CN107016350A - 一种基于深度相机的老人跌倒检测方法 - Google Patents
一种基于深度相机的老人跌倒检测方法 Download PDFInfo
- Publication number
- CN107016350A CN107016350A CN201710141595.6A CN201710141595A CN107016350A CN 107016350 A CN107016350 A CN 107016350A CN 201710141595 A CN201710141595 A CN 201710141595A CN 107016350 A CN107016350 A CN 107016350A
- Authority
- CN
- China
- Prior art keywords
- depth
- depth map
- pixel
- map
- target
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种基于深度相机的老人跌倒检测方法,包括步骤:步骤a)多元二项式回归拟合虚拟地面的深度图D;步骤b)获取目标前景图F;步骤c)计算前景图像对应的高度图H;步骤d)根据目标高度提取站立特征图S;步骤e)根据站立特征图序列判断目标跌倒;该方法与现有方法相比,该方法直观性强,设备简单,受限制少,计算量小,能适应光照的缓慢变化,比较鲁棒,适合养老院、疗养院、老年大学等公共场所的老人跌倒检测。
Description
技术领域
本发明涉及模式识别,特别涉及基于深度相机的老人跌倒检测方法。
背景技术
当今社会已进入老龄化社会,老年人口数量众多,而且老年人跌倒发生率高,老人一旦跌倒又没有获得及时救治,往往会遭受严重伤害,因此有大量关于老人跌倒自动检测技术的研究。基于穿戴式传感器的跌倒检测技术具有判断正确和易安装等优点,但实际使用过程中也存在一些问题,其中主要问题就是传感器经常被干扰,导致系统和传感器之间通信得不到保证,而且老人穿戴这些设备也很麻烦。
随着计算机视觉技术的迅速发展,基于计算机视觉的智能监控系统的研究越来越多。智能视觉监控技术是让计算机代替人的大脑,让摄像头代替人的眼睛,由计算机智能地分析从摄像头中获取的图像序列,对被监控场景中的老人活动进行理解并判断,与传统视觉监控系统相比有明显的优势:一方面,能大大减少监控人员的数量降低成本;另一方面,可以通过联网建设分布式智能监控系统来实时获取老人遇到的意外危险情况,方便资源(保安、医护人员等)调度,尽快消除养老院等公共场合下即将发生或已发生的安全隐患。基于深度相机的老人跌倒检测技术是一种非常具有应用价值的智能视觉监控技术,它可以应用于养老院、疗养院、老年大学等监控场景,实时获取老人的行为信息,对于老人跌倒的异常行为进行报警提示,联网的跌倒检测分析系统还能帮助养老机构、医院等及时获取信息并提供救治。
基于深度相机的老人跌倒检测技术的主要难点在于如何识别出老人的跌倒行为。李浩攀采用机器学习的方法进行跌倒行为识别,该方法缺点是得事先收集很多样本,还得人工构建几种行为的特性指标来进行实验;万航等人提出利用视频里的老人外部轮廓求出重心的方法来判断老人是否跌倒,该方法对于和跌倒行为相近的其他行为出现误判,如蹲下和弯腰,重心出现重叠,计算重心将检测不出跌倒行为,应用不便;汪大峰等人提出基于人体外接矩形框宽高比、人体Hu矩特征等多特征融合来识别跌倒异常行为,该方法适用于单一固定的背景,无法应用于变化的实际室外场合中,应用不便;宋菲等人提出基于人体姿势变化的跌倒检测算法,选取人体的三个特征区域,求取重心连线的长度和角度,该方法抗干扰能力差,判断跌倒的阈值也是手动设定,应用不便。
发明内容
本发明的目的在于提供了一种基于深度相机的老人跌倒检测方法,其特征在于,包括步骤:步骤a)多元二项式回归拟合虚拟地面的深度图D;步骤b)获取目标前景图F;步骤c)计算前景图像对应的高度图H;步骤d)根据目标高度提取站立特征图S;步骤e)根据站立特征图序列判断目标跌倒。
优选地,获取步骤a中所述深度图D的具体方法为:
多元二项式回归分析的模型为:
式中β0,β1,β2,β3,β4,β5,σ2都是与x1,x2无关的未知参数,其中β0,β1,β2,β3,β4,β5,σ2称为回归系数;
拟定当前深度图为P,局部地面深度图为R,虚拟地面的深度图为D,对于虚拟地面的深度图D中像素i,估计值Di的计算方法为:
其中,(Pij,xi,yj),i,j=1,...,n为n2组数据,Pij为局部地面深度图R中某一像素点深度值,(xi,yj)为局部地面深度图R中某一像素点坐标。
优选地,获取步骤b中所述目标前景图F的方法为:
将当前深度图P和当前背景深度图D作差,求取差值图像,即目标前景图F;在目标前景图中,背景像素值为0,目标像素值为1;对于目标前景图F中像素i,Fi的计算方式为:
优选地,获取步骤c中计算前景图像对应的高度图H的方法为:
针对当前深度图P中像素i,该像素反应的物体实际高度Hi的计算方式为:
应当理解,前述大体的描述和后续详尽的描述均为示例性说明和解释,并不应当用作对本发明所要求保护内容的限制。
附图说明
