人平衡能力。

7.如权利要求4所述的一种判断老年人身体平衡能力的方法，其特征在于，平衡功能测试有简易的起立-行走计时测试和全面的Berg平衡量表测试。