基于视频监控的摔倒监控系统及方法与流程

本公开属于视频监控领域，尤其涉及一种基于视频监控的摔倒监控系统及方法。

背景技术：

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

目前对人摔倒检测，尤其是老人进行了大量研究，研究方向主要分为三大类：

(1)基于可穿戴设备对老人摔倒进行检测。这类系统大多采用三轴加速度和陀螺仪等传感器来采集老人摔倒时的数据，并对其进行分析，进而判断老人是否摔倒。但此类穿戴式设备可能会对老人的正常行动产生一定的影响，同时部分老人不愿意佩戴此类设备。

(2)基于声音信号来检测老人摔倒。此类系统通过采集摔倒时产生的声音大小和声音频率来判断老人是否摔倒。此类系统容易受到外界其他声音的干扰并产生误判，且在家中布设声音采集设备投入较大，不适合系统的普及。

(3)基于视频监控的摔倒检测系统。此类系统通常通过摄像设备采集图像信息，但是常用的方法是对图像中的老人计算其纵横比，当纵横比超过阈值时则认为老人摔倒，上述方法采用纵横比信息不能很好地区分老人蹲下和躺下等正常动作和摔倒动作，具有一定的局限性。

技术实现要素：

根据本公开的一个或多个实施例，提供一种基于视频监控的摔倒监控系统及方法，其采用目标对象头部下降的速度来判断摔倒是否发生，可以有效将蹲下和躺下等多种干扰动作和摔倒动作区分。

本公开的一种基于视频监控的摔倒监控系统，包括：

监控数据采集装置，其用于采集目标对象的视频图像信息并传送至监控数据处理装置；

监控数据处理装置，其包括人脸定位模块、摔倒检测模块和摔倒报警模块；

所述人脸定位模块，用于联合颜色特征和运动特征对接收的视频图像进行人脸定位及跟踪；

所述摔倒检测模块，用于将人脸位置作为目标对象头部所在的位置，根据连续两帧图像中目标对象头部的位置，计算出目标对象头部下降的速度，并与预设下降速度阈值比较来判断目标对象是否摔倒；

所述摔倒报警模块，用于当判断目标对象摔倒时向目标对象关联对象的移动终端发送报警信息。

在一个或多个实施例中，在所述人脸定位模块中，对于初始帧图像，采用基于肤色特征的人脸检测方法来定位目标对象人脸的初始位置。

在一个或多个实施例中，在所述人脸定位模块中，在基于肤色特征的人脸检测方法的基础上，还加入背景差分方法和高光区域消除的方法来避免室内与人脸肤色相近的其他物体以及高光区域的影响。

在一个或多个实施例中，在所述人脸定位模块中，在初始帧图像之后，采用基于颜色和运动特征联合的camshift优化的粒子滤波跟踪算法进行人脸的后续定位。

在一个或多个实施例中，在所述摔倒检测模块中，当目标对象头部下降的速度大于或等于预设下降速度阈值，则判断目标对象摔倒；否则，判断目标对象正常运动。

在一个或多个实施例中，所述摔倒报警模块包括无线通信模块，所述无线通信模块与后台服务器相连，所述后台服务器与云端服务器相连，所述云端服务器与目标对象关联对象的移动终端相连。

