本发明涉及图像处理领域，特别是指一种跌倒检测方法。
背景技术：
随着科技的进步以及医疗水平的发展，世界全面进入老龄化社会，中国作为人口大国，老龄化趋势也十分的严峻。然而我国的养老服务产业现状与老龄化水平不相匹配，供给与需求相差极大。一方面在养老床位方面有不小缺口，另一方面在养老服务人员方面，我国当前的情况也是人员严重不足。在这种情况下，视频辅助的监护显得尤为重要。
世界卫生组织报道指出，摔倒已经成为意外和非故意性伤害中致死率第二大的因素，世界上每年有大致424000名成人死于摔倒事故。摔倒容易引起恐惧焦虑情绪，带来脑部损伤，髋关节受损，心脏骤停等并发疾病，给受难人群带来巨大的危害和伤痛。跌倒是老年人常见的伤害之一，而老年人跌倒是目前导致老年人伤残和死亡的重要原因之一。
监控技术从20世纪60年代出现以来，发展迅速，经历了第一代模拟视频监控技术，第二代自动化视频监控技术，现在已经迈入到第三代的智能视频监控技术。智能视频监控技术和以往的监控技术有本质的区别，其主要特征是采用计算机视觉的方法，在几乎不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析来对动态场景中的目标进行定位、跟踪和识别，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反应。智能视频监控系统取代了监控任务中人的大部分工作，是新一代的具有高度智能的监控技术。智能视频监控技术已经显示了巨大的市场价值。如果将智能视频监控技术应用到老年人摔倒检测上,无疑也会具有巨大的应用价值和市场价值。
老年人群是社会的弱势群体，随着年龄的增加，各项机能都会慢慢下降，相比起年轻人更容易发生意外和受到伤害，一旦发生意外经常不能第一时间发现而造成很多不可挽回的伤害或者不能得到及时的治疗，轻则骨折受伤，重则会危及生命。因此，当老年人发生危险时，及时的救助是十分有必要的。
现有技术中使用的基于环境信息采集的监测研究主要是通过安装在房间中的各种传感器对老人的日常活动数据进行采集、分析，受环境中各种信息的干扰较大(例如，当人物衣着与地毯等颜色相近时、灯光较暗时，监测结果受干扰较大)，易发生误判。
技术实现要素：
本发明要解决的技术问题是提供一种跌倒检测方法，以解决现有技术所存在的基于环境信息采集的监测方法易受环境中各种信息的干扰，导致误判率高的问题。
为解决上述技术问题，本发明实施例提供一种跌倒检测方法，包括：
获取包含目标人物的视频；
根据获取的包含目标人物的视频，提取目标人物的特征点；
针对每一帧图像，根据提取到的目标人物的特征点，从目标人物的正面、侧面、背面三个方向进行跌倒判断；
若正面、侧面或背面的任一方向的判断结果为目标人物处于跌倒状态，则判断连续一定的帧数内目标人物是否一直保持跌倒状态，若是，则确认目标人物跌倒。
进一步地，所述根据获取的包含目标人物的视频，提取目标人物的特征点包括：
根据获取的包含目标人物的视频，采用姿态估计算法进行图像处理，提取目标人物的特征点。
进一步地，提取的特征点包括：鼻节点、脖节点、胸节点、左右手节点、左右肘节点、臀节点、左右膝盖节点、左右脚节点中的一个或多个。
进一步地，所述针对每一帧图像，根据提取到的目标人物的特征点，从目标人物正面进行跌倒判断包括：
判断目标人物是否呈倒立状态，若是，则判定目标人物处于跌倒状态；否则，从目标人物的侧面进行跌倒判断。
进一步地，所述判断目标人物是否呈倒立状态，若是，则判定目标人物处于跌倒状态包括：
若检测到目标人物的脚节点，则判断目标人物的脖节点的高度是否小于胸节点的高度以及胸节点的高度是否小于脚节点的高度；
若二者都小于，则判定目标人物处于跌倒状态。
进一步地，所述判断目标人物是否呈倒立状态，若是，则判定目标人物处于跌倒状态，还包括：
若检测到不到目标人物的脚节点，则判断目标人物的脖节点的高度是否小于胸节点的高度；
若小于，则判定目标人物处于跌倒状态。
进一步地，所述针对每一帧图像，根据提取到的目标人物的特征点，从目标人物侧面进行跌倒判断包括：
确定表示目标人物身体方向的第一斜率和第二斜率；
若第一斜率满足预设的第一阈值范围且第二斜率满足预设的第二阈值范围，则判定目标人物处于跌倒状态，否则，从目标人物的背面进行跌倒判断；
其中，第一斜率表示为：
σ1＝ychest–yneck/xchest–xneck；
第二斜率表示为：
σ2＝ychest–yfoot/xchest–xfoot