参考随附的附图,本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明,其中:
图1为本发明的基于深度相机的老人跌倒检测方法的流程图;
图2为t1时刻老人正常活动图;
图3为当前背景深度图D;
图4为目标前景图F;
图5为深度信息和高度比例关系图;
图6为t2时刻老人跌倒图。
具体实施方式
通过参考示范性实施例,本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而,本发明并不受限于以下所公开的示范性实施例;可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
为了便于本领域普通技术人员理解和实施本发明,下面结合附图对本发明作进一步的详细描述。
本发明的思想要点是:1)利用多元二项式回归拟合虚拟地面的深度图。2)将当前深度图和当前背景深度图作差,得到目标前景图,提取前景图位置。3)已知相机安装高度、虚拟地面的深度图、当前深度图中的目标位置及其深度图,经过比例计算,就可以计算出视频中目标区域的实际高度。4)通过阈值判断站立状态,并提取位置信息及时间T内的位置信息集合。再通过计算位置信息集合的数据特征,判断老人是否跌倒。本发明的整个技术方案流程图如附图1所示。下面对发明中所涉及到的技术细节予以说明,最后给出室内活动场景下的实验结果。
图1为本发明的基于深度相机的老人跌倒检测方法的流程图;如图1所示,具体步骤为:
步骤101:选取要处理的深度图;
步骤102:多元二项式回归拟合虚拟地面的深度图D;
由于实际场景中往往存在家具等物体,实际图像中的地面区域往往是局部区域,为了利用深度图得到图像中像素点的实际高度,我们需要拟合出一幅图像中所有像素点都是实际地面的深度图,称之为虚拟地面的深度图D。
多元二项式回归分析可以准确地计量各个因素之间的相关程度与回归拟合程度的高低,对于深度图,使用回归分析就可以利用局部区域拟合出整张图像的虚拟地面深度图,从而计算目标像素的实际高度。
多元二项式回归分析的模型为:
式中β0,β1,β2,β3,β4,β5,σ2都是与x1,x2无关的未知参数,其中β0,β1,β2,β3,β4,β5,σ2称为回归系数。
已知当前深度图为P,局部地面深度图为R,虚拟地面的深度图为D,对于虚拟地面的深度图D中像素i,估计值Di的计算方式如下:
现得到n2组数据(Pij,xi,yj),i,j=1,...,n,Pij为局部地面深度图R中某一像素点深度值,(xi,yj)为局部地面深度图R中某一像素点坐标,由(1)得:
参数估计:
模型(1)中的参数β0,β1,β2,β3,β4,β5使用最小二乘法估计,应选取虚拟地面的深度图估计值Dij,使得当时,误差平方和达到最小。
步骤103:获取目标前景图F;将当前深度图P,如图2所示,和当前背景深度图D作差,如图3所示,求取差值图像,即目标前景图F,如图4所示。在目标前景图中,背景像素值为0,目标像素值为1。对于目标前景图F中像素i,Fi的计算方式为:
步骤104:计算前景图像对应的高度图H;
如图5所示,H_C表示深度相机的安装高度,Hi表示当前深度图P中目标区域的实际高度,Di表示虚拟地面的深度图估计值,Pi表示当前深度图P中目标区域的深度图值。
针对当前深度图P中像素i,该像素反应的物体实际高度Hi的计算方式为:
步骤105:根据目标高度提取站立特征图S;
根据先验经验设置一个站立阈值Threshold_s,判断高度图H中每个像素的Hi是否大于Threshold_s,如果有Hi大于等于Threshold_s,表示此处有人站立,站立判断方法如下:
然后提取某时刻第i个人的站立区域的位置信息pi,时间T内,多帧数据的位置信息集合记为OPt。
步骤106:根据站立特征图序列判断目标跌倒;
如果时间T内,OPt由非空集合变为空集,且序列中所有OPt中没有目标位置位于图像边界区域,则认为老人发生了摔倒情况。
以上就是本发明实施步骤的详细说明,下面以室内活动场景为例,给出实验结果。图2是t1时刻的图像,此时老人正常行走,高度变化在正常范围内;图6是t2时刻的图像,此时老人发生跌倒,高度迅速降低,计算位置信息集合OPt,判断出老人没有走出监控区域,最后得出跌倒的结果。
实验证明,本发明所提出的基于深度相机的老人跌倒检测分析方法能够准确地拟合出虚拟地面深度图,提取出目标前景,通过计算得出目标高度及其站立特征图序列,通过分析特征图序列判断跌倒行为是否发生;与其它已有的跌到行为分析方法相比,该方法直观性强,设备简单,受限制少,计算量小,适合养老院、疗养院、老年大学等公共场所的老人跌倒检测。
结合这里披露的本发明的说明和实践,本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的,本发明的真正范围和主旨均由权利要求所限定。
Claims (4)
1.一种基于深度相机的老人跌倒检测方法,其特征在于,包括步骤:
步骤a)多元二项式回归拟合虚拟地面的深度图D;
步骤b)获取目标前景图F;
步骤c)计算所述前景图F对应的高度图H;
步骤d)根据所述高度图H提取站立特征图S;
步骤e)根据所述站立特征图S判断目标跌倒。
2.根据权利要求1所述的方法,其特征在于,获取步骤a中所述深度图D的具体方法为:
