一种人体摔倒智能控制系统及其方法
【技术领域】
[0001]本发明属于人体意外摔倒监控领域，具体地涉及一种人体摔倒智能控制系统及其方法。
【背景技术】
[0002]随着社会高速发展，人们在日常生活中存在许多安全隐患。例如在公共场合发生的踩踏事故、电梯上的摔倒事故、老年人单独在家摔倒却无人知晓等等，这些摔倒事故很有可能会受伤，更有甚者失去宝贵的生命等等。
[0003]目前，在国内外老年人、病人及危险工作人员摔倒监测领域，大多数监测设备采用了可穿戴便携传感器，比如加速度和角速度传感器，或者更简单的帮助呼叫按钮。然而，多数人往往不情愿随身佩戴各式各样的传感器设备。在人员摔倒之后，身体不能移动或者大脑失去意识的情况时有发生，这种情况下，帮助呼叫按钮也会失效。另外一种监测摔倒的方法是采用传统的摄像头监控，对摔倒行为进行快速识别。然而，传统的摄像头因为采集数据单一，而且对人员如弯腰等作动识别不清，容易导致误判断，同时因为使用的传感器技术落后，判断准确度较低，在昏暗、夜晚、燥热等环境下，错误率更高。
[0004]中国专利文献CN104966380公开了一种可监控人体意外摔倒的报警系统，包括:后台主控单元、摄像单元、传感单元和报警单元;摄像单元和传感单元负责采集人体视频图像及振动信号；后台主控单元，用于对人体视频图像进行分帧处理，判断是否发生摔倒行为;还用于判断振动信号是否超过预设阈值;在判断发生摔倒行为且振动信号超过预设阈值时，生成一报警信号用以控制报警单元进行响应报警。通过图像识别技术，根据人体重心高度、倾斜角度和有效面积变化判定发生摔倒行为。存在的缺点是:
1、仅仅根据人体重心高度、倾斜角度和有效面积变化判定发生摔倒行为的准确率较低，其必须辅助高灵敏度振动传感器才能提高判断的准确率。
[0005]2、当判定为发生摔倒行为时只能进行语音报警，并不能控制外部设备动作，无法从基本上达到救援的目的。
【发明内容】
[0006]针对现有技术存在的缺陷，本发明目的是:提供一种人体摔倒智能控制系统及其方法，通过摄像机、音频信号采集数据，对运动目标跟踪，建立2D或3D模型，通过比对分析人体摔倒的速度、角度和关联求救声音等判定摔倒行为，比对成功后发出报警，并发送人为制动或自动制动等信号，控制相关设备动作；识别速度快，准确率高，能最大程度的减轻摔倒带来的伤害。
[0007]本发明的技术方案是:
一种人体摔倒智能控制系统，包括至少一个用于采集视频图像的图像采集模块，与图像采集模块连接的图像处理模块，其特征在于，所述图像处理模块，用于对采集的视频图像进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度和/或角度是否达到设定阈值判断是否发生摔倒行为，若发生摔倒行为控制报警模块进行报警。
[0008]图像处理模块的视频图像处理包括以下步骤:
(1)运动目标检测:将视频图像处理成图像序列，判断图像序列各帧中有无运动目标出现，若出现运动目标对其定位；
(2)运动目标跟踪:建立连续帧内人体区域的对应关系；
(3)特征提取方法:提取人体的轮廓特征点形成一定规则形状的轮廓状态；
(4)行为识别:对步骤(3)得到的轮廓状态在时空区域进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度将人体判断为正常态或非正常态;若为非正常态，分析连续帧内轮廓状态的变化速度和/或角度，并判断变化速度和/或角度是否达到设定阈值，若达到设定阈值，则判断发生摔倒行为。
[0009]优选的，在运动目标检测之前还包括图像预处理，所述图像预处理包括以下步骤:先对图像进行中值滤波，去除图像噪声;然后用边界对比度自适应直方图均衡化方法，对图像进行增强;使用开运算去除与人体相粘连的图像毛刺;采用Prewitt边缘检测的方法，提取图像的轮廓;使用综合法确定图像的灰度阈值，对图像进行二值化处理。