其中，σ1、σ2分别表示第一斜率、第二斜率，ychest、yneck、yfoot分别表示胸节点、脖节点、脚节点在竖直方向上的坐标值，xchest、xneck、xfoot分别表示胸节点、脖节点、脚节点在水平方向上的坐标值。
进一步地，所述针对每一帧图像，根据提取到的目标人物的特征点，从目标人物背面进行跌倒判断包括：
利用相对高度差的方法判断预设的两帧之间的目标人物高度差是否大于预设的第三阈值；
若大于预设的第三阈值，则判断目标人物的手节点与脚节点的高度差是否小于预设的第四阈值；
若小于预设的第四阈值，则判定目标人物处于跌倒状态。
进一步地，在确认目标人物跌倒之后，所述方法还包括：
发出警报。
本发明的上述技术方案的有益效果如下：
上述方案中，通过获取的包含目标人物的视频，提取目标人物的特征点；针对每一帧图像，根据提取到的目标人物的特征点，从目标人物的正面、侧面、背面三个方向进行跌倒判断；若正面、侧面或背面的任一方向的判断结果为目标人物处于跌倒状态，则判断连续一定的帧数内目标人物是否一直保持跌倒状态，若是，则确认目标人物跌倒。这样，跌倒识别过程不易受环境中人物衣着、灯光影响等各种因素的影响，能够提高跌倒检测的准确率。
附图说明
图1为本发明实施例提供的跌倒检测方法的流程示意图一；
图2为本发明实施例提供的跌倒检测方法的流程示意图二；
图3为本发明实施例提供的正面跌倒算法流程示意图；
图4为本发明实施例提供的侧面跌倒算法流程示意图；
图5为本发明实施例提供的背面跌倒算法流程示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的基于环境信息采集的监测方法易受环境中各种信息的干扰，导致误判率高的问题，提供一种跌倒检测方法。
如图1所示，本发明实施例提供的跌倒检测方法，包括：
s101，获取包含目标人物的视频；
s102，根据获取的包含目标人物的视频，提取目标人物的特征点；
s103，针对每一帧图像，根据提取到的目标人物的特征点，从目标人物的正面、侧面、背面三个方向进行跌倒判断；
s104，若正面、侧面或背面的任一方向的判断结果为目标人物处于跌倒状态，则判断连续一定的帧数内目标人物是否一直保持跌倒状态，若是，则确认目标人物跌倒。
本发明实施例所述的跌倒检测方法，通过获取的包含目标人物的视频，提取目标人物的特征点；针对每一帧图像，根据提取到的目标人物的特征点，从目标人物的正面、侧面、背面三个方向进行跌倒判断；若正面、侧面或背面的任一方向的判断结果为目标人物处于跌倒状态，则判断连续一定的帧数内目标人物是否一直保持跌倒状态，若是，则确认目标人物跌倒。这样，跌倒识别过程不易受环境中人物衣着、灯光影响等各种因素的影响，能够提高跌倒检测的准确率。
在前述跌倒检测方法的具体实施方式中，进一步地，所述根据获取的包含目标人物的视频，提取目标人物的特征点包括：
根据获取的包含目标人物的视频，采用姿态估计算法进行图像处理，提取目标人物的特征点。
本实施例中，可以通过摄像头或视频监控来获取包含目标人物的视频，然后，根据获取的包含目标人物的视频，采用姿态估计算法进行图像处理，提取目标人物的特征点，具体过程为：
例如，可以利用开源项目openpose提供的c++库，对获取的包含目标人物的视频进行初始化，然后利用库里的学习模型对视频中的图像进行匹配，标识目标人物的特征点。
本实施例中，标识的目标人物的特征点可以包括：鼻节点、脖节点、胸节点、左右手节点、左右肘节点、臀节点、左右膝盖节点、左右脚节点中的一个或多个。在实际应用中，可以结合实际应用场景，确定所需的特征点。
本实施例中，跌倒姿态的不同决定了单一的跌倒检测算法无法精确实现对各个方向的跌倒判断，本实施例所述的跌倒检测方法，利用获得的特征点，主要从正面、侧面、背面三个方向进行跌倒判断，实现了多方向跌倒检测算法的融合，流程如图2所示。
在前述跌倒检测方法的具体实施方式中，进一步地，所述针对每一帧图像，根据提取到的目标人物的特征点，从目标人物正面进行跌倒判断包括：
判断目标人物是否呈倒立状态，若是，则判定目标人物处于跌倒状态；否则，从目标人物的侧面进行跌倒判断。
本实施例中，首先是从目标人物正面进行跌倒判断，若人物正面跌倒，则在人物姿态上会发生明显变化，主要表现在人物呈现倒立状态，因此，当目标人物呈倒立状态时，可以初步判定目标人物处于跌倒状态。
本实施例中，可以利用脖节点、胸节点和脚节点这三个主要节点来判断目标人物是否呈倒立状态；具体的：
