一种跌倒检测的方法和计算机设备与流程

1.本发明涉及测试技术领域，尤其涉及一种跌倒检测的方法和计算机设备。


背景技术：

2.跌倒成为危害人体生命安全的一大重要原因，若跌倒之后不能得到及时救助，很可能失去挽救生命的黄金时间，因此，用于跌倒检测的方法和设备成为广泛需要。
3.目前，可以通过计算机视觉实现跌倒检测，在室内安装摄像头，以检测监控范围内是否发生跌倒，具体的，通过提取各种动作的骨骼节点分布特征，高度特征以及惯性特征，以构成行为特征，再根据行为特征判断人体是否发生跌倒，计算方法复杂，计算量大，通常只能间隔几分钟甚至更久才能完成一次跌倒检测，难以实现实时监测跌倒。
4.因此，现有技术还有待于改进和发展。


技术实现要素：

5.为了解决上述技术问题，本发明的主要目的在于提供一种跌倒检测的方法和计算机设备，此方法不需要复杂的计算，分类速度快，可实现实时检测。
6.第一方面，本发明提供了一种跌倒检测的方法，所述方法包括：
7.获取待检测对象的检测视频，其中，所述检测视频包括若干视频帧；
8.确定各个视频帧各自分别对应的检测标签，以得到所述检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；
9.根据所述检测标签组确定所述待检测对象的跌倒检测结果。
10.作为进一步的改进技术方案，所述获取待检测对象的检测视频，具体包括：
11.获取跟随所述待检测对象移动的成像系统拍摄的检测视频。
12.作为进一步的改进技术方案，所述确定各个视频帧各自分别对应的检测标签，具体包括：
13.对于每个视频帧，获取成像系统拍摄所述视频帧时的俯仰角度；
14.根据所述俯仰角度确定所述视频帧对应的检测标签。
15.作为进一步的改进技术方案，所述成像系统包括可旋转摄像头；所述获取成像系统拍摄所述视频帧时的俯仰角度，具体包括：
16.获取所述可旋转摄像头拍摄所述视频帧时在垂直方向上的旋转角度，其中，所述旋转角度为拍摄所述视频帧时，所述可旋转摄像头相对于预设零位的角度；
17.将获取的旋转角度作为所述俯仰角度。
18.作为进一步的改进技术方案，所述根据所述俯仰角度确定所述视频帧对应的检测标签，具体包括：
19.确定所述俯仰角度所处的角度区间；
20.获取所述角度区间对应的角度标签，并将所述角度标签作为所述视频帧的检测标签。
21.作为进一步的改进技术方案，所述根据所述俯仰角度确定所述视频帧对应的检测标签，具体包括：
22.将所述俯仰角度对应的数值作为所述视频帧对应的检测标签。
23.作为进一步的改进技术方案，所述根据所述检测标签组确定所述待检测对象的跌倒检测结果，具体包括：
24.在预设的若干样本标签组中获取所述检测视频对应的若干参考标签组，其中，所述若干参考标签组中的每个参考标签组均对应一个参考视频，并且各参考视频对应的视频时长与所述检测视频对应的视频时长相同，每个参考视频中参考视频帧的数量等于所述检测视频中视频帧的数量；
25.根据所述若干参考标签组和所述检测标签组确定所述待检测对象的跌倒检测结果。
26.作为进一步的改进技术方案，所述根据所述若干参考标签组和所述检测标签组确定所述待检测对象的跌倒检测结果，具体包括：
27.分别确定所述检测标签组和所述若干参考标签组之间的距离，以得到距离集；
28.按照预设条件在所述距离集中选取若干目标距离，其中，所述预设条件为：所述若干目标距离为距离队列中前预设数量个距离，所述距离队列是按照距离从小到大的顺序对所述距离集中的距离进行排列得到的；
29.根据所述若干目标距离确定所述跌倒检测结果。
30.作为进一步的改进技术方案，所述若干参考标签组均有各自分别对应的参考结果；所述根据所述若干目标距离确定所述跌倒检测结果，具体包括：
31.获取所述若干目标距离各自分别对应的参考结果；
32.根据所述各目标标签组各自分别对应的参考结果确定所述跌倒检测结果。
33.作为进一步的改进技术方案，所述预设数量为奇数，所述参考结果包括跌倒或者未跌倒；所述根据所述各目标标签组各自分别对应的参考结果，具体包括：
34.在所述各目标标签组各自分别对应的参考结果中确定参考结果为跌倒的第一数量，以及参考结果为未跌倒的第二数量；
35.若所述第一数量大于所述第二数量，则确定所述跌倒检测结果为跌倒；
36.若所述第一数量小于所述第二数量，则确定所述跌倒检测结果为未跌倒。