在一个或多个实施例中，所述摔倒报警模块包括gsm通信模块，所述gsm通信模块通过基站与目标对象关联对象的移动终端相连。

本公开的另一方面，还提供了一种基于视频监控的摔倒监控系统的监控方法。

本公开的一种基于视频监控的摔倒监控系统的监控方法，包括：

采集目标对象的视频图像信息；

联合颜色特征和运动特征对接收的视频图像进行人脸定位及跟踪；

将人脸位置作为目标对象头部所在的位置，根据连续两帧图像中目标对象头部的位置，计算出目标对象头部下降的速度，并与预设下降速度阈值比较来判断目标对象是否摔倒；

当判断目标对象摔倒时向目标对象关联对象的移动终端发送报警信息。

在一个或多个实施例中，对于初始帧图像，采用基于肤色特征的人脸检测方法来定位目标对象人脸的初始位置；

在初始帧图像之后，采用基于颜色和运动特征联合的camshift优化的粒子滤波跟踪算法进行人脸的后续定位。

在一个或多个实施例中，在基于肤色特征的人脸检测方法的基础上，还加入背景差分方法和高光区域消除的方法来避免室内与人脸肤色相近的其他物体以及高光区域的影响。

本公开的有益效果是：

(1)本公开提供的视频监控的摔倒监控系统无需目标对象(比如：老人)时刻佩戴专用监控设备，减轻了目标对象的负担；

(2)本公开提供的视频监控的摔倒监控系统结构简单，成本投入相对较小；操作简单，能进行智能检测，无需家人时刻盯着监控画面，但在目标对象发生摔倒后，能自动发信息给目标对象关联人的移动终端进行报警，避免了目标对象摔倒却无人知道的情况发生；

(3)本公开提供的视频监控的摔倒监控系统跌倒识别率高，能较好地区分目标对象蹲下和躺下等正常动作和摔倒动作。

附图说明

构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。

图1是本公开的一种基于视频监控的摔倒监控系统实施例结构示意图；

图2是本公开的一种基于视频监控的摔倒监控系统的监控方法流程图；

图3是监控图像的邻域信息。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

术语解释：

gsm模块：globalsystemformobilecommunications，全球移动通信系统。

usb转ttl模块：usb(universalserialbus，通用串行总线)转ttl(transistor-transistorlogic，双晶体管逻辑电平)模块。

本公开的一种基于视频监控的摔倒监控系统，包括监控数据采集装置和监控数据处理装置。

如图1所示，本公开的一种基于视频监控的摔倒监控系统中，监控数据处理装置包括摄像头1，摄像头1安装在室内预设位置处，确保目标对象活动区域能够全部覆盖，摄像头1用于拍摄在活动区域内目标对象的视频图像信息。

本实施例使用的是海康威视的摄像头，其焦距为4mm，水平视场角可达86°，基本可以获取室内的全部场景，分辨率为1280px×720px。

如图1所示，本公开的监控数据处理装置包括电脑主机3，电脑主机3对监控数据的存储并进行处理；

具体地，电脑主机3与显示器2相连；在电脑usb接口处连接着usb转ttl模块4，通过无线通讯模块向远程终端发送求救信号。无线通讯模块为gsm模块，由装有sim卡6的sim800c开发板5和天线7组成。

具体地，摔倒报警模块包括gsm通信模块，所述gsm通信模块通过基站与目标对象关联对象的移动终端相连。

在其他实施例中，所述摔倒报警模块包括无线通信模块，所述无线通信模块与后台服务器相连，所述后台服务器与云端服务器相连，所述云端服务器与目标对象关联对象的移动终端相连。

远程终端为手机，并且手机可以远程访问目标对象家里电脑上。当家人的手机收到目标对象摔倒报警信息后，可以迅速通过已经安装好的软件对目标对象监控视频进行察看，确认目标对象摔倒的程度安排合理的急救措施。

具体地，电脑主机3内包括人脸定位模块、摔倒检测模块和摔倒报警模块；

(1)所述人脸定位模块，用于联合颜色特征和运动特征对接收的视频图像进行人脸定位及跟踪。

在所述人脸定位模块中，对于初始帧图像，采用基于肤色特征的人脸检测方法来定位目标对象人脸的初始位置。

其中，基于肤色特征的人脸检测方法的原理是：

肤色在ycbcr色彩空间上具有比较好的聚类特性，且主要受亮度信息的影响，当亮度分量y≤80时，可以直接将其判断为非肤色像素点，当亮度分量y>80时，肤色信息主要集中在77≤cb≤127且133≤cr≤173区间。

在所述人脸定位模块中，在基于肤色特征的人脸检测方法的基础上，还加入背景差分方法和高光区域消除的方法来避免室内与人脸肤色相近的其他物体以及高光区域的影响。

为了避免室内与肤色相近的其他物体影响人脸检测，本实施例在基于肤色特征的人脸检测方法的基础上，加入了背景差分方法，通过选取无人时的场景作为背景，将背景图像与当前帧图像进行相减，提取出人体运动区域，避免了背景中肤色相近物体的干扰。

同时，由于光照影响，可能使人体的衣服上出现高光区域，影响人脸肤色区域的判断，本实施例采用了高光区域消除的方法。对于一幅具有高光特征的图像，首先找到具有高光特征的像素点(y>0.8*ymax，y为ycbcr色彩空间的亮度分量，ymax为图像中亮度分量的最大值)，然后对这些像素点进行高光消除。