[0010]优选的，所述轮廓状态的形状为长方形。
[0011 ]优选的，还包括音频采集模块，用于采集音频信号，当音频信号达到设定阈值时报警模块进行报警。
[0012]优选的，图像处理模块还连接执行模块，所述执行模块连接外界设备，当判断发生摔倒行为时，驱动执行模块控制外界设备停止动作。
[0013]本发明还公开了一种人体摔倒智能控制方法，其特征在于，包括以下步骤:
SO1:使用至少一个图像采集模块采集视频图像；
S02:对采集的视频图像进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度和/或角度是否达到设定阈值判断是否发生摔倒行为，若发生摔倒行为控制报警模块进行报警。
[0014]优选的，所述步骤(2)包括以下步骤:
Sll运动目标检测:将视频图像处理成图像序列，判断图像序列各帧中有无运动目标出现，若出现运动目标对其定位；
S12运动目标跟踪:建立连续帧内人体区域的对应关系；
S13特征提取方法:提取人体的轮廓特征点形成一定规则形状的轮廓状态；
S14行为识别:对步骤S13得到的轮廓状态在时空区域进行人体模式识别，对识别的人体模式建立2D或3D模型，跟踪建模后的人体模式信号变化速度将人体判断为正常态或非正常态;若为非正常态，分析连续帧内轮廓状态的变化速度和/或角度，并判断变化速度和/或角度是否达到设定阈值，若达到设定阈值，则判断发生摔倒行为。
[0015]优选的，在运动目标检测之前还包括图像预处理，所述图像预处理包括以下步骤:先对图像进行中值滤波，去除图像噪声;然后用边界对比度自适应直方图均衡化方法，对图像进行增强;使用开运算去除与人体相粘连的图像毛刺;采用Prewitt边缘检测的方法，提取图像的轮廓;使用综合法确定图像的灰度阈值，对图像进行二值化处理。
[0016]与现有技术相比，本发明的优点是: 1.通过摄像机、音频信号采集数据，对运动目标跟踪，建立2D或3D模型，通过比对分析人体摔倒的速度、角度和关联求救声音等判定摔倒行为，比对成功后发出报警，并发送人为制动或自动制动等信号，控制相关设备动作；识别速度快，准确率高，能最大程度的减轻摔倒带来的伤害。
[0017]2.本发明应用范围广、兼容性高，可以单独使用，也可以安装在在商城、公共场合等地方，当我们在电梯上发现人员摔倒后可以在第一时间内发现并采取相应制动措施，避免人员伤亡。
【附图说明】
[0018]下面结合附图及实施例对本发明作进一步描述:
图1为本发明人体摔倒智能控制系统的原理框图；
图2为本发明人体摔倒智能控制系统的人体模式分析示意图。
[0019]其中:1、摄像机，3、图像处理模块，4、报警模块，5、执行模块，6、外界设备，7、通信模块，31、接收模块，32、数据分析模块。
【具体实施方式】
[0020]为使本发明的目的、技术方案和优点更加清楚明了，下面结合【具体实施方式】并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
[0021 ] 实施例:
如图1所示，一种人体摔倒智能控制系统，包括多个图像采集模块和音频采集模块可以为摄像机I，图像采集模块用于采集视频图像，音频采集模块用于采集音频信号，图像采集模块和音频采集模块与图像处理模块3连接，图像处理模块3包括接收模块31和数据分析模块32，接收模块31用于接收音频信号或者图像信号，数据分析模块32对音频信号或者图像信号进行处理分析，若发生摔倒行为控制报警模块4进行报警，数据分析模块32还连接报警模块4，报警模块4用于语音或者发光报警。
[0022]数据分析模块32的视频图像处理包括以下步骤: