一种跌倒检测方法及装置的制造方法
【技术领域】
[0001]本申请涉及计算机视觉技术领域，尤其涉及一种跌倒检测方法及装置。
【背景技术】
[0002]目前，对于人的跌倒检测主要是基于便携式的传感器，如佩戴在身上的胸针，来检测是否跌倒。
[0003]采用这种方法，需要待检测的人随身携带传感器，且当需要检测多个人时则需要预先在这些人身上安装传感器，扩展性、通用性均不强。
[0004]现有技术不足在于:
[0005]现有的跌倒检测方法需要预先在待检测对象身上安装传感器，实施起来较为麻烦且通用性不强。
【发明内容】
[0006]本申请实施例提出了一种跌倒检测方法及装置，以解决现有技术中跌倒检测方法需要预先在待检测对象身上安装传感器，实施起来较为麻烦且通用性不强的技术问题。
[0007]本申请实施例提供了一种跌倒检测方法，包括如下步骤:
[0008]获取待检测对象在三维场景中的轨迹，所述轨迹为所述待检测对象若干时刻的三维坐标的集合，所述三维坐标为以地面为xoy平面、以垂直地面向上为ζ轴的三维坐标系中的坐标；
[0009]对时间窗口为预设第一阈值的区间内的轨迹进行高通滤波；
[0010]如果滤波后得到高频响应，初步确定所述待检测对象跌倒。
[0011]本申请实施例提供了一种跌倒检测装置，包括:
[0012]获取模块，用于获取待检测对象在三维场景中的轨迹，所述轨迹为所述待检测对象若干时刻的三维坐标的集合，所述三维坐标为以地面为xoy平面、以垂直地面向上为ζ轴的三维坐标系中的坐标；
[0013]滤波模块，用于对时间窗口为预设第一阈值的区间内的轨迹进行高通滤波；
[0014]第一确定模块，用于如果滤波后得到高频响应，初步确定所述待检测对象跌倒。
[0015]有益效果如下:
[0016]本申请实施例所提供的跌倒检测方法及装置，首先获取待检测对象在二维场景中的轨迹，通过对时间窗口为预设第一阈值的区间内的轨迹进行高通滤波，根据滤波结果判断所述待检测对象是否跌倒，如果滤波后得到高频响应，则初步确定所述待检测对象跌倒。由于本申请实施例只需要获取到三维场景中待检测对象的轨迹，通过对轨迹滤波即可检测出待检测对象是否跌倒，无需待检测对象预先携带或安装任何传感器，使得跌倒检测的实施更加方便，通用性较强。
[0017]本申请实施例提供了一种跌倒检测方法，包括如下步骤:
[0018]获取当前时刻三维场景中像素点的三维坐标，所述三维坐标为以地面为xoy平面、以垂直地面向上为Z轴的三维坐标系中的坐标；
[0019]根据所述像素点的三维坐标生成高度图，所述高度图为具有高度值的像素点在xoy平面投影的图像；
[0020]对所述高度图进行斑点blob检测，计算blob的形状数据；
[0021]根据所述blob的形状数据，初步确定所述blob对应的待检测对象是否跌倒。
[0022]本申请实施例提供了一种跌倒检测装置，包括:
[0023]坐标获取单元，用于获取当前时刻三维场景中像素点的三维坐标，所述三维坐标为以地面为xoy平面、以垂直地面向上为ζ轴的三维坐标系中的坐标；
[0024]高度图生成单元，用于根据所述像素点的三维坐标生成高度图，所述高度图为具有高度值的像素点在xoy平面投影的图像；
[0025]检测单元，用于对所述高度图进行斑点blob检测；
[0026]计算单元，用于计算所述blob的形状数据；
[0027]第一确定单元，用于根据所述blob的形状数据，初步确定所述blob对应的待检测对象是否跌倒。
[0028]有益效果如下:
[0029]本申请实施例所提供的跌倒检测方法及装置，获取当前时刻三维场景中每个像素点的三维坐标，根据所述三维坐标生成高度图，并对高度图进行blob检测，计算blob的形状数据，根据所述blob的形状数据，初步确定所述blob对应的待检测对象是否跌倒。由于本申请实施例只需要获取当前场景中像素点的坐标，通过计算即可检测出待检测对象是否跌倒，无需待检测对象预先携带或安装任何传感器，使得跌倒检测的实施更加方便，通用性更强。
【附图说明】
[0030]下面将参照附图描述本申请的具体实施例，其中:
[0031]图1示出了本申请实施例中跌倒检测方法实施的流程示意图；
[0032]图2示出了本申请实施例中跌倒检测方法实施的流程示意图；
