基于视觉识别的老人监控设备及监控方法

本发明涉及视频监控，特别涉及一种基于视觉识别的老人监控设备及监控方法。

背景技术：

1、在直接导致老年人受到伤害或死亡的各种诱因中，跌倒是最大诱因。当老年人发生跌倒时，如果不能及时发现并采取救治措施，极易导致老年人受到重大伤害或死亡。

2、目前主要的老人跌倒监测设备为接触式穿戴设备，该类设备利用加速度计判断使用者是否跌倒，但该类设备存在两大缺点，一是穿戴设备会引起老人身体不舒适，穿戴也较为麻烦；二是具有较高的误判率。例如，当老人在做剧烈运动时，把非跌倒动作检测为发生跌倒，从而发生误判。因此，现有的老人跌倒监测设备的体验不佳，给老人造成诸多不便。

技术实现思路

1、本发明的目的是为了克服已有技术的缺陷，提出一种基于视觉识别的老人监控设备及监控方法，利用大视场摄像头捕捉老人的跌倒状态，利用小视场摄像头捕捉老人的生理信号信息，采用非接触方式实现对老人是否跌倒的监控以及生理信号的测量。

2、为实现上述目的，本发明采用以下具体技术方案：

3、本发明提供的基于视觉识别的老人监控设备，包括：

4、大视场摄像头，其位置固定，用于监测采集视场范围内老人的人体图像；

5、小视场摄像头，其固定在转动机构上，用于在转动机构的带动下监测采集老人的面部图像；

6、图像缓存模块，其用于缓存人体图像与面部图像；

7、图像处理模块，其包括数据获取单元、跌倒判断单元、生理信号测量单元，数据获取单元用于从图像缓存模块获取人体图像与面部图像；跌倒判断单元用于对人体图像采用视觉识别算法判断老人是否跌倒，生理信号测量单元用于对面部图像采用生理信号测量算法采集老人的生理信号信息；

8、数据存储模块，其用于存储跌倒判断单元的判断结果和生理信号测量单元计算出的生理信号信息。

9、优选地，跌倒判断单元识别人体骨骼节点在人体图像中的位置，将人体骨骼节点中两个髋关节节点连线的中点定义为人体重心，判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值，如果大于，则判断老人跌倒。

10、优选地，图像处理模块还包括转动角度计算单元，转动角度计算单元采用面部识别算法识别面部在人体图像中的位置（x，y），计算面部占整个人体图像的像素比r，根据预先标定的像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系来计算面部在物理空间与监控设备安装面的垂直距离h，从而计算转动机构围绕水平方向的转动角度，以及转动机构围绕竖直方向的转动角度。

11、优选地，老人监控设备还包括语音交互模块，用于询问老人是否需要报警，如需要则发出报警信号，以及在收集到老人的语音信息时，播放生理信号测量单元采集到的生理信号信息。

12、优选地，老人监控设备还包括联网模块，用于通过网络发出报警信号。

13、本发明提供的老人监控方法，基于上述的老人监控设备实现，包括如下步骤：

14、通过大视场摄像头监测采集视场范围内老人的人体图像，跌倒判断单元对人体图像采用视觉识别算法判断老人是否跌倒，并将判断结果存储至数据存储模块；

15、基于人体图像计算转动机构的转动角度，通过转动机构将小视场摄像头转动至老人的面部位置，监测采集老人的面部图像，生理信号测量单元对面部图像采用生理信号测量算法采集老人的生理信号信息，并将判断结果存储至数据存储模块。

16、优选地，在跌倒判断单元对人体图像采用视觉识别算法判断老人是否跌倒的过程中，包括如下步骤：

17、识别人体骨骼节点在人体图像中的位置；

18、将人体骨骼节点中两个髋关节节点连线的中点定义为人体重心；

19、判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值，如果大于，则判断老人跌倒。

20、优选地，重心差阈值随人体在人体图像中的占比变化而改变。

21、优选地，在基于人体图像计算转动机构的转动角度的过程中，包括如下步骤：

22、采用面部识别算法识别面部在人体图像中的位置（x，y），并计算面部占整个人体图像的像素比r；

23、根据预先标定的像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系来计算面部在物理空间与监控设备安装面的垂直距离h；