多元二项式回归分析的模型为:
式中β0,β1,β2,β3,β4,β5,σ2都是与x1,x2无关的未知参数,其中β0,β1,β2,β3,β4,β5,σ2称为回归系数;
拟定当前深度图为P,局部地面深度图为R,虚拟地面的深度图为D,对于虚拟地面的深度图D中像素i,估计值Di的计算方法为:
其中,(Pij,xi,yi),i,j=1,...,n为n2组数据,Pij为局部地面深度图R中某一像素点深度值,(xi,yj)为局部地面深度图R中某一像素点坐标。
3.根据权利要求1所述的方法,其特征在于,获取步骤b中所述目标前景图F的方法为:
将当前深度图P和当前背景深度图D作差,求取差值图像,即目标前景图F;在目标前景图中,背景像素值为0,目标像素值为1;对于目标前景图F中像素i,Fi的计算方式为:
4.根据权利要求1所述的方法,其特征在于,获取步骤c中计算前景图像对应的高度图H的方法为:
针对当前深度图P中像素i,所述像素反应的物体实际高度Hi的计算方式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710141595.6A CN107016350A (zh) | 2017-04-26 | 2017-04-26 | 一种基于深度相机的老人跌倒检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710141595.6A CN107016350A (zh) | 2017-04-26 | 2017-04-26 | 一种基于深度相机的老人跌倒检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107016350A true CN107016350A (zh) | 2017-08-04 |
Family
ID=59440636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710141595.6A Pending CN107016350A (zh) | 2017-04-26 | 2017-04-26 | 一种基于深度相机的老人跌倒检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107016350A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108737785A (zh) * | 2018-05-21 | 2018-11-02 | 北京奇伦天佑创业投资有限公司 | 基于tof 3d摄像机的室内跌倒自动检测系统 |
CN109886102A (zh) * | 2019-01-14 | 2019-06-14 | 华中科技大学 | 一种基于深度图像的跌倒行为时空域检测方法 |
CN111243230A (zh) * | 2020-01-20 | 2020-06-05 | 南京邮电大学 | 基于两台深度相机的人体跌倒检测装置和方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101425128A (zh) * | 2007-10-30 | 2009-05-06 | 同济大学 | 基于激光传感器深度图像的人流检测方法 |
EP1864572B1 (en) * | 2005-03-28 | 2011-11-09 | National University Corporation Tokyo University of Marine Science and Technology | Method for predicting depth distribution of predetermined water temperature zone, method for predicting fishing ground of migratory fish, and system for delivering fishing ground prediction information of migratory fish |
CN102722721A (zh) * | 2012-05-25 | 2012-10-10 | 山东大学 | 一种基于机器视觉的人体跌倒检测方法 |
TW201329915A (zh) * | 2012-01-10 | 2013-07-16 | Yi-Hsing Chiu | 體感偵測跌倒方法 |
CN103440412A (zh) * | 2013-08-20 | 2013-12-11 | 国家电网公司 | 一种电力隧道顶管下穿越施工地面沉降曲线预测方法 |
EP2763116A1 (en) * | 2013-02-01 | 2014-08-06 | FamilyEye BVBA | Fall detection system and method for detecting a fall of a monitored person |
CN104680525A (zh) * | 2015-02-12 | 2015-06-03 | 南通大学 | 基于Kinect深度图像的人体摔倒自动检测方法 |