37.作为进一步的改进技术方案，所述获取待检测对象的检测视频之前，还包括：
38.获取若干样本视频，以及所述若干样本视频各自分别对应的参考结果；
39.对于每个样本视频，确定所述样本视频中各样本视频帧各自分别对应的俯仰角度，并根据各俯仰角度确定所述样本视频对应的样本标签组；
40.将每个样本视频对应的样本标签组和每个样本视频对应的参考结果关联保存。
41.第二方面，本发明提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
42.获取待检测对象的检测视频，其中，所述检测视频包括若干视频帧；
43.确定各个视频帧各自分别对应的检测标签，以得到所述检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；
44.根据所述检测标签组确定所述待检测对象的跌倒检测结果。
45.第三方面，本发明提供了一种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以下步骤：
46.获取待检测对象的检测视频，其中，所述检测视频包括若干视频帧；
47.确定各个视频帧各自分别对应的检测标签，以得到所述检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；
48.根据所述检测标签组确定所述待检测对象的跌倒检测结果。
49.与现有技术相比，本发明实施例具有以下优点：
50.在本发明实施例中，获取待检测对象的检测视频，其中，检测视频包括若干视频帧；确定各个视频帧各自分别对应的检测标签，以得到检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；根据检测标签组确定待检测对象的跌倒检测结果。本发明中，确定检测视频对应检测标签组，检测标签组中的每个检测标签反映了该检测标签对应的视频帧中待检测对象的位置情况，再根据各检测检测标签组确定待检测对象是否发生跌倒，获取的数据量小，不需要复杂的计算，分类速度快，每获取一个检测视频后，可以快速得到该检测视频对应的跌倒检测结果，可实现实时检测。
附图说明
51.图1是本发明实施例中一种跌倒检测的方法的应用场景的示意图；
52.图2是本发明实施例中一种跌倒检测的方法的示意图；
53.图3是本发明实施例中移动机器人的示意图；
54.图4为本发明实施例中移动机器人的旋转角度的示意图；
55.图5为本发明实施例中角度区间和检测标签的示意图；
56.图6为本发明实施例中保存的各样本视频和每个样本视频对应的参考结果的示意图；
57.图7是本发明具体实施时跌倒检测的方法的流程示意图；
58.图8是本发明实施例中计算机设备的内部结构图。
具体实施方式
59.为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
60.发明人经研究发现，目前，可以通过计算机视觉实现跌倒检测，在室内安装摄像头，以检测监控范围内是否发生跌倒，具体的，通过提取各种动作的骨骼节点分布特征，高度特征以及惯性特征，以构成行为特征，再根据行为特征判断人体是否发生跌倒，计算方法复杂，计算量大，通常只能间隔几分钟甚至更久才能完成一次跌倒检测，难以实现实时监测跌倒。
61.为了解决上述问题，在本发明实施例中，获取待检测对象的检测视频，其中，检测视频包括若干视频帧；确定各个视频帧各自分别对应的检测标签，以得到检测视频对应的
检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；根据检测标签组确定待检测对象的跌倒检测结果。本发明中，确定检测视频对应检测标签组，检测标签组中的每个检测标签反映了该检测标签对应的视频帧中待检测对象的位置情况，再根据各检测检测标签组确定待检测对象是否发生跌倒，获取的数据量小，不需要复杂的计算，分类速度快，每获取一个检测视频后，可以快速得到该检测视频对应的跌倒检测结果，可实现实时检测。
62.本发明实施例提出的一种跌倒检测的方法，可以应用到电子设备中，例如，pc机、服务器、手机、电视机等。另外，该方法所实现的功能可以通过电子设备中的处理调用应用程序代码来实现，当然程序代码可以保存在计算机存储介质中，可见，所述电子设备至少包括处理器和存储介质。