24、基于面部在人体图像中的位置和面部在物理空间与监控设备安装面的垂直距离h计算转动机构围绕水平方向的转动角度及转动机构围绕竖直方向的转动角度。

25、优选地，在判断老人跌倒后，还包括如下步骤：

26、通过语音交互模块询问老人是否需要报警，如需要则通过联网模块发出报警信号。

27、本发明能够取得如下技术效果：

28、1、本发明通过无接触方式实现对老人是否跌倒的监控以及生理信号的测量，降低误判率并提高用户体验。

29、2、在人脸发生晃动时，转动机构能够实时调整小视场摄像头的位置，使人脸位于面部图像的中心，提高人脸在面部图像中的占比，从而提升人体生理信号的测量精度。

30、3、重心差阈值会根据人体在人体图像中的占比而实时动态变化，提高判断老人是否跌倒的准确率。

技术特征：

1.一种基于视觉识别的老人监控设备，其特征在于，包括：

2.如权利要求1所述的基于视觉识别的老人监控设备，其特征在于，所述跌倒判断单元识别人体骨骼节点在所述人体图像中的位置，将所述人体骨骼节点中两个髋关节节点连线的中点定义为人体重心，判断前一帧人体图像的人体重心位置与当前帧人体图像的人体重心位置的差值是否大于重心差阈值，如果大于，则判断老人跌倒。

3.如权利要求1所述的基于视觉识别的老人监控设备，其特征在于，所述图像处理模块还包括转动角度计算单元，所述转动角度计算单元采用面部识别算法识别面部在所述人体图像中的位置（x，y），计算面部占整个人体图像的像素比r，根据预先标定的像素比r和面部在物理空间与监控设备安装面的垂直距离h的关系 来计算面部在物理空间与监控设备安装面的垂直距离h，从而计算所述转动机构围绕水平方向的转动角度，以及所述转动机构围绕竖直方向的转动角度。

4.如权利要求1所述的基于视觉识别的老人监控设备，其特征在于，还包括语音交互模块，用于询问老人是否需要报警，如需要则发出报警信号，以及在收集到老人的语音信息时，播放所述生理信号测量单元采集到的生理信号信息。

5.如权利要求4所述的基于视觉识别的老人监控设备，其特征在于，还包括联网模块，用于通过网络发出所述报警信号。

6.一种利用权利要求1所述的基于视觉识别的老人监控设备实现的老人监控方法，其特征在于，包括如下步骤：

7.如权利要求6所述的基于视觉识别的老人监控设备实现的老人监控方法，其特征在于，在跌倒判断单元对所述人体图像采用视觉识别算法判断老人是否跌倒的过程中，包括如下步骤：

8.如权利要求7所述的基于视觉识别的老人监控设备实现的老人监控方法，其特征在于，所述重心差阈值随人体在所述人体图像中的占比变化而改变。

9.如权利要求6所述的基于视觉识别的老人监控设备实现的老人监控方法，其特征在于，在基于所述人体图像计算转动机构的转动角度的过程中，包括如下步骤：

10.如权利要求6所述的基于视觉识别的老人监控设备实现的老人监控方法，其特征在于，在判断老人跌倒后，还包括如下步骤：

技术总结
本发明提供一种基于视觉识别的老人监控设备及监控方法，属于视频监控技术领域，其中的监控设备包括大视场摄像头用于监测采集视场范围内老人的人体图像；小视场摄像头固定在转动机构上，用于在转动机构的带动下监测采集老人的面部图像；图像缓存模块，用于缓存人体图像与面部图像；图像处理模块用于从图像缓存模块获取人体图像与面部图像、对人体图像采用视觉识别算法判断老人是否跌倒、对面部图像采用生理信号测量算法采集老人的生理信号信息；数据存储模块用于存储跌倒判断结果和生理信号信息。本发明通过无接触方式实现对老人是否跌倒的监控以及生理信号的测量，降低误判率并提高用户体验。

技术研发人员：付云博,孙志远,曹策,余毅,何锋赟
受保护的技术使用者：中国科学院长春光学精密机械与物理研究所
技术研发日：
技术公布日：2024/1/12