CN113807317A - 运动场馆人员安全监测的方法、装置及电子设备 - Google Patents
运动场馆人员安全监测的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113807317A CN113807317A CN202111174900.4A CN202111174900A CN113807317A CN 113807317 A CN113807317 A CN 113807317A CN 202111174900 A CN202111174900 A CN 202111174900A CN 113807317 A CN113807317 A CN 113807317A
- Authority
- CN
- China
- Prior art keywords
- monitored person
- monitored
- included angle
- determining
- personnel
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 title claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims abstract description 59
- 210000000689 upper leg Anatomy 0.000 claims description 22
- 230000033001 locomotion Effects 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000012806 monitoring device Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 5
- 230000036544 posture Effects 0.000 description 56
- 206010010071 Coma Diseases 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 210000003414 extremity Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 210000001624 hip Anatomy 0.000 description 5
- 244000309466 calf Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 210000002683 foot Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000002310 elbow joint Anatomy 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000004394 hip joint Anatomy 0.000 description 1
- 210000000629 knee joint Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000323 shoulder joint Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了运动场馆人员安全监测的方法、装置及电子设备，包括：获取被监测人员的视频流；提取动作图像中被监测人员的多个关节点位置；根据多个关节点位置确定被监测人员当前的姿态；根据被监测人员保持在当前的姿态的时间确定被监测人员的状态是否异常。本发明采用肢体识别技术来分析和识别被监测人员的状态，并在识别到被监测人员处于异常状态的时候，自动进行告警，提升了安全性，避免了被监测人员处于异常状态时无法被及时救助的风险。
Description
技术领域
本发明涉及计算机技术领域，具体涉及运动场馆人员安全监测的方法、装置及电子设备。
背景技术
在社区健身房、企业健身房等运动场馆中，为了方便用户在空余时间锻炼，需要采用无人模式保证24小时营业。
目前，由于场馆内没有安全人员保证场内锻炼人员的安全，用户如果处于跌倒、昏迷等状态，不能及时对其进行救助。
综上，目前亟需一种运动场馆人员安全监测的方法，用于解决上述现有技术存在的问题。
发明内容
由于现有方法存在上述问题，本发明提出运动场馆人员安全监测的方法、装置及电子设备。
第一方面，本发明提供了一种运动场馆人员安全监测的方法，包括：
获取被监测人员的视频流；所述视频流包含所述被监测人员的动作图像；
提取所述动作图像中所述被监测人员的多个关节点位置；
根据所述多个关节点位置确定所述被监测人员当前的姿态；
根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常。
进一步地，所述根据所述多个关节点位置确定所述被监测人员当前的姿态，包括：
根据所述多个关节点中至少三个关节点位置确定关节点间的夹角；
或者，
根据所述多个关节点中至少两个关节点位置确定关节点与地面的夹角；
根据所述夹角确定所述被监测人员当前的姿态。
进一步地，所述夹角包含第一夹角、第二夹角以及第三夹角，所述根据所述夹角确定所述被监测人员当前的姿态，包括：