[0033]图3示出了本申请实施例中安装有RGBD传感器的三维场景示意图；
[0034]图4示出了本申请实施例中转换为xoy平面坐标系后的场景示意图；
[0035]图5示出了本申请实施例中跌倒检测装置的结构示意图；
[0036]图6示出了本申请实施例中跌倒检测装置的结构示意图。
【具体实施方式】
[0037]为了使本申请的技术方案及优点更加清楚明白，以下结合附图对本申请的示例性实施例进行进一步详细的说明，显然，所描述的实施例仅是本申请的一部分实施例，而不是所有实施例的穷举。并且在不冲突的情况下，本说明中的实施例及实施例中的特征可以互相结合。
[0038]发明人在发明过程中注意到:
[0039]现有技术中还存在一种利用基于颜色的视频分析技术来进行跌倒检测的方法，但这种方式由于是基于颜色的视频分析，因此准确度不高。
[0040]基于此，本申请实施例提出了一种跌倒检测方法及装置，充分利用RGBD传感器获得的颜色信息和深度信息进行跌倒检测，下面进行说明。
[0041]图1示出了本申请实施例跌倒检测方法实施的流程示意图，如图所示，所述跌倒检测方法可以包括如下步骤:
[0042]步骤101、获取待检测对象在三维场景中的轨迹，所述轨迹为所述待检测对象若干时刻的三维坐标的集合，所述三维坐标为以地面为xoy平面、以垂直地面向上为ζ轴的三维坐标系中的坐标；
[0043]步骤102、对时间窗口为预设第一阈值的区间内的轨迹进行高通滤波；
[0044]步骤103、如果滤波后得到高频响应，则初步确定所述待检测对象跌倒。
[0045]在具体实施中，可以通过具有获取三维场景信息功能的摄像头/传感器，如RGBD传感器，来获取待检测对象在三维场景中的轨迹。其中，所述轨迹可以为所述待检测对象的一系列三维坐标的集合，这些三维坐标可以为以地面为xoy平面、以垂直地面向上为ζ轴的三维坐标系中的坐标。
[0046]如果摄像头/传感器直接获得的三维坐标为相机视角的坐标，则可以通过计算将每个像素点从相机视角的坐标转换为以地面为xoy平面、以垂直地面向上为ζ轴的三维坐标系中的坐标，具体转换过程可参考现有技术实施，本申请实施例对此不再赘述。
[0047]本申请实施例通过对待检测对象的轨迹进行高通滤波，如果滤波后得到高频响应，也即所述待检测对象的高度(ζ轴)短时间内有明显变化，来确定所述待检测对象在这段时间区间内处于跌倒的过程中，从而初步确定所述待检测对象跌倒。
[0048]实施中，在所述获取待检测对象在三维场景中的轨迹之前，所述方法可以进一步包括:
[0049]通过采集大量样本进行机器学习，得到人的特征；
[0050]将所述待检测对象与所述人的特征比对，确定所述待检测对象为人。
[0051]本申请实施例可以在跌倒检测之前，对人进行大量的机器学习，得到人的特征，在开始跌倒检测时先判断待检测对象是否为人，如果是人，再进行后续检测步骤，从而排除不需要检测的对象，如桌子、沙发等，极大地降低跌倒检测所需要的计算量。
[0052]实施中，在所述初步确定所述待检测对象跌倒之后，所述方法可以进一步包括:
[0053]根据所述区间之后的所述待检测对象的三维坐标生成高度图，所述高度图为具有高度值的像素点在地面投影的图像；
[0054]计算所述待检测对象在地面上的形状数据；
[0055]根据所述待检测对象在地面上的形状数据，进一步确定所述待检测对象是否跌倒。
[0056]具体实施中，可以获取所述待检测对象的所有时刻的三维坐标并生成高度图进行后续计算，也可以只获取所述时间区间的下一时刻或下一时间区间内所述待检测对象的三维坐标来生成高度图，后者的计算量比前者的计算量更小。本领域技术人员可以根据实际需要，在初步确定所述待检测对象处于跌倒过程中(在所述时间区间内高度有突发变化)之后，选择在下一时刻判断所述待检测对象是否处于跌倒后的状态。
[0057]例如:在12:00-12:03这一时间区间内，所述待检测对象的轨迹经滤波后有高频响应，代表所述待检测对象的高度有突发变化，认为在12:00-12:03这一区间内待检测对象正处于跌倒过程中；接下来，在12:04这一时刻，获取待检测对象的三维坐标生成高度图，计算所述待检测对象在地面上的形状数据，根据所述待检测对象在地面上的形状数据确定所述待检测对象在12:04这一时刻是否处于跌倒后的状态，