63.举例说明，本发明实施例可以应用到如图1所示的场景，在该场景中，首先，终端设备1可以获取检测视频，并将检测视频输入终端设备2，以使得终端设备2根据检测视频得到检测结果。可以理解的是，在上述应用场景中，虽然将本发明实施方式的动作描述为部分由终端设备2执行，部分由终端设备1执行，但是这些动作可以全部由终端设备1执行，本发明在执行主体方面不受限制，只要执行了本发明实施方式所公开的工作即可。
64.下面结合附图，详细说明本发明的各种非限制性实施方式。
65.参见图2，示出了本发明实施例中一种跌倒检测的方法，所述方法包括：
66.s1、获取待检测对象的检测视频，其中，所述检测视频包括若干视频帧。
67.在本发明实施例中，所述检测视频可以是终端设备拍摄的，并由终端设备处理所述检测视频，所述检测视频也可以是由其他设备发送到终端设备，再由终端设备处理，所述检测视频的画面中包括待检测对象，所述待检测对象为人，即所述检测视频是拍摄的一特定人物的视频。所述检测视频中包括若干视频帧。
68.在本发明实施例中，每间隔预设时长，获取待检测对象的检测视频，即所述检测视频的时长为所述预设时长。具体的，若是终端设备拍摄得到检测视频，则终端设备持续拍摄，每拍摄预设时长则获取一次检测视频；若是其他设备拍摄检测视频，则终端设备每隔预设时长获取其他设备拍摄的检测视频，其他设备持续拍摄检测视频，或者其他设备每隔预设时长发送拍摄的视频到终端设备。举例来说，所述预设时长可以设置为3秒，所述检测视频中可以包括90个视频帧。
69.在本发明实施例中，获取待检测对象的检测视频具体包括：获取跟随所述待检测对象移动的成像系统拍摄的检测视频。所述成像系统跟随所述待检测对象移动，以使得成像系统拍摄的画面中始终有待检测对象。具体的，可以在成像系统中预先存储待检测对象对应的人脸图像，开始拍摄时，成像系统通过人脸识别确定拍摄画面中的待检测对象，并对拍摄画面中的人脸进行实时跟随，以使得待检测对象始终处于拍摄画面中。
70.s2、确定各个视频帧各自分别对应的检测标签，以得到所述检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况。
71.在本发明实施例中，所述成像系统上包括可旋转摄像头，以使得成像系统跟随待检测对象拍摄，且所述待检测对象始终处于成像系统的拍摄画面中，通过所述可旋转摄像头拍摄每个视频帧的角度确定该视频帧对应的检测标签。所述检测标签可以用数值形式表示，例如，一个视频帧对应的检测标签为2，同时，2也可以用于反映可旋转摄像头的拍摄该
视频帧时的角度。也就是说，所述检测标签与可旋转摄像头拍摄的角度有关，因此，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况。
72.为了使得到的检测标签更准确，可以设定成像系统跟随拍摄待检测对象，且所述待检测对象的头部始终处于拍摄画面的中心。
73.在本发明实施例中，所述成像系统可以是终端设备上的一部分。如图3所示，所述终端设备可以是移动机器人，移动机器人可以跟随待检测对象移动。作为一种示例，移动机器人上设置有可旋转摄像头；可以将待检测对象对应的人脸图像录入移动机器人，移动机器人通过人脸识别确定拍摄画面中的待检测对象，并对拍摄画面中的人脸进行实时跟随，以使得待检测对象始终处于拍摄画面中心；若待检测对象处于移动状态，为了使待检测对象始终处于拍摄画面中心，可旋转摄像头会旋转拍摄的角度，根据可旋转摄像头拍摄视频帧时的角度，确定视频帧对应的检测标签。在本发明实施例中，通过移动机器人跟随所述待检测对象拍摄得到检测视频，移动机器人具有灵活性，可多角度全方位进行监测，并且，机器人可以采集视频和声音等更加丰富的信息。
74.另外，还可以通过计算机视觉(例如图像处理的检测方式)实现跌倒检测；具体的，可以通过预先安装的摄像头，通过摄像头采集到包括人像的图像数据，并根据人像在所采集到的图像数据的位置变化情况，以检测监控范围内是否发生跌倒事件，其中，用于采集视频的摄像头的俯仰角度和拍摄方向可以均是固定的。
75.接下来，将详细介绍通过移动机器人跟随所述待检测对象拍摄得到检测视频，以确定所述视频帧对应的检测标签的方式。具体的，步骤s2包括：
76.s21、对于每个视频帧，获取成像系统拍摄所述视频帧时的俯仰角度。