CN105279483A (zh) * | 2015-09-28 | 2016-01-27 | 华中科技大学 | 一种基于深度图像的跌倒行为实时检测方法 |
CN106373336A (zh) * | 2016-08-30 | 2017-02-01 | 苏州品诺维新医疗科技有限公司 | 一种检测摔倒的方法及装置 |
US20170055917A1 (en) * | 2015-08-28 | 2017-03-02 | Erik E. Stone | Systems for automatic assessment of fall risk |
-
2017
- 2017-04-26 CN CN201710141595.6A patent/CN107016350A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1864572B1 (en) * | 2005-03-28 | 2011-11-09 | National University Corporation Tokyo University of Marine Science and Technology | Method for predicting depth distribution of predetermined water temperature zone, method for predicting fishing ground of migratory fish, and system for delivering fishing ground prediction information of migratory fish |
CN101425128A (zh) * | 2007-10-30 | 2009-05-06 | 同济大学 | 基于激光传感器深度图像的人流检测方法 |
TW201329915A (zh) * | 2012-01-10 | 2013-07-16 | Yi-Hsing Chiu | 體感偵測跌倒方法 |
CN102722721A (zh) * | 2012-05-25 | 2012-10-10 | 山东大学 | 一种基于机器视觉的人体跌倒检测方法 |
EP2763116A1 (en) * | 2013-02-01 | 2014-08-06 | FamilyEye BVBA | Fall detection system and method for detecting a fall of a monitored person |
CN103440412A (zh) * | 2013-08-20 | 2013-12-11 | 国家电网公司 | 一种电力隧道顶管下穿越施工地面沉降曲线预测方法 |
CN104680525A (zh) * | 2015-02-12 | 2015-06-03 | 南通大学 | 基于Kinect深度图像的人体摔倒自动检测方法 |
US20170055917A1 (en) * | 2015-08-28 | 2017-03-02 | Erik E. Stone | Systems for automatic assessment of fall risk |
CN105279483A (zh) * | 2015-09-28 | 2016-01-27 | 华中科技大学 | 一种基于深度图像的跌倒行为实时检测方法 |
CN106373336A (zh) * | 2016-08-30 | 2017-02-01 | 苏州品诺维新医疗科技有限公司 | 一种检测摔倒的方法及装置 |
Non-Patent Citations (6)
Title |
---|
CIPPITELLI E 等: "An Integrated Approach to Fall Detection and Fall Risk Estimation Based on RGB-Depth and Inertial Sensors", 《THE 7TH INTERNATIONAL CONFERENCE》 * |
KEPSKI M 等: "Fall Detection using Ceiling-mounted 3D Depth Camera", 《INTERNATIONAL CONFERENCE ON COMPUTER VISION THEORY AND APPLICATIONS》 * |
RAINER PLANINC 等: "Introducing the use of depth data for fall detection", 《PERSONAL AND UBIQUITOUS COMPUTING》 * |
杨帆 等: "基于头部运动轨迹和3D视觉的跌倒检测系统", 《现代电子技术》 * |
杨旗: "《人体步态及行为识别技术研究》", 28 February 2014 * |
沈秉乾: "基于视频分析的室内人体跌倒检测方法的实现", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108737785A (zh) * | 2018-05-21 | 2018-11-02 | 北京奇伦天佑创业投资有限公司 | 基于tof 3d摄像机的室内跌倒自动检测系统 |
