一种基于人体姿态视觉的独居老人摔倒检测系统及方法与流程

本发明涉及计算机视觉领域，尤其涉及一种基于人体姿态视觉的独居老人摔倒检测系统及方法。

背景技术：

伴随着中国计划生育政策的实施，传统的核心家庭结构发生变化，4-2-1的家庭结构成为主流，家庭规模日趋小型化，打破了传统上的三代人甚至四代人同居的家庭模式。

同时现代社会中老人和子女都要求有自己的“自由空间”，因此纯老家庭和独居老人的社会现象成为社会各届关注的焦点。家庭养老的功能日益削弱，原来由家庭承担的老人赡养功能转向社会养老服务，独居老人成为一类社会问题而倍受关注。

由于身体机能和人体免疫功能的下降，老人极易发生各种疾病和意外，而独居老人在意外发生后又不容易被及时发现，贻误治疗时机，造成难以挽回的遗憾。因而，如果能在意外发生的第一时间发现异常，并立即通知老人的家属、所在社区护工或医务工作者，将会挽回很多独居老人的健康甚至生命，社会意义巨大。

随着人工智能技术的发展，尤其是计算机视觉技术取得的长足进步。

但是，在现有的技术方案中，尚未能很好地使得利用人工智能视觉技术来对独居老人的摔倒进行有效检测。

技术实现要素：

针对现有技术中存在的问题，本发明提供一种基于人体姿态视觉的独居老人摔倒检测系统，包括：

一数据获取模块，用于获取多个标准身体姿态图像，并对各所述标准身体姿态图像进行标注得到相应的姿态数据；

一图像采集模块，用于实时采集独居老人的实时身体姿态图像；

一训练模块，连接所述数据获取模块，用于将各所述标准身体姿态图像作为输入，将对应的所述姿态数据作为输出，训练得到一摔倒检测模型；

一数据处理模块，分别连接所述训练模块和所述图像采集模块，用于将所述实时身体姿态图像输入所述摔倒检测模型，得到所述独居老人对应的所述姿态数据作为摔倒检测结果输出。

优选的，还包括一通信模块，分别连接所述数据处理模块和至少一外部控制终端，所述通信模块包括一通讯单元，用于将所述摔倒检测结果实时发送至各所述外部控制终端。

优选的，所述姿态数据包括完全摔倒姿态和非完全摔倒姿态；

则所述通信模块还包括：

第一求助单元，连接所述通讯单元，用于在所述摔倒检测模型当前输出的所述摔倒检测结果表示所述独居老人处于完全摔倒姿态时生成一第一求助信号，并将所述第一求助信号通过所述通讯单元发送至各所述外部控制终端。

优选的，所述通讯模块还包括：

第二求助单元，连接所述通讯单元，用于在所述摔倒检测模型当前输出的所述摔倒检测结果及所述摔倒检测模型在一预设时间段后输出的所述摔倒检测结果均表示所述独居老人处于完全摔倒姿态时生成一第二求助信号，并将所述第二求助信号通过所述通讯单元发送至各所述外部控制终端。

优选的，所述数据获取模块包括：

处理单元，用于获取多个所述标准身体姿态图像，并根据所述标准身体姿态图像处理得到若干包含坐标值的数据关键点；

分析单元，连接所述处理单元，用于对各所述数据关键点中的所述坐标值进行分析，得到所述相应的所述姿态数据，并根据所述姿态数据对所述标准身体姿态图像进行标注。

一种基于人体姿态视觉的独居老人摔倒检测方法，应用于上述的独居老人摔倒检测系统，所述独居老人摔倒检测方法包括：

步骤s1，所述独居老人摔倒检测系统获取多个标准身体姿态图像，并对各所述标准身体姿态图像进行标注得到相应的姿态数据；

步骤s2，所述独居老人摔倒检测系统实时采集独居老人的实时身体姿态图像；

步骤s3，所述独居老人摔倒检测系统将各所述标准身体姿态图像作为输入，将对应的所述姿态数据作为输出，训练得到一摔倒检测模型；

步骤s4，所述独居老人摔倒检测系统将所述实时身体姿态图像输入所述摔倒检测模型，得到所述独居老人对应的所述姿态数据作为摔倒检测结果输出。

优选的，所述步骤s1包括：

步骤s11，所述独居老人摔倒检测系统获取多个所述标准身体姿态图像，并根据所述标准身体姿态图像处理得到若干包含坐标值的数据关键点；

步骤s12，所述独居老人摔倒检测系统对各所述数据关键点中的所述坐标值进行分析，得到所述相应的所述姿态数据，并根据所述姿态数据对所述标准身体姿态图像进行批注。

优选的，所述步骤s4之后，还包括：

所述独居老人摔倒检测系统将所述摔倒检测结果实时发送至连接的至少一外部控制终端，并在所述摔倒检测结果表示所述独居老人处于完全摔倒姿态时生成一第一求助信号，进而将所述第一求助信号发送至各所述外部控制终端。