判断是否所述第一夹角大于第一预设角度、所述第二夹角大于第二预设角度且所述第三夹角大于第三预设角度；所述第一夹角为所述被监测人员大腿与小腿的夹角；所述第二夹角为所述被监测人员大腿与躯干的夹角；所述第三夹角为所述被监测人员躯干与地面的夹角；
若是，则所述被监测人员的姿态为立姿。
进一步地，所述根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常，包括：
根据所述被监测人员当前的姿态确定异常系数；
根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性。
进一步地，在根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性之后，还包括：
根据所述被监测人员处于异常状态的可能性确定风险等级；
根据所述风险等级发出对应的警报信息。
第二方面，本发明提供了一种运动场馆人员安全监测的装置，包括：
获取模块，用于获取被监测人员的视频流；所述视频流包含所述被监测人员的动作图像；
处理模块，用于提取所述动作图像中所述被监测人员的多个关节点位置；根据所述多个关节点位置确定所述被监测人员当前的姿态；根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常。
进一步地，所述处理模块具体用于：
根据所述多个关节点中至少三个关节点位置确定关节点间的夹角；
或者，
根据所述多个关节点中至少两个关节点位置确定关节点与地面的夹角；
根据所述夹角确定所述被监测人员当前的姿态。
进一步地，所述夹角包含第一夹角、第二夹角以及第三夹角，所述处理模块具体用于：
判断是否所述第一夹角大于第一预设角度、所述第二夹角大于第二预设角度且所述第三夹角大于第三预设角度；所述第一夹角为所述被监测人员大腿与小腿的夹角；所述第二夹角为所述被监测人员大腿与躯干的夹角；所述第三夹角为所述被监测人员躯干与地面的夹角；
若是，则所述被监测人员的姿态为立姿。
进一步地，所述处理模块具体用于：
根据所述被监测人员当前的姿态确定异常系数；
根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性。
进一步地，所述处理模块还用于：
在根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性之后，根据所述被监测人员处于异常状态的可能性确定风险等级；
根据所述风险等级发出对应的警报信息。
第三方面，本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面所述的运动场馆人员安全监测的方法。
第四方面，本发明还提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的运动场馆人员安全监测的方法。
由上述技术方案可知，本发明提供的运动场馆人员安全监测的方法、系统及电子设备，采用肢体识别技术来分析和识别被监测人员的状态，并在识别到被监测人员处于异常状态的时候，自动进行告警，提升了安全性，避免了被监测人员处于异常状态时无法被及时救助的风险。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。
图1为本发明提供的运动场馆人员安全监测的方法的系统框架；
图2为本发明提供的运动场馆人员安全监测的方法的流程示意图；
图3为本发明提供的人体关节识别的示意图；
图4为本发明提供的人员处于直立时的正面以及侧面示意图；
图5为本发明提供的人员处于半蹲时的正面以及侧面示意图；
图6为本发明提供的人员处于上身前倾时的正面以及侧面示意图；
图7为本发明提供的人员处于卧姿时的侧面示意图；
图8为本发明提供的人员处于坐姿时的正面以及侧面示意图；
图9为本发明提供的人员处于下蹲时的正面以及侧面示意图；
图10为本发明提供的运动场馆人员安全监测的装置的结构示意图；
图11为本发明提供的电子设备的结构示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明实施例提供的运动场馆人员安全监测的方法，可以适用于如图1所示的系统架构中，该系统架构包括：图像采集模块100、边缘计算模块200以及图像显示模块300；
图像采集模块100用于采集多个被监测人员的视频流。
需要说明的是，视频流包含多个被监测人员的动作图像。
进一步地，图像采集模块将视频流发送至边缘计算模块。
边缘计算模块200用于提取动作图像中多个被监测人员的多个关节点位置，根据多个关节点位置确定多个被监测人员当前的姿态，根据多个被监测人员保持在当前的姿态的时间确定多个被监测人员的状态是否异常。
具体的，边缘计算模块采用AI肢体识别技术，从中提取人体的主要关节点的位置，比如踝关节、膝关节、髋关节、肩关节、肘关节、腕关节等，再根据各主要关节点的位置判断被监测人员当前的姿态。
进一步地，边缘计算模块根据被监测人员前后姿态的变化，判断被监测人员当前的状态是在运动状态还是静止状态。
在一种可能的实施方式中，静止状态包含站姿、坐姿以及卧姿。
图像显示模块300用于显示运动场馆内被监测人员的数目、各个被监测人员的状态以及异常告警信息。
具体的，图像显示模块通过多媒体的方式显示各场馆的情况统计，包括各场馆被监测人员的数目、各个被监测人员的状态、异常告警信息以及图像采集模块采集的视频。
本发明实施例中，将采集的视频及分析的数据发送至服务端，再由服务端分发至各管理端。
上述方案，采用肢体识别技术来分析和识别被监测人员的状态，并在识别到被监测人员处于异常状态的时候，自动进行告警，提升了安全性，避免了被监测人员处于异常状态时无法被及时救助的风险。
