一种基于多特征分析和场景学习的老人摔倒检测方法
【专利摘要】本发明涉及一种基于多特征分析和场景学习的老人摔倒检测方法，加入人体姿态变化、人体中心位置和有效面积比三个判断条件对其进行修正。并实时的学习场景，区别休息区，从而可以检测不同监控场景下的摔倒事件。本发明所提出的算法也对已有的摔倒检测算法中的一些误判情况提供了相应的解决办法。该方法复杂度低、计算量小并且检测率较高。
【专利说明】一种基于多特征分析和场景学习的老人摔倒检测方法
【技术领域】
[0001]本发明涉及图像识别，具体涉及一种独居老人摔倒检测的方法，特别针对于老人摔倒后短时间内无法自救的情况。
【背景技术】
[0002]近些年来，针对于独居老人所提供的智能家居服务，已经形成一个热门的研究领域。根据调查所显示，在所有发生在独居老人的危险亊件中，摔倒事件带来的危害是最大的，可能会致使摔倒者失去意识，造成残疾甚至引起死亡。所以及时检测出可能发生的摔倒行为并向家人报警，使老年人得到救助是非常必要的。
[0003]中国发明专利号201110267262.0发明了一种基于全方位视觉的独居老人安全监护系统。其中关于摔倒检测的方法是根据在人体在各个姿态下的高宽比不同而判断是否摔倒，该发明的不足之处是人体是否摔倒仅依靠高宽比来判断，并且各个姿态的高宽比的值也并不为一定值，它跟老人的身高，胖瘦等因素都有关系，应根据实际情况来设定阈值。
[0004]中国发明专利号201110451993.0提供了一种基于视频的摔倒检测方法和设备。该发明主要依据运动对象的重心下移量来判断对象是否摔倒。该发明的不足之处是所求出的图像质心不一定和人体的重心重合，依据图像质心判断必定会带来误差。该发明的另一缺陷是无法排除在某些家居场景下老人躺下或坐下的情况，此时重心虽然下移了，但是老人并没有摔倒。
【发明内容】
[0005]要解决的技术问题
[0006]为了避免现有技术的不足之处，本发明提出一种基于多特征分析和场景学习的老人摔倒检测方法，包括获得监控场景中的运动对象并进行跟踪，根据人体高宽比、姿态变化、人体中心的位置、以及有效面积比等特征来确定人体是否摔倒。
[0007]技术方案
[0008]一种基于多特征分析和场景学习的老人摔倒检测方法，其特征在于步骤如下:
[0009]步骤1:通过摄像头采集图像数据，将当前图像第k帧中坐标为(x，y)的点的像素值Ck(x，y)与背景图像中相应点的像素值Bk(X，y)相减，得到差值图像Dk(x，y)，将差值图像Dk(x, y)与设定的阈值T作比较，得到二值化图像Rk(x，y):
[0010]Dk (x, y) = Ck (x, y)-Bk (x, y)，(x=0,..., width-1, y = 0,...height-1)
[0011]
【权利要求】
1.一种基于多特征分析和场景学习的老人摔倒检测方法，其特征在于步骤如下: 步骤1:通过摄像头采集图像数据，将当前图像第k帧中坐标为(x，y)的点的像素值Ck(x, y)与背景图像中相应点的像素值Bk(x，y)相减，得到差值图像Dk(x，y)，将差值图像Dk(x, y)与设定的阈值T作比较，得到二值化图像Rk(x，y):
2.根据权利要求1所述的一种基于多特征分析和场景学习的老人摔倒检测方法，其特征在于所述的“休息区”记录方法为:当老年人在某一位置静止，超过检测时间，记老年人此时的中心点为S (X，y),记录该中心点S (X，y)到“可能是休息区”的队列中,其周围某一大小区域也被标记为“可能是休息区”；如果老人在该标记区域静止超过四次，每次的静止时间都超过检测时间，则将S(x，y)记录到“休息区”队列中，其周围某一大小区域也被标记为“休息区”。
3.根据权利要求1所述的一种基于多特征分析和场景学习的老人摔倒检测方法，其特征在于所述的阈值T的取值范围为[40，100]。
4.根据权利要求1所述的一种基于多特征分析和场景学习的老人摔倒检测方法，其特征在于所述的调节更新速率α的取值范围为[0，1]。
5.根据权利要求1所述的一种基于多特征分析和场景学习的老人摔倒检测方法，其特征在于所述的阈值Th的取值范围为[1.5，2]。
6.根据权利要求1所述的一种基于多特征分析和场景学习的老人摔倒检测方法，其特征在于所述的距离阈值d的取值范围为[0，50]。
【文档编号】G06T7/20GK103903281SQ201410136974
【公开日】2014年7月2日 申请日期:2014年4月4日 优先权日:2014年4月4日
【发明者】高田, 段芳芳, 李波, 闫中江, 周虎 申请人:西北工业大学