本技术涉及人工智能,具体涉及一种跌倒检测方法、装置、电子设备和计算机可读存储介质。
背景技术:
1、老年人跌倒若无法及时被检测并就医很可能导致残疾。因此,如果更加准确的判断是否有人跌倒,尽可能地降低人员跌倒后的影响,成为当下的研究热点。
技术实现思路
1、本技术实施例公开了一种跌倒检测方法、装置、电子设备和计算机可读存储介质,能够提高对人员是否发生跌倒进行检测的准确性。
2、第一方面,本技术实施例公开了一种跌倒检测方法,包括:
3、对当前帧图像进行人体检测,得到所述当前帧图像对应的至少一个第一检测框;
4、对各个所述第一检测框进行人体关键点检测,得到各个所述第一检测框对应的第一关键点;
5、获取上一帧图像对应的至少一个第二检测框,以及获取各个所述第二检测框对应的第二关键点;
6、分别将各个所述第一检测框及各个所述第二检测框包含的像素点进行聚类,得到各个所述第一检测框对应的第一聚类中心及各个所述第二检测框对应的第二聚类中心;
7、根据各个所述第一检测框对应的第一聚类中心及各个所述第二检测框对应的第二聚类中心,将所述至少一个第一检测框与所述至少一个第二检测框进行匹配,以确定与各个所述第一检测框匹配的第二检测框;
8、通过跌倒检测模型,根据各个所述第一检测框对应的第一关键点及匹配的第二检测框对应的第二关键点进行跌倒检测,得到跌倒检测结果。
9、作为一种可选的实施方式,在本技术实施例的第一方面中,所述根据各个所述第一检测框对应的第一聚类中心及各个所述第二检测框对应的第二聚类中心,将所述至少一个第一检测框与所述至少一个第二检测框进行匹配,以确定与各个所述第一检测框匹配的第二检测框,包括:
10、根据目标第一检测框对应的第一聚类中心与各个所述第二检测框对应的第二聚类中心,计算所述目标第一检测框与各个所述第二检测框对应的距离;所述目标第一检测框为任一所述第一检测框;
11、根据所述目标第一检测框与各个所述第二检测框对应的距离,确定与所述目标第一检测框匹配的第二检测框。
12、作为一种可选的实施方式,在本技术实施例的第一方面中,所述根据目标第一检测框对应的第一聚类中心与各个所述第二检测框对应的第二聚类中心,计算所述目标第一检测框与各个所述第二检测框对应的距离,包括:
13、将目标第一检测框对应的m个第一聚类中心,分别与目标第二检测框对应的m个第二聚类中心进行匹配,以得到m组中心对,每组所述中心对包括所述目标第一检测框的第一聚类中心,及所述目标第二检测框匹配的第二聚类中心;所述目标第二检测框为任一所述第二检测框;所述m为正整数;
14、根据每组所述中心对包含的第一聚类中心与匹配的第二聚类中心之间的距离,计算所述目标第一检测框与所述目标第二检测框之间的距离。
15、作为一种可选的实施方式,在本技术实施例的第一方面中,所述将目标第一检测框对应的m个第一聚类中心,分别与目标第二检测框对应的m个第二聚类中心进行匹配,以得到m组中心对,包括:
16、计算目标第一聚类中心包含的像素点数量占所述目标第一检测框包含的像素点总数的比例,得到所述目标第一聚类中心对应的第一比例;所述目标第一聚类中心为所述目标第一检测框对应的任一第一聚类中心;
17、计算目标第二聚类中心包含的像素点数量占所述目标第二检测框包含的像素点总数的比例,得到所述目标第二聚类中心对应的第二比例;所述目标第二聚类中心为所述目标第二检测框对应的任一第二聚类中心;
18、根据所述目标第一聚类中心对应的第一比例,及所述目标第二聚类中心对应的第二比例,得到所述目标第一聚类中心与所述目标第二聚类中心之间的距离;
19、根据所述目标第一聚类中心与所述目标第二检测框对应的各个第二聚类中心之间的距离,确定与所述目标第一聚类中心匹配的第二聚类中心,得到所述目标第一聚类中心对应的中心对。
20、作为一种可选的实施方式,在本技术实施例的第一方面中,所述根据所述目标第一聚类中心对应的第一比例,及所述目标第二聚类中心对应的第二比例,得到所述目标第一聚类中心与所述目标第二聚类中心之间的距离,包括:
21、确定所述目标第一聚类中心对应的第一比例与所述目标第二聚类中心对应的第二比例的差值绝对值;
22、确定所述目标第一聚类中心对应的第一比例与所述目标第二聚类中心对应的第二比例的和值;
23、将所述差值绝对值除以所述和值,得到第一函数值;
24、计算所述目标第一聚类中心到所述目标第二聚类中心的欧式距离,得到第二函数值;
25、将所述第一函数值与所述第二函数值进行加权求和计算,得到所述目标第一聚类中心与所述目标第二聚类中心之间的距离。