CN108737785B (zh) * | 2018-05-21 | 2020-07-03 | 北京奇伦天佑创业投资有限公司 | 基于tof 3d摄像机的室内跌倒自动检测系统 |
CN109886102A (zh) * | 2019-01-14 | 2019-06-14 | 华中科技大学 | 一种基于深度图像的跌倒行为时空域检测方法 |
CN111243230A (zh) * | 2020-01-20 | 2020-06-05 | 南京邮电大学 | 基于两台深度相机的人体跌倒检测装置和方法 |
CN111243230B (zh) * | 2020-01-20 | 2022-05-06 | 南京邮电大学 | 基于两台深度相机的人体跌倒检测装置和方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021120867A1 (zh) | 高空抛物的监测方法、装置、电子设备及存储介质 | |
CN107045623B (zh) | 一种基于人体姿态跟踪分析的室内危险情况告警的方法 | |
CN109522793B (zh) | 基于机器视觉的多人异常行为检测与识别方法 | |
CN110287923B (zh) | 人体姿态获取方法、装置、计算机设备及存储介质 | |
US6556708B1 (en) | Technique for classifying objects within an image | |
EP3667557A1 (en) | Method and device for tracking an object | |
US6141434A (en) | Technique for processing images | |
Brulin et al. | Posture recognition based on fuzzy logic for home monitoring of the elderly | |
CN109670396A (zh) | 一种室内老人跌倒检测方法 | |
CN107247946B (zh) | 行为识别方法及装置 | |
US20170344832A1 (en) | System and method for event monitoring and detection | |
US20030059081A1 (en) | Method and apparatus for modeling behavior using a probability distrubution function | |
Snoek et al. | Automated detection of unusual events on stairs | |
CN110414400B (zh) | 一种施工现场安全帽穿戴自动检测方法及系统 | |
US6421462B1 (en) | Technique for differencing an image | |
DE112017007167T5 (de) | Überwachungshilfssystem, steuerverfahren dafür und programm | |
CN107016350A (zh) | 一种基于深度相机的老人跌倒检测方法 | |
JP6779410B2 (ja) | 映像解析装置、映像解析方法、及びプログラム | |
Liciotti et al. | Human activity analysis for in-home fall risk assessment | |
DE112020005223T5 (de) | Objektverfolgungseinrichtung und Objektverfolgungsverfahren | |
US6240197B1 (en) | Technique for disambiguating proximate objects within an image | |
US20230237694A1 (en) | Method and system for detecting children's sitting posture based on face recognition of children | |
Stone et al. | Silhouette classification using pixel and voxel features for improved elder monitoring in dynamic environments | |
CN111243230B (zh) | 基于两台深度相机的人体跌倒检测装置和方法 | |
JP6080572B2 (ja) | 通行物体検出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170804 |
|
RJ01 | Rejection of invention patent application after publication |