需要说明的是，图1仅是本发明实施例系统架构的一种示例，本发明对此不做具体限定。
基于上述所示意的系统架构，图2为本发明实施例提供的一种运动场馆人员安全监测的方法所对应的流程示意图，如图2所示，该方法包括：
步骤201，获取被监测人员的视频流。
需要说明的是，视频流包含被监测人员的动作图像。
具体的，从视频流中截取图像，并分割出每一个被监测人员的动作图像。
步骤202，提取动作图像中被监测人员的多个关节点位置。
具体的，如图3所示，分析动作图像中人体主要关节点的位置。从图中可以看出，提取15个人体主要关节点的位置。
步骤203，根据多个关节点位置确定被监测人员当前的姿态。
步骤204，根据被监测人员保持在当前的姿态的时间确定被监测人员的状态是否异常。
上述方案，采用肢体识别技术来分析和识别被监测人员的状态，并在识别到被监测人员处于异常状态的时候，自动进行告警，提升了安全性，避免了被监测人员处于异常状态时无法被及时救助的风险。
本发明实施例在步骤203中，根据多个关节点中至少三个关节点位置确定关节点间的夹角；
或者，
根据多个关节点中至少两个关节点位置确定关节点与地面的夹角；
根据夹角确定被监测人员当前的姿态。
举例来说，如图3所示，计算以下夹角：
1、颈部与肩部的夹角，即图中1、2两个关节点的连线与3、6两个关节点连线的夹角。
2、左上臂与肩部的夹角，即图中3、4两个关节点的连线与3、6两个关节点连线的夹角。
3、右上臂与肩部的夹角，即图中6、7两个关节点的连线与3、6两个关节点连线的夹角。
4、左下臂与左上臂的夹角，即图中3、4两个关节点的连线与4、5两个关节点连线的夹角。
5、右下臂与右上臂的夹角，即图中6、7两个关节点的连线与7、8两个关节点连线的夹角。
6、腰椎与髋的夹角，即图中2、9两个关节点的连线与10、13两个关节点连线的夹角。
7、髋与左大腿的夹角，即图中10、13两个关节点的连线与10、11两个关节点连线的夹角。
8、髋与右大腿的夹角，即图中10、13两个关节点的连线与13、14两个关节点连线的夹角。
9、左大腿与左小腿的夹角，即图中10、11两个关节点的连线与11、12两个关节点连线的夹角。
10、右大腿与右小腿的夹角，即图中13、14两个关节点的连线与14、15两个关节点连线的夹角。
进一步地，根据关节点间的夹角或关节点与地面的夹角判断用户的姿态。
本发明实施例中，夹角包含第一夹角、第二夹角以及第三夹角。
进一步地，判断是否第一夹角大于第一预设角度、第二夹角大于第二预设角度且第三夹角大于第三预设角度。
需要说明的是，第一夹角为被监测人员大腿与小腿的夹角；第二夹角为被监测人员大腿与躯干的夹角；第三夹角为被监测人员躯干与地面的夹角。
若是，则被监测人员的姿态为立姿。
举例来说，若被监测人员左右两侧大腿与小腿的夹角大于135度、大腿与躯干的夹角大于135度且躯干与地面的夹角大于45度，则判断被监测人员处于立姿。
上述方案，根据关节点间的夹角或关节点与地面的具体夹角范围判断被监测人员的姿态，提升了肢体识别准确性。
在一种可能的实施方式中，立姿包含直立、半蹲以及上身前倾。
本发明实施例中，若满足以下条件，则判断被监测人员处于直立。
1、被监测人员左右两侧大腿与小腿的夹角接近180度；
2、被监测人员大腿与躯干的夹角接近180度；
3、被监测人员躯干与地面的夹角接近90度。
进一步地，被监测人员处于直立时的正面以及侧面示意图如图4所示，此时被监测人员从侧面看各关节位于同一直线上。
本发明实施例中，若满足以下条件，则判断被监测人员处于半蹲。
1、被监测人员左右两侧大腿与小腿的夹角在135度与180度之间；
2、被监测人员大腿与躯干的夹角在135度与180度之间；
3、被监测人员躯干与地面的夹角接近90度。
进一步地，被监测人员处于半蹲时的正面以及侧面示意图如图5所示。
本发明实施例中，若满足以下条件，则判断被监测人员处于上身前倾。
1、被监测人员左右两侧大腿与小腿的夹角大于135度；
2、被监测人员大腿与躯干的夹角大于135度；
3、被监测人员躯干与地面的夹角在45度至90度之间。
进一步地，被监测人员处于上身前倾时的正面以及侧面示意图如图6所示。
本发明实施例中，若满足以下条件，则判断被监测人员处于卧姿。
1、被监测人员躯干与地面的夹角小于45度；
2、被监测人员脚部与髋平齐甚至高于髋。
进一步地，被监测人员处于卧姿时的侧面示意图如图7所示。
举例来说，若满足以下条件，则判断被监测人员处于半卧。
1、被监测人员躯干与地面的夹角小于45度；
2、被监测人员脚部与髋平齐甚至高于髋。
进一步地，除了立姿、卧姿之外的为其它姿势。
举例来说，其它姿势包括坐姿以及下蹲。
本发明实施例中，被监测人员处于坐姿时的正面以及侧面示意图如图8所示。被监测人员处于下蹲时的正面以及侧面示意图如图9所示。
上述方案，根据关节点间的夹角或关节点与地面的夹角判断被监测人员的姿态，提升了肢体识别准确性。
本发明实施例在步骤204中，根据被监测人员当前的姿态确定异常系数；
根据异常系数以及被监测人员保持在当前的姿态的时间确定被监测人员处于异常状态的可能性。
在一种可能的实施方式中，异常状态包括跌倒、昏迷。
本发明实施例中，如果被监测人员处于站姿，则采用以下公式计算被监测人员处于异常状态的可能性：
其中，Pf为昏迷的可能性，M为保持在当前的姿态的时间,单位为分钟，A为异常系数。
在一种可能的实施方式中，A取3600。
如果被监测人员处于卧姿，则采用以下公式计算被监测人员处于异常状态的可能性：