77.在本发明实施例中，为了检测待检测对象是否发生跌倒，在跌倒事件中，待检测对象的身体部位的位置在垂直于水平面的方向上会发生变化，例如，跌倒过程中，待检测对象的一身体部位在垂直于水平面的方向上会发生变化。在一个示例中，所述身体部位可以是待检测对象的上半身，通过成像系统跟随拍摄待检测对象的上半身，使得待检测对象的上半身始终处于画面中，当待检测对象的上半身的位置发生变化时，成像系统拍摄的角度也会发生变化。所述身体部位可以是待检测对象的头部，跌倒过程中，待检测对象的头部位置在垂直于水平面的方向上也会发生变化，例如，待检测对象站立时发生跌倒，待检测对象在站立时头部的高度，必然高于待检测对象跌倒后头部的高度。可以通过人脸识别待检测对象的人脸，并且，成像系统跟随拍摄待检测对象的人脸，以使得待检测对象的头部始终处于成像系统的拍摄画面中，当待检测对象的头部位置发生变化时，成像系统拍摄待检测对象时，在垂直于水平面的方向上的俯仰角度会发生变化。
78.具体的，步骤s21包括：
79.s211、获取所述可旋转摄像头拍摄所述视频帧时在垂直方向上的旋转角度，其中，所述旋转角度为拍摄所述视频帧时，所述可旋转摄像头相对于预设零位的角度；
80.s212、将获取的旋转角度作为所述俯仰角度。
81.在本发明实施例中，所述成像系统上设置有可旋转摄像头，所述垂直方向为垂直于水平面的方向。具体的，预先标定可旋转摄像头的预设零位，获取拍摄视频帧可旋转摄像头相对于所述预设零位的旋转角度，将获取的旋转角度作为所述俯仰角度。所述预设零位对应的角度为0度，可以将所述可旋转摄像头的主光轴与水平面平行时的角度设定为0度，
所述主光经过可旋转摄像头的镜面中心且与镜面垂直；或者，可以将所述可旋转摄像头的主光轴与水平面之间为一预设角度时的角度，设定为0度，例如，所述预设角度为30度，也就是说，当可旋转摄像头的主光轴与水平面之间的角度为30度时，所述可旋转摄像头处于预设零位，此时，所述可旋转摄像头对应的角度为0度。
82.在本发明实施例中，所述俯仰角度包括俯角或者仰角，所述旋转角度通过数值表示，当数值为正数时，所述俯仰角度为仰角，当所述数值为负数时，所述俯仰角度为俯角，当数值为0时，则为预设零位，可作为零度仰角或者零度俯角。
83.例如，对于一个视频帧，获取成像系统拍摄该视频帧时，可旋转摄像头的旋转角度，若获取的旋转角度为：10度，则该视频帧对应的俯仰角度为10度仰角；若获取的旋转角度为：-10度，则该视频帧对应的俯仰角度为10度俯角。
84.s22、根据所述俯仰角度确定所述视频帧对应的检测标签。
85.在本发明实施例中，预先设定了各角度区间，以及每个角度区间对应检测标签，首先确定视频帧对应的俯仰角度所处的角度区间，再根据角度区间和检测标签之间的对应关系确定该视频帧的检测标签。
86.具体的，步骤s22包括：
87.s221、确定所述俯仰角度所处的角度区间；
88.s222、获取所述角度区间对应的角度标签，并将所述角度标签作为所述视频帧的检测标签。
89.在本发明实施例中，所述角度区间为预先设置，将-180
°
至180
°
划分为多个角度区间，例如，每变化10
°
，划分为一个角度区间。为了得到更精确的检测结果，可以设置角度区间包括的角度变化范围更小，例如，设置每变化5
°
，划分为一个角度区间。每个角度区间有其对应的角度标签，所述角度标签可以用数值表示，角度标签对应的数值越大，则该角度标签对应的俯仰角度越大。
90.例如，参阅图4和图5，每变化10
°
，划分为一个角度区间，俯仰角度为0
°
(预设零位)对应的角度标签记为0，(0
°
,10
°
]为一个角度区间，将(0
°
,10
°
]对应的角度标签记为1；(10
°
,20
°
]为一个角度区间，将(10,20]对应的角度标签记为2，[-10
°
,0
°
)为一个角度区间，将[-10
°
,0
°
)对应的角度标签记为-1；也就是说，当某一视频帧的俯仰角度为10
°
时，10
°
所处的角度区间为(0
°
,10
°
]，则该视频帧对应的角度标签为1，则确定该视频帧的检测标签为1。
[0091]
在本发明实施例中，确定俯仰角度所处的角度区间，将该俯仰角度所处的角度区间对应的角度标签作为该俯仰角度对应的检测标签。例如，在上例中，拍摄视频帧f1时的俯仰角度为55
°
，55
°
对应的角度区间为(50
°
,60
°
]，角度区间(50
°
,60
°
]对应的角度标签为6，进而，确定视频帧f1对应的检测标签为6。