26、作为一种可选的实施方式,在本技术实施例的第一方面中,在所述通过跌倒检测模型,根据各个所述第一检测框对应的第一关键点及匹配的第二检测框对应的第二关键点进行跌倒检测,得到跌倒检测结果之前,所述方法还包括:
27、对目标第一检测框对应的各个第一关键点,以及与所述目标第一检测框匹配的第二检测框对应的各个第二关键点进行关键点预处理,得到所述目标第一检测框对应的各个第一关键点的相对偏移量;所述目标第一检测框为任一所述第一检测框;
28、所述通过跌倒检测模型,根据各个所述第一检测框对应的第一关键点及匹配的第二检测框对应的第二关键点进行跌倒检测,得到跌倒检测结果,包括:
29、根据所述目标第一检测框对应的各个第一关键点与多帧历史图像分别对应的相对偏移量,生成偏移量序列;所述历史图像为在所述当前帧图像之前采集的图像;
30、将所述偏移量序列输入跌倒检测模型,通过所述跌倒检测模型根据所述偏移量序列进行跌倒检测,得到所述目标第一检测框对应的跌倒检测结果。
31、作为一种可选的实施方式,在本技术实施例的第一方面中,所述对目标第一检测框对应的各个第一关键点,以及与所述目标第一检测框匹配的第二检测框对应的各个第二关键点进行关键点预处理,得到所述目标第一检测框对应的各个第一关键点的相对偏移量,包括:
32、将目标第一关键点的横坐标与目标第二关键点的横坐标相减,将得到的横坐标差值与所述目标第一检测框的宽度相除,得到所述目标第一关键点的第一偏移值;所述目标第一关键点为所述目标第一检测框中的任一第一关键点;所述目标第二关键点为与所述目标第一检测框匹配的第二检测框中,与所述目标第一关键点对应的第二关键点;
33、将所述目标第一关键点的纵坐标与所述目标第二关键点的纵坐标相减,将得到的纵坐标差值与所述目标第一检测框的长度相除,得到所述目标第一关键点的第二偏移值;
34、根据所述目标第一关键点的第一偏移值及第二偏移值,确定所述目标第一关键点的相对偏移量。
35、第二方面,本技术实施例公开了一种跌倒检测装置,包括:
36、检测框获取模块,用于分别对当前帧图像和上一帧图像进行人体检测,得到所述当前帧图像对应的至少一个第一检测框及所述上一帧图像对应的至少一个第二检测框;
37、关键点获取模块,用于对各个所述第一检测框进行人体关键点检测,得到各个所述第一检测框对应的第一关键点,以及对各个所述第二检测框进行人体关键点检测,得到各个所述第二检测框对应的第二关键点;
38、检测框匹配模块,用于分别将各个所述第一检测框及各个所述第二检测框包含的像素点进行聚类,得到各个所述第一检测框对应的第一聚类中心及各个所述第二检测框对应的第二聚类中心;根据各个所述第一检测框对应的第一聚类中心及各个所述第二检测框对应的第二聚类中心,将所述至少一个第一检测框与所述至少一个第二检测框进行匹配,以确定与各个所述第一检测框匹配的第二检测框;
39、跌倒检测模块,用于通过跌倒检测模型,根据各个所述第一检测框对应的第一关键点及匹配的第二检测框对应的第二关键点进行跌倒检测,得到跌倒检测结果。
40、第三方面,本技术实施例公开了一种电子设备,包括存储器及处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器实现如上任一实施例所述的方法。
41、第四方面,本技术实施例公开了一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,所述计算机程序被处理器执行时实现如上任一实施例所述的方法。
42、本技术实施例公开的跌倒检测方法、装置、电子设备和计算机可读存储介质,对当前帧图像和上一帧图像分别进行人体检测,得到当前帧图像对应的第一检测框及上一帧图像对应的第二检测框;对各个第一检测框以及对各个第二检测框分别进行人体关键点检测,得到各个第一检测框对应的第一关键点及各个第二检测框对应的第二关键点;分别将各个第一检测框及各个第二检测框包含的像素点进行聚类,得到各个第一检测框对应的第一聚类中心及各个第二检测框对应的第二聚类中心;根据各个第一检测框对应的第一聚类中心及各个第二检测框对应的第二聚类中心,将至少一个第一检测框与至少一个第二检测框进行匹配,以确定与各个第一检测框匹配的第二检测框;通过跌倒检测模型,根据各个第一检测框对应的第一关键点及匹配的第二检测框对应的第二关键点进行跌倒检测,得到跌倒检测结果。在本技术实施例中,通过对图像中的每个检测框包含的像素点进行聚类,并根据聚类中心将当前帧图像对应的第一检测框与上一帧图像对应第二检测框进行匹配,提高了跟踪检测框的准确性,且能够关联前后帧,利用具有时序关系的检测框内的关键点进行跌倒检测,提高了跌倒检测的准确性。