其中，Pf为昏迷的可能性，M为保持在当前的姿态的时间,单位为分钟，B为异常系数。
在一种可能的实施方式中，B取225。
如果被监测人员处于其它姿势，则采用以下公式计算被监测人员处于异常状态的可能性：
其中，Pf为昏迷的可能性，M为保持在当前的姿态的时间,单位为分钟，C为异常系数。
在一种可能的实施方式中，C取900。
上述方案，根据被监测人员不同的姿态以及被监测人员保持在当前的姿态的时间计算处于异常状态的可能性，使得被监测人员状态的判断更加准确。
进一步地，根据所述被监测人员处于异常状态的可能性确定风险等级；
根据所述风险等级发出对应的警报信息。
举例来说，当被监测人员处于异常状态的风险小于50％时为第一风险等级，判断被监测人员处于正常状态，无需做任何处理；
当被监测人员处于异常状态的风险大于50％、小于80％时为第二风险等级，在显示器上提示被监测人员可能有处于异常状态的风险，人工判别是否需要介入；
当被监测人员处于异常状态的风险大于80％、小于100％时为第三风险等级。用图像、声音等多种方式提醒管理人员有被监测人员可能已跌倒、昏迷，并要求管理人员手工确认已处理才能关闭警报。
当被监测人员处于异常状态的风险大于100％时为第四风险等级，用图像、声音等多种方式提醒管理人员有被监测人员可能已跌倒、昏迷，并且在管理人员不及时手工确认的时候，拨打紧急处理电话给高级管理人员介入处理。
上述方案，根据风险等级发出对应的警报信息，提升了安全性，避免了被监测人员处于异常状态时无法被及时救助的风险。
基于同一发明构思，图10示例性的示出了本发明实施例提供的运动场馆人员安全监测的装置，该装置可以为运动场馆人员安全监测的方法的流程。
所述装置，包括：
获取模块1001，用于获取被监测人员的视频流；所述视频流包含所述被监测人员的动作图像；
处理模块1002，用于提取所述动作图像中所述被监测人员的多个关节点位置；根据所述多个关节点位置确定所述被监测人员当前的姿态；根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常。
进一步地，所述处理模块1002具体用于：
根据所述多个关节点中至少三个关节点位置确定关节点间的夹角；
或者，
根据所述多个关节点中至少两个关节点位置确定关节点与地面的夹角；
根据所述夹角确定所述被监测人员当前的姿态。
进一步地，所述夹角包含第一夹角、第二夹角以及第三夹角，所述处理模块1002具体用于：
判断是否所述第一夹角大于第一预设角度、所述第二夹角大于第二预设角度且所述第三夹角大于第三预设角度；所述第一夹角为所述被监测人员大腿与小腿的夹角；所述第二夹角为所述被监测人员大腿与躯干的夹角；所述第三夹角为所述被监测人员躯干与地面的夹角；
若是，则所述被监测人员的姿态为立姿。
进一步地，所述处理模块1002具体用于：
根据所述被监测人员当前的姿态确定异常系数；
根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性。
进一步地，所述处理模块1002还用于：
在根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性之后，根据所述被监测人员处于异常状态的可能性确定风险等级；
根据所述风险等级发出对应的警报信息。
基于相同的发明构思，本发明又一实施例提供了一种电子设备，参见图11，所述电子设备具体包括如下内容：处理器1101、存储器1102、通信接口1103和通信总线1104；
其中，所述处理器1101、存储器1102、通信接口1103通过所述通信总线1104完成相互间的通信；所述通信接口1103用于实现各设备之间的信息传输；
所述处理器1101用于调用所述存储器1102中的计算机程序，所述处理器执行所述计算机程序时实现上述运动场馆人员安全监测的方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：获取被监测人员的视频流；所述视频流包含所述被监测人员的动作图像；提取所述动作图像中所述被监测人员的多个关节点位置；根据所述多个关节点位置确定所述被监测人员当前的姿态；根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常。
基于相同的发明构思，本发明又一实施例提供了一种非暂态计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述运动场馆人员安全监测的方法的全部步骤，例如，所述处理器执行所述计算机程序时实现下述步骤：获取被监测人员的视频流；所述视频流包含所述被监测人员的动作图像；提取所述动作图像中所述被监测人员的多个关节点位置；根据所述多个关节点位置确定所述被监测人员当前的姿态；根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常。
此外，上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，运动场馆人员安全监测的装置，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本发明实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，运动场馆人员安全监测的装置，或者网络设备等)执行各个实施例或者实施例的某些部分所述的运动场馆人员安全监测的方法。