优选的，所述步骤s4之后，还包括：

所述独居老人摔倒检测系统在所述摔倒检测模型当前输出的所述摔倒检测结果及所述摔倒检测模型在一预设时间段后输出的所述摔倒检测结果均表示所述独居老人处于完全摔倒姿态时生成一第二求助信号，并将所述第二求助信号通过所述通讯单元发送至各所述外部控制终端。

上述技术方案具有如下优点或有益效果：

本技术方案将实时采集到的独居老人的实时身体姿态图像输入至训练完成的摔倒检测模型，得到独居老人对应的姿态数据作为摔倒检测结果，并发送至外部控制终端，实现对持有外部控制终端的独居老人相关人员的提醒，避免独居老人摔倒后无人救助，有效提升了独居老人的居家安全性。

附图说明

图1为本发明的较佳的实施例中，独居老人摔倒检测系统的结构示意图；

图2为本发明的较佳的实施例中，独居老人摔倒检测方法的流程图；

图3为本发明的较佳的实施例中，独居老人摔倒检测方法的子流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本发明并不限定于该实施方式，只要符合本发明的主旨，则其他实施方式也可以属于本发明的范畴。

本发明的较佳的实施例中，基于现有技术中存在的上述问题，现提供一种基于人体姿态视觉的独居老人摔倒检测系统，如图1所示，包括：

一数据获取模块1，用于获取多个标准身体姿态图像，并对各标准身体姿态图像进行标注得到相应的姿态数据；

一图像采集模块2，用于实时采集独居老人的实时身体姿态图像；

一训练模块3，连接数据获取模块1，用于将各标准身体姿态图像作为输入，将对应的姿态数据作为输出，训练得到一摔倒检测模型；

一数据处理模块4，分别连接训练模块3和图像采集模块2，用于将实时身体姿态图像输入摔倒检测模型，得到独居老人对应的姿态数据作为摔倒检测结果输出。

具体地，本实施例中，图像采集模块2可以为带usb接口的摄像头。进一步地，为了使摄像头的视野最大化，进而使得监控范围最大，可以将摄像头固定设置在独居老人室内较高处。

进一步地，训练模块3可以为easydl平台。在easydl平台上，将若干完全摔倒姿态的标准身体姿态图像作为正样本，将若干非完全摔倒姿态的标准身体姿态图像作为负样本，完全摔倒姿态的姿态数据和非完全摔倒的姿态数据作为人体姿态的识别结果。进而根据正样本、负样本以及对应的姿态数据，形成摔倒检测模型。

进一步地，数据处理模块4可以选用开源硬件树莓派。树莓派具有体积小，功耗低，价格低的优点，有效降低本技术方案的成本。同时该树莓派具有usb接口，摄像头可以通过usb接口连接至树莓派，将独居老人的人体姿态数据发送至树莓派。同时树莓派上还集成有网络通讯模块，进一步地，该网络通讯模块可以为wifi模块。树莓派可以通过wifi模块连接至云端服务器，实现将独居老人的实时身体姿态图像输入至云端服务器上的摔倒检测模型，得到独居老人当前姿态数据作为摔倒检测结果输出，实现了对独居老人的自动化摔倒检测。

本发明的较佳的实施例中，还包括一通信模块5，分别连接数据处理模块4和至少一外部控制终端6，通信模块5包括一通讯单元51，用于将摔倒检测结果实时发送至各外部控制终端6。

具体地，本实施例中，通过将实时采集到的独居老人的实时身体姿态图像输入至训练完成的摔倒检测模型，得到独居老人对应的姿态数据作为摔倒检测结果，并通过通讯单元51实时发送至外部控制终端6，持有外部控制终端6的独居老人相关人员可以在外部控制终端6上对独居老人的实时身体姿态图像进行实时查看，避免独居老人发生危险。

本发明的较佳的实施例中，姿态数据包括完全摔倒姿态和非完全摔倒姿态；

则通信模块5还包括：

第一求助单元52，连接通讯单元51，用于在摔倒检测结果表示独居老人处于完全摔倒姿态时生成一求助信号，并将求助信号通过通讯单元51发送至各外部控制终端6。

具体地，本实施例中，当摔倒检测结果表明独居老人处于完全摔倒姿态时，表明独居老人当前摔倒在地，此时第一求助单元52生成第一求取信号并通过通讯单元51发送至各外部控制终端6，告知持有外部控制终端6的独居老人相关人员此时独居老人摔倒在地，使得相关人员对独居老人进行及时询问，避免独居老人摔倒后无人救助，有效提升了独居老人的居家安全性。

本发明的较佳的实施例中，第二求助单元53，连接通讯单元51，用于在摔倒检测模型当前输出的摔倒检测结果及摔倒检测模型在一预设时间段后输出的摔倒检测结果均表示独居老人处于完全摔倒姿态时生成一第二求助信号，并将第二求助信号通过通讯单元51发送至各外部控制终端6。

具体地，本实施例中，在摔倒检测模型当前输出的摔倒检测结果及摔倒检测模型在一预设时间段后输出的摔倒检测结果均表示独居老人处于完全摔倒姿态时表明独居老人长时间倒地不起，此时第二求助单元53生成第二求取信号，并通过通讯单元51发送至各外部控制终端6，并多次告知持有外部控制终端6的独居老人相关人员此时独居老人长时间倒地不起。进一步地，第二求取信号还可以发送至附近的医院，其中，第二求助信号中包含独居老人的定位信息，医院在接收到第二求助信息后可以派遣救护车及相关人员进行及时救助，避免独居老人的生命遭到威胁。

本发明的较佳的实施例中，数据获取模块1包括：

处理单元11，用于获取多个标准身体姿态图像，并根据标准身体姿态图像处理得到若干包含坐标值的数据关键点；

分析单元12，连接处理单元11，用于对各数据关键点中的坐标值进行分析，得到相应的姿态数据，并根据姿态数据对标准身体姿态图像进行标注。

具体地，本实施例中，通过处理单元11从标准身体姿态图像中处理得到14个数据关键点，分别位于头、颈、左肩、右肩、左肘、右肘、左腕、右腕、左胯、右胯、左膝、右膝、左踝、右踝。在一个优选的实施例中，还增加了左耳、右耳、左眼、右眼、鼻子、左嘴角、右嘴角共7个数据关键点。进一步地，本技术方案中的14个数据关键点是最基本的构成。

进一步地，当人体处于站立姿态时，左肩和右肩的纵坐标、左肘和右肘的纵坐标、左腕和右腕的纵坐标、左胯和右胯的纵坐标、左膝和右膝的纵坐标、左踝和右踝的纵坐标基本一致，同时头、颈、肩、肘、腕、胯、膝、踝的纵坐标具有显著差异。当人体处于摔倒姿势时，从头部到胯部的纵坐标差距较小。同时右胯、右肩、颈部、头顶这四个数据关键点之间每两点之间连接所形成的线段与水平面所形成的角度都较小。因此分析单元12对各数据关键点中的坐标值进行分析：当头部到胯部的纵坐标差距小于一距离阈值且右胯、右肩、颈部、头顶这四个数据关键点之间每两点之间连接所形成的线段与水平面所形成的角度小于一角度阈值时，生成表明独居老人完全摔倒的姿态数据，若不满足上述条件，则生成表明独居老人非完全摔倒的姿态数据。

一种基于人体姿态视觉的独居老人摔倒检测方法，应用于上述的独居老人摔倒检测系统，如图2所示，独居老人摔倒检测方法包括：

步骤s1，独居老人摔倒检测系统实时采集独居老人的人体姿态数据；

步骤s2，独居老人摔倒检测系统将若干完全摔倒姿态数据和若干非完全摔倒姿态数据作为输入，将一人体姿态的识别结果作为输出，训练得到一人体姿态识别模型；

步骤s3，独居老人摔倒检测系统将人体姿态数据输入人体姿态识别模型，得到独居老人当前人体姿态的分析结果。

本发明的较佳的实施例中，如图3所示，步骤s1包括：

步骤s11，独居老人摔倒检测系统获取多个标准身体姿态图像，并根据标准身体姿态图像处理得到若干包含坐标值的数据关键点；

步骤s12，独居老人摔倒检测系统对各数据关键点中的坐标值进行分析，得到相应的姿态数据，并根据姿态数据对标准身体姿态图像进行批注。

本发明的较佳的实施例中，步骤s3之后，还包括：

独居老人摔倒检测系统根据人体姿态的分析结果向一外部控制终端发送一报警信息。

本发明的较佳的实施例中，步骤s3之后，还包括：

独居老人摔倒检测系统将若干包含人体姿态实际结果的人体试验姿态数据输入人体姿态识别模型，得到相应的人体姿态的分析结果，并将人体姿态的分析结果与人体姿态实际结果进行比较，得到一模型验证结果。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。