若检测到目标人物的脚节点，则判断目标人物的脖节点的高度(hneck)是否小于胸节点的高度(hchest)以及胸节点的高度(hchest)是否小于脚节点的高度(hfoot)；若二者都小于(hneck<hchest且hchest<hfoot)，则判定目标人物处于跌倒状态。
若检测到不到目标人物的脚节点，则判断目标人物的脖节点的高度(hneck)是否小于胸节点的高度(hchest)；若小于(hneck<hchest)，则判定目标人物处于跌倒状态，如图3所示；
在前述跌倒检测方法的具体实施方式中，进一步地，所述针对每一帧图像，根据提取到的目标人物的特征点，从目标人物侧面进行跌倒判断包括：
确定表示目标人物身体方向的第一斜率和第二斜率；
若第一斜率满足预设的第一阈值范围且第二斜率满足预设的第二阈值范围，则判定目标人物处于跌倒状态，否则，从目标人物的背面进行跌倒判断；
其中，第一斜率表示为：
σ1＝ychest–yneck/xchest–xneck；
第二斜率表示为：
σ2＝ychest–yfoot/xchest–xfoot
其中，σ1、σ2分别表示第一斜率、第二斜率，ychest、yneck、yfoot分别表示胸节点、脖节点、脚节点在竖直方向上的坐标值，xchest、xneck、xfoot分别表示胸节点、脖节点、脚节点在水平方向上的坐标值。
本实施例中，若从正面不能判定目标人物处于跌倒状态时，则可以继续从目标人物侧面进行跌倒判断，侧面跌倒主要体现在人的重心会发生变化，因此，本实施例中采用了一种双斜率法来进行跌倒判断；具体的：确定表示目标人物身体方向的第一斜率σ1和第二斜率σ2；若第一斜率σ1满足预设的第一阈值范围且第二斜率σ2满足预设的第二阈值范围，则判定目标人物处于跌倒状态，否则，从目标人物的背面进行跌倒判断。例如：
第二斜率σ2<1.4且第一斜率σ1＝1或者第一斜率σ1<1且第二斜率σ2＝1或者第二斜率σ2<1.4且第一斜率σ1<1三者之一则判定为跌倒，流程图如图4所示。
在前述跌倒检测方法的具体实施方式中，进一步地，所述针对每一帧图像，根据提取到的目标人物的特征点，从目标人物背面进行跌倒判断包括：
利用相对高度差的方法判断预设的两帧之间的目标人物高度差是否大于预设的第三阈值；
若大于预设的第三阈值，则判断目标人物的手节点与脚节点的高度差是否小于预设的第四阈值；
若小于预设的第四阈值，则判定目标人物处于跌倒状态。
本实施例中，若从侧面不能判定目标人物处于跌倒状态时，则可以继续从目标人物背面进行跌倒判断，背面跌倒，姿态上变化不大但是具有跌倒时间快，高度变化大的特点，因此可以采用相对高度差的检测算法进行跌倒判断，具体的：在一定帧数内如果人物高度差满足一定的差距(或者，人物高度满足一定比例条件)，则进行第二步确认排除其他行为(例如，判断目标人物的手节点与脚节点的高度差是否小于预设的第四阈值，若小于预设的第四阈值，则判定目标人物处于跌倒状态)。
本实施例中，例如，记录当前帧数的人物高度hnow(hn)与50帧前的人物高度hbefore(hb)，如果hn<0.6*hb，那进行第二步确认，否则不是跌倒，在第二步确认时，如果目标人物的手节点与脚节点的高度差(hh)小于身高的五分之一则为跌倒状态，流程图如图5所示。
本实施例中，s103获得的结果只是某一帧的判断结果，不能代表整个过程，因此还需判断连续一定的帧数内目标人物是否一直保持跌倒状态，如果在连续一定的帧数内目标人物一直保持跌倒状态则确认目标人物跌倒，并发出警报。
本实施例中，如果在连续50帧大约为2s中的时间内，有连续40帧被断定目标人物处于跌倒状态，则可以确认目标人物跌倒，并发出警报。
本发明实施例提供的跌倒检测方法能够充分利用在家庭中普及化的普通摄像头，对公共养老环境或者独居老人等情况进行监控，可以有效的区分个人或多人下蹲、跌倒等行为，对多人近距离接触的行为也可进行判断。
综上，本发明实施例提供的跌倒检测方法，通过跌倒检测，可以识别人物的跌倒行为，通过警报及时通知看护人员或周围人员，使目标人物得到及时的帮助救护，避免救助不及时出现生命问题，适用于养老院、家庭、医院等室内看护场所。
需要说明的是，在本文中，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。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。