此外，在本发明中，诸如“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
此外，在本发明中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
此外，在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种运动场馆人员安全监测的方法，其特征在于，包括：
获取被监测人员的视频流；所述视频流包含所述被监测人员的动作图像；
提取所述动作图像中所述被监测人员的多个关节点位置；
根据所述多个关节点位置确定所述被监测人员当前的姿态；
根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常。
2.根据权利要求1所述的运动场馆人员安全监测的方法，其特征在于，所述根据所述多个关节点位置确定所述被监测人员当前的姿态，包括：
根据所述多个关节点中至少三个关节点位置确定关节点间的夹角；
或者，
根据所述多个关节点中至少两个关节点位置确定关节点与地面的夹角；
根据所述夹角确定所述被监测人员当前的姿态。
3.根据权利要求2所述的运动场馆人员安全监测的方法，其特征在于，所述夹角包含第一夹角、第二夹角以及第三夹角，所述根据所述夹角确定所述被监测人员当前的姿态，包括：
判断是否所述第一夹角大于第一预设角度、所述第二夹角大于第二预设角度且所述第三夹角大于第三预设角度；所述第一夹角为所述被监测人员大腿与小腿的夹角；所述第二夹角为所述被监测人员大腿与躯干的夹角；所述第三夹角为所述被监测人员躯干与地面的夹角；
若是，则所述被监测人员的姿态为立姿。
4.根据权利要求1所述的运动场馆人员安全监测的方法，其特征在于，所述根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常，包括：
根据所述被监测人员当前的姿态确定异常系数；
根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性。
5.根据权利要求4所述的运动场馆人员安全监测的方法，其特征在于，在根据所述异常系数以及所述被监测人员保持在当前的姿态的时间确定所述被监测人员处于异常状态的可能性之后，还包括：
根据所述被监测人员处于异常状态的可能性确定风险等级；
根据所述风险等级发出对应的警报信息。
6.一种运动场馆人员安全监测的装置，其特征在于，包括：
获取模块，用于获取被监测人员的视频流；所述视频流包含所述被监测人员的动作图像；
处理模块，用于提取所述动作图像中所述被监测人员的多个关节点位置；根据所述多个关节点位置确定所述被监测人员当前的姿态；根据所述被监测人员保持在当前的姿态的时间确定所述被监测人员的状态是否异常。
7.根据权利要求6所述的运动场馆人员安全监测的装置，其特征在于，所述处理模块具体用于：
根据所述多个关节点中至少三个关节点位置确定关节点间的夹角；
或者，
根据所述多个关节点中至少两个关节点位置确定关节点与地面的夹角；
根据所述夹角确定所述被监测人员当前的姿态。
8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一项所述方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111174900.4A CN113807317A (zh) | 2021-10-09 | 2021-10-09 | 运动场馆人员安全监测的方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111174900.4A CN113807317A (zh) | 2021-10-09 | 2021-10-09 | 运动场馆人员安全监测的方法、装置及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113807317A true CN113807317A (zh) | 2021-12-17 |
Family
ID=78897424
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111174900.4A Pending CN113807317A (zh) | 2021-10-09 | 2021-10-09 | 运动场馆人员安全监测的方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113807317A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103021136A (zh) * | 2012-12-24 | 2013-04-03 | 电子科技大学 | 一种基于物联网的游泳池溺水监控系统及监控方法 |
| JP2019121045A (ja) * | 2017-12-28 | 2019-07-22 | コニカミノルタ株式会社 | 姿勢推定システム、行動推定システム、および姿勢推定プログラム |
| CN110766912A (zh) * | 2018-07-27 | 2020-02-07 | 长沙智能驾驶研究院有限公司 | 驾驶预警方法、设备及计算机可读存储介质 |
| CN112381002A (zh) * | 2020-11-16 | 2021-02-19 | 深圳技术大学 | 人体风险姿态识别方法及系统 |
| CN112669570A (zh) * | 2021-01-06 | 2021-04-16 | 常州百芝龙智慧科技有限公司 | 一种基于习惯自学习全屋异常监控设备 |
| CN113137983A (zh) * | 2021-04-30 | 2021-07-20 | 深圳市恒星物联科技有限公司 | 一种自学习的井盖姿态监测方法及监测系统 |
-
2021
- 2021-10-09 CN CN202111174900.4A patent/CN113807317A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103021136A (zh) * | 2012-12-24 | 2013-04-03 | 电子科技大学 | 一种基于物联网的游泳池溺水监控系统及监控方法 |
| JP2019121045A (ja) * | 2017-12-28 | 2019-07-22 | コニカミノルタ株式会社 | 姿勢推定システム、行動推定システム、および姿勢推定プログラム |
| CN110766912A (zh) * | 2018-07-27 | 2020-02-07 | 长沙智能驾驶研究院有限公司 | 驾驶预警方法、设备及计算机可读存储介质 |
| CN112381002A (zh) * | 2020-11-16 | 2021-02-19 | 深圳技术大学 | 人体风险姿态识别方法及系统 |
| CN112669570A (zh) * | 2021-01-06 | 2021-04-16 | 常州百芝龙智慧科技有限公司 | 一种基于习惯自学习全屋异常监控设备 |
| CN113137983A (zh) * | 2021-04-30 | 2021-07-20 | 深圳市恒星物联科技有限公司 | 一种自学习的井盖姿态监测方法及监测系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110477925B (zh) | 一种针对敬老院老人的跌倒检测与预警方法及系统 | |
| ES2467154T3 (es) | Método para la monitorización médica remota que incorpora procesamiento de video | |
| CN110472612B (zh) | 人体行为识别方法及电子设备 | |
| Jansen et al. | Context aware inactivity recognition for visual fall detection | |
| CN109887238B (zh) | 一种基于视觉和人工智能的跌倒检测系统及检测报警方法 | |
| CN113347387B (zh) | 影像监视系统和影像监视方法 | |
| CN113903455A (zh) | 在保护隐私的同时识别人及/或识别并量化疼痛、疲劳、情绪及意图的系统及方法 | |
| CN110390303B (zh) | 摔倒报警方法、电子设备及计算机可读存储介质 | |
| CN111242004A (zh) | 一种基于电梯监控数据处理的自动告警方法及系统 | |
| CN113823376B (zh) | 智能服药提醒方法、装置、设备及存储介质 | |
| CN114269243A (zh) | 跌倒风险评价系统 | |
| CN111563492B (zh) | 一种跌倒检测方法、跌倒检测装置及存储装置 | |
| CN112036267A (zh) | 一种目标检测方法、装置、设备和计算机可读存储介质 | |
| CN115116133A (zh) | 一种用于独居老人监护的异常行为检测系统及方法 | |
| JP7356849B2 (ja) | 見守りシステム、見守り方法及び記憶媒体 | |
| Kramer et al. | Automated depth video monitoring for fall reduction: A case study | |
| CN111461042A (zh) | 跌倒检测方法及系统 | |
| CN115019220B (zh) | 一种基于深度学习的姿态追踪方法及系统 | |
| US10475206B1 (en) | Medical environment event parsing system | |
| CN115116127A (zh) | 一种基于计算机视觉和人工智能的跌倒检测方法 | |
| Prueksanusak et al. | An ergonomic chair with Internet of thing technology using SVM | |
| US20200054276A1 (en) | Particle filtering for continuous tracking and correction of body joint positions | |
| Banerjee et al. | Sit-to-stand detection using fuzzy clustering techniques | |
| CN113384267A (zh) | 一种跌倒实时检测方法、系统、终端设备及存储介质 | |
| CN113807317A (zh) | 运动场馆人员安全监测的方法、装置及电子设备 |
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 |