[0092]
在本发明实施例中，由于一个检测视频包括多个视频帧，每个视频帧均有其对应的检测标签，因此，一个检测视频对应一个检测标签组(包括多个检测标签)，所述检测标签组中各检测标签的数量等于检测视频中视频帧的数量；对于检测标签组中的一个检测标签，该检测标签在所述检测标签组中所处的位置序号，与该检测标签对应的视频帧在检测视频中所述的位置序号相同，例如，检测视频有90个视频帧，该检测视频对应的检测标签组包括90个检测标签，对于排序为第3位的检测标签，该检测标签对应的视频帧是检测视频中
排序为第3位的视频帧。
[0093]
检测视频中每个视频帧对应的画面中均包括待检测对象，通过检测视频中的各视频帧可以反映待检测对象的移动情况，确定检测视频中每个视频帧对应的标签，则可以通过检测标签组中的各检测标签反映检测对象的移动情况；当待检测对象发生跌倒时，待检测对象的一身体部位会发生垂直于水平面方向上的移动，例如，待检测对象的头部会发生垂直于水平面方向上的移动，则头部的高度(在与水平面垂直方向上的距离)会发生变化。
[0094]
由于成像系统跟随人体的一身体部位拍摄，当身体部位距离地面的高度发生变化时，成像系统拍摄的角度会发生变化；也就是说，当检测标签对应的数值较大时，表示人体的一身体部位距离地面的高度较大，当检测标签对应的数值较小时，表示人体的一身体部位距离地面的高度较小。
[0095]
例如，一个检测视频对应的检测标签组为：7,7,3,3,3,
……
,表示拍摄待检测对象的第一个视频帧，成像系统的俯仰角度对应的角度区间为7，拍摄待检测对象的第二个视频帧时，成像系统的俯仰角度对应的角度区间为7，拍摄待检测对象的第三个视频帧时，摄像头的俯仰角度对应的角度区间为3。若成像系统是跟随待检测对象的头部拍摄检测视频(头部始终处于拍摄画面的中)，则在第一个视频帧头部距离地面的高度，与第二个视频帧中头部距离地面的高度变化不大；在第二个视频帧中头部距离地面的高度，大于第三个视频帧中头部距离地面的高度。
[0096]
在本发明实施例中，还可以将所述俯仰角度对应的数值作为所述视频帧对应的检测标签，也就是说，若成像系统拍摄一视频帧时的俯仰角度为10
°
，该俯仰角度对应的数值为10，则该视频帧的检测标签为10。若成像系统拍摄一视频帧时的俯仰角度为-23
°
，该俯仰角度对应的数值为-23，则该视频帧的检测标签为-23。
[0097]
s3、根据所述检测标签组确定所述待检测对象的跌倒检测结果。
[0098]
在本发明实施例中，待检测对象发生跌倒时，待检测对象的头部会发生位置变化，具体为，待检测对象的头部的高度会发生变化，通过步骤s2，实现了采用检测标签组表示检测视频中，待检测对象头部的高度变化；若检测标签组中各检测标签均相同，则表示待检测对象的头部在检测视频中没有发生上下方向的位移，例如，待检测对象一直保持直立状态，则检测视频中的各检测标签相同；若检测标签组中各检测标签均不相同，则表示待检测对象的头部在检测视频中发生了上下方向的位移。
[0099]
在本发明实施例中，为了通过检测视频可以确定跌倒检测结果，检测视频的时长应设置与真实发生跌倒的时长接近，在理论上，真实发生跌倒的时长为2-4秒，可以将所述待检测视频的时长设置为3秒，以使得在待检测视频发生跌倒时，拍摄的检测视频中可以包括跌倒发生的过程。若检测视频中包括跌倒发生的过程则成像系统的俯仰角度发生变化，例如，成像系统拍摄检测视频的第一个视频帧时的俯仰角度为70
°
，拍摄检测视频的最后一个视频帧时的俯仰角度为-5
°
，进而，检测标签组中的各检测标签包括从7和-1，以及7变化至-1的中间数值。因此，通过检测标签组可以反映跌倒检测结果。
[0100]
在本发明实施例中，通过k-近邻算法(k-nearest neighbors,knn)确定跌倒检测结果。k-近邻算法是一种用于分类和回归的非参数统计方法，k-近邻算法的原理是：对于一个待测样本和k个参考样本，每个参考样本均有对应的类别，若k个参考样本中多数参考样本属于同一类别，则认为待测样本属于多数参考样本对应的类别。
[0101]
例如，对于待测样本和k＝23个参考样本，在23个参考样本中：属于橙色类别的参考样本有2个，属于绿色类别的参考样本有绿色有3个，属于粉色类别的参考样本有4个，属于黑色类别的参考样本有14个，则确定该待测样本属于黑色这一类。