高光消除的方法如下：如附图3所示，假设像素点p5具有高光特征，采用由上向下的处理方式，在p5的可信邻域p1、p2和p3中找出亮度分量属于[ymax*0.7,ymax*0.8]区间的像素点，然后计算这些像素点亮度分量的平均值，作为像素点p5亮度分量的可信值，如果p1、p2和p3三个像素点的亮度分量都不属于[ymax*0.7,ymax*0.8]区间，则取p5亮度分量的0.75作为p5像素点亮度信息的可信值，从而达到高光区域去除的效果。

在初始帧图像之后，采用基于颜色和运动特征联合的camshift优化的粒子滤波跟踪算法进行人脸的后续定位。

在颜色特征方面，本实施例采用hsv色彩空间对颜色进行描述，统计人脸所在位置的h分量。在运动特征方面，使用背景差分的方法，用当前帧与背景帧相减，得到差分后的运动区域。此外，使用camshift对粒子滤波进行优化，使粒子滤波中每个粒子都向其局部极大值处移动，每个粒子均尽可能地收敛到目标附近，大大增强粒子的有效性，使得用较少的粒子就能实现稳定的跟踪，减少了计算代价。

(2)所述摔倒检测模块，用于将人脸位置作为目标对象头部所在的位置，根据连续两帧图像中目标对象头部的位置，计算出目标对象头部下降的速度，并与预设下降速度阈值比较来判断目标对象是否摔倒。

考虑到人是非刚性物体，有多种活动方式，如果采用纵横比的方式来判断老人是否摔倒，会导致系统产生误判，如老人正常躺下动作的纵横比和摔倒十分近似，在实际检测中经常被误判成摔倒。

本实施例以目标对象为老人为例：

由于老人平时活动比较缓慢，一般没有大的活动幅度，头部的动作幅度更不会太大。在平时正常的活动时，老人头部向下的速度不会太大，相对稳定，远小于老人摔倒时头部向下的速度。因此，采用老人头部下降的速度来判断摔倒是否发生，可以弥补纵横比判断的不足。本实施例采用人脸定位模块得到每一帧中老人人脸所在的位置，并将人脸位置作为老人头部所在的位置，然后根据连续两帧图像中老人头部的位置计算出老人头部下降的速度(头部下降的方向为速度的正方向)，设定合理的速度阈值，当老人头部下降的速度大于所设阈值时，判定老人摔倒，反之，则认为老人在正常活动。

(3)所述摔倒报警模块，用于当判断目标对象摔倒时向目标对象关联对象的移动终端发送报警信息。

本实施例是通过gsm模块给老人儿女的手机发送报警信息来实现报警功能。当家人的手机收到老人摔倒报警信息后，可以迅速通过已经安装好的软件对老人监控视频进行察看，确认老人摔倒的程度安排合理的急救措施。

如图2所示，本公开的一种基于视频监控的摔倒监控系统的监控方法，包括：

(1)采集目标对象的视频图像信息；

(2)联合颜色特征和运动特征对接收的视频图像进行人脸定位及跟踪；

具体地，对于初始帧图像，采用基于肤色特征的人脸检测方法来定位目标对象人脸的初始位置；

在初始帧图像之后，采用基于颜色和运动特征联合的camshift优化的粒子滤波跟踪算法进行人脸的后续定位。

在基于肤色特征的人脸检测方法的基础上，还加入背景差分方法和高光区域消除的方法来避免室内与人脸肤色相近的其他物体以及高光区域的影响。

(3)将人脸位置作为目标对象头部所在的位置，根据连续两帧图像中目标对象头部的位置，计算出目标对象头部下降的速度，并与预设下降速度阈值比较来判断目标对象是否摔倒；

(4)当判断目标对象摔倒时向目标对象关联对象的移动终端发送报警信息。

本公开能进行智能检测，无需家人时刻盯着监控画面，但在目标对象发生摔倒后，能自动发信息给目标对象关联人的移动终端进行报警，避免了目标对象摔倒却无人知道的情况发生；而且能较好地区分目标对象蹲下和躺下等正常动作和摔倒动作。

上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。