[0102]
具体的，步骤s3包括：
[0103]
s31、在预设的若干样本标签组中获取所述检测视频对应的若干参考标签组。
[0104]
在本发明实施例中，预先保存了多个样本标签组，每个样本标签组对应一个样本视频，样本视频为人体发生跌倒的视频，或者人体未发生跌倒的视频。每个样本视频对应一个参考结果，若样本视频为人体发生跌倒的视频，则该样本视频对应的参考结果为跌倒；若样本视频为人体未发生跌倒的视频，则该样本视频对应的参考结果为未跌倒。样本标签组包括多个样本视频帧各自分别对应的样本标签，每个样本标签可以反映拍摄样本视频帧时的俯仰角度。
[0105]
具体的，在步骤s1之前，包括：
[0106]
m1、获取若干样本视频，以及所述若干样本视频各自分别对应的参考结果。
[0107]
在本发明实施例中，采用同一型号的成像系统获取样本视频，成像系统为移动机器人时，采用同一型号的移动机器人获取样本视频。样本视频为真实测试时人体发生跌倒的视频，或者真实测试时人体未发生跌倒的视频。每个样本视频对应一个参考结果，若样本视频为人体发生跌倒的视频，则该样本视频对应的参考结果为跌倒；若样本视频为人体未发生跌倒的视频，则该样本视频对应的参考结果为未跌倒。
[0108]
m2、对于每个样本视频，确定所述样本视频中各样本视频帧各自分别对应的俯仰角度，并根据各俯仰角度确定所述样本视频对应的样本标签组。
[0109]
在本发明实施例中，对于每个样本视频，获取成像系统拍摄样本视频的每个样本视频帧时的俯仰角度，根据俯仰角度确定样本视频帧对应的样本标签，以得到样本视频对应的样本标签组。其中，获取成像系统拍摄样本视频的每个样本视频帧时的俯仰角度的具体过程，与步骤s21的过程相同，进而，对于获取成像系统拍摄样本视频的每个样本视频帧时的俯仰角度的具体过程可以参考步骤s21的说明；根据俯仰角度确定样本视频帧对应的样本标签，以得到样本视频对应的样本标签组的具体过程，与步骤s22的过程相同，进而，对于根据俯仰角度确定样本视频帧对应的样本标签，以得到样本视频对应的样本标签组的具体过程可以参考步骤s22的说明。
[0110]
m3、将每个样本视频对应的样本标签组和每个样本视频对应的参考结果关联保存。
[0111]
在本发明实施例中，可以将每个样本视频和每个样本视频对应的参考结果保存在终端设备中，终端设备获取成像系统拍摄的检测视频后，根据预先保存每个样本视频和每个样本视频对应的参考结果确定检测视频对应的跌倒检测结果。
[0112]
例如，参见图6，保存了包括跌倒(falls)和未跌倒(notfalls)文件，其中，falls中包括多个参考结果为“跌倒”的样本视频，分别为fall-01、fall-02和fall-03；notfalls中包括多个参考结果为“未跌倒”的样本视频，分别为notfall-01和notfall-02。
[0113]
在本发明实施例中，所述若干参考标签组中的每个参考标签组均对应一个参考视频，各参考视频对应的视频时长与所述检测视频对应的视频时长相同，也就是说，将与检测视频的视频时长相同的样本视频作为参考视频。每个参考标签组中包括的参考标签的数量
与检测视频中检测标签的数量。
[0114]
例如，获取的参考标签组1(6,6,7,
……
，4,5,5,5)，其对应的参考结果为未跌倒，参考标签组2(7,7,7,
……
,0,0,-1,-1),其对应的参考结果为跌倒。
[0115]
s32、根据所述若干参考标签组和所述检测标签组确定所述待检测对象的跌倒检测结果。
[0116]
在本发明实施例中，为了确定检测标签组对应的跌倒检测结果，首先确定检测标签组与各参考标签组的距离，选取与检测标签组在距离上最接近的目标标签组，根据各目标标签组对应的参考结果确定所述跌倒检测结果。
[0117]
具体的，步骤s32包括：
[0118]
s321、分别确定所述检测标签组和各参考标签组之间的距离，以得到距离集，其中，每个参考标签组中参考标签的数量等于所述检测标签组中检测标签的数量；
[0119]
在本发明实施例中，可以通过欧式距离(hamming distance)的计算公式计算检测标签组和参考标签组之间的距离。如公式(1)所示：
[0120][0121]
其中，x1是检测标签组中的第一个检测标签，y1是参考标签组中的第一个参考标签，x2是检测标签组中的第二个检测标签，y2是参考标签组中的第二个参考标签，xn是检测标签组中的第n个检测标签，yn是参考标签组中的第n个参考标签。
[0122]
在本发明实施例中，距离集包括多个距离，距离集中距离的个数与参考标签组的个数相同。
[0123]
s322、按照预设条件在所述距离集中选取若干目标距离，其中，所述预设条件为：所述若干目标距离为距离队列中前预设数量个距离，所述距离队列是按照距离从小到大的顺序对所述距离集中的距离进行排列得到的。
[0124]
在本发明实施例中，可以按照距离从大到小的顺序，对所述距离集中的各距离进行排序，以得到距离队列。所谓从大到小，是按照距离对应数值确定距离的大小，若距离对应的数值大，则距离越大，若距离对应的数值小，则距离越小。将数值小的距离排列在数值大的距离之前，以得到距离队列。检测标签组与样本标签组之间的距离越小，表示检测标签组与样本标签组之间的相似度越高，检测标签组与样本标签组之间的距离越大，表示检测标签组与样本标签组之间的相似度越低。例如，检测标签组x与样本标签组y1之间的距离为2，检测标签组x与样本标签组y2之间的距离为3，则相对于样本标签组y2来说，检测标签组x与样本标签组y1之间的相似度更高。
[0125]
在本发明实施例中，选择距离队列中的预设数量(k)个距离，作为所述若干目标距离，得到目标距离集。也就是说，目标距离集中每个目标距离对应的样本标签组与检测标签组之间的相似度，均大于任意一个非目标距离对应的样本标签组与检测标签组之间的相似度，非目标距离是所述距离队列中除了目标距离以外的距离。
[0126]
s323、根据所述若干目标距离确定所述跌倒检测结果。
[0127]
在本发明实施例中，所述参考结果包括跌倒或者未跌倒。获取各目标距离各自分别对应的参考结果，根据各参考结果确定跌倒结果。若各目标距离各自分别对应的参考结果中，未跌倒结果较多，则确定跌倒检测结果为未跌倒，若各目标距离各自分别对应的参考
结果中，跌倒结果较多，则确定跌倒检测结果为跌倒。
[0128]
具体的，步骤s323包括：
[0129]
s3231、获取所述若干目标距离各自分别对应的参考结果；
[0130]
在本发明实施例中，若干目标距离是在若干参考标签组和待检测标签组计算得到的距离中选取得到的，首先确定若干目标距离各自分别对应的参考标签组，再获取确定得到的若干参考标签组各自分别对应的参考结果。
[0131]
s3232、根据所述各目标标签组各自分别对应的参考结果确定所述跌倒检测结果。
[0132]
在本发明实施例中，所述预设数量的数量可以为奇数，也就是说，所述若干目标距离的数量为奇数，这样，就会出现参考结果为“跌倒”和参考结果为“未跌倒”的数量不同；若各目标标签组各自分别对应的参考结果中“跌倒”的数量多于“未跌倒”的数量，则确定跌倒检测结果为跌倒，若各目标标签组各自分别对应的参考结果中“未跌倒”的数量多于“跌倒”的数量，则确定跌倒检测结果为未跌倒。
[0133]
具体的，在所述各目标标签组各自分别对应的参考结果中确定参考结果为跌倒的第一数量，以及参考结果为未跌倒的第二数量；若所述第一数量大于所述第二数量，则确定所述跌倒检测结果为跌倒；若所述第一数量小于所述第二数量，则确定所述跌倒检测结果为未跌倒。
[0134]
例如，若所述预设数量为21，则目标标签组有21个，其中，参考结果为跌倒结果的目标标签组有16个，参考结果为未跌倒结果的目标标签组有5个，则第一数量大于第二数量，则跌倒检测结果为跌倒。若参考结果为跌倒结果的目标标签组有5个，参考结果为未跌倒结果的目标标签组有16个，则第一数量小于第二数量，则跌倒检测结果为未跌倒。
[0135]
在本发明实施例中，所述预设数量也可以为偶数，也就是说，所述若干目标距离的数量为偶数，这样，可能会出现参考结果为“跌倒”和参考结果为“未跌倒”的数量相同，若参考结果为“跌倒”和参考结果为“未跌倒”的数量相同，则可以设定发出语音提示，以询问目标是否跌倒，是否需要报警；所述若干目标距离的数量为偶数，也可能出现参考结果为“跌倒”和参考结果为“未跌倒”的数量不同的情况，若各目标标签组各自分别对应的参考结果中“跌倒”的数量多于“未跌倒”的数量，则确定跌倒检测结果为跌倒，若各目标标签组各自分别对应的参考结果中“未跌倒”的数量多于“跌倒”的数量，则确定跌倒检测结果为未跌倒。也就是说，本发明实施例书中，可以不对预设数量进行限定(不限定预设数量为奇数，或者偶数)。
[0136]
具体实施是，参见图7，本发明提供的一种跌倒检测的方法的过程包括：
[0137]
1、获取检测视频，检测视频包括若干视频帧；
[0138]
2、确定每个视频帧对应的检测标签，以得到待检测视频对应的检测标签组；
[0139]
3、获取检测标签组对应的若干参考标签组，其中，每个参考标签组中参考标签的数量等于检测标签组中检测标签的数量；
[0140]
4、将检测标签组和若干参考标签组输入k-近邻算法分类器，所述k-近邻算法分类器根据检测标签组和若干参考标签组之间的距离确定检测视频对应的跌倒检测结果。
[0141]
在本发明实施例中，若判断出检测视频的检测结果为跌倒，则发出语音提示，以询问目标是否跌倒，是否需要报警。若未发生跌倒，则待检测对象可以回复未发生跌倒，以防止误检测；如果待检测对象发生跌倒，且可以回复确认跌倒，则可以立即通知亲属，并进行
报警处理，若待检测对象得到后出现意识不清醒，无法回应，可以设定在发出语音提示3分钟后自动报警。
[0142]
在本发明实施例中，移动机器人可以自行处理检测视频，以得到跌倒检测结果；移动机器人也可以将检测视频发送到终端设备，即移动机器人只负责采集检测视频，而终端设备处理检测视频，以得到跌倒检测结果；终端设备可以是电视，电视中关联保存有参考视频对应的参考标签组和参考视频对应的参考结果。电视接收到检测视频后，根据检测视频、参考视频对应的参考标签组和参考视频对应的参考结果得到检测结果，可以在电视上显示检测结果，并执行报警等操作。
[0143]
在本发明实施例中，获取待检测对象的检测视频，其中，所述检测视频包括若干视频帧；确定各个视频帧各自分别对应的检测标签，以得到所述检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；根据所述检测标签组确定所述待检测对象的跌倒检测结果。本发明中，确定检测视频对应检测标签组，检测标签组中的每个检测标签反映了该检测标签对应的视频帧中待检测对象的位置情况，再根据各检测检测标签组确定待检测对象是否发生跌倒，获取的数据量小，不需要复杂的计算，分类速度快，每获取一个检测视频后，可以快速得到该检测视频对应的跌倒检测结果，可实现实时检测。
[0144]
基于上述一种跌倒检测的方法，本发明实施例还提供了一种计算机设备，该设备可以是终端，内部结构如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种跌倒检测的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0145]
本领域技术人员可以理解，图8示的仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0146]
本发明实施例提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现以下步骤：
[0147]
获取待检测对象的检测视频，其中，所述检测视频包括若干视频帧；
[0148]
确定各个视频帧各自分别对应的检测标签，以得到所述检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；
[0149]
根据所述检测标签组确定所述待检测对象的跌倒检测结果。
[0150]
本发明实施例还提供了一种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以下步骤：
[0151]
获取待检测对象的检测视频，其中，所述检测视频包括若干视频帧；
[0152]
确定各个视频帧各自分别对应的检测标签，以得到所述检测视频对应的检测标签组，其中，视频帧对应的检测标签反映了该视频帧对应的待检测对象的位置情况；
[0153]
根据所述检测标签组确定所述待检测对象的跌倒检测结果。
[0154]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0155]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。
[0156]
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。