CN115082825B 一种基于视频实时人体跌倒检测及报警的方法和装置 （中新国际联合研究院）

WO2021212883A1,2021.10.28一种基于视频实时人体跌倒检测及报警的本发明提供了一种基于视频实时人体跌倒跌倒状态下人体图像信息，建立跌倒检测数据宽比α和重心点偏移量d的敏感程度赋予不同的2通过在每一个通道都引入一个引入BN层的缩放因子γ,与通道的输出相乘将Prune-YOLOv2-Tiny网络模型中的检测层中的类别C改成单类，即1；同时使用K-宽和高；Prune-YOLOv2-Tiny网络模型中的最后一层卷积层中的卷积核个数R采用公式(1)S3、通过对人体跌倒前后的图像长宽比α和重心点偏移量d的敏感程度赋予不同的阈S4、获取实时视频作为跌倒检测的视频流传入跌的视频处理得到的帧图像进行人体目标检测，再对识别到的人体目标进行跌倒检测和报对具有人体跌倒姿态的数据集进行数据增强，将具有人体跌倒姿态的将数据增强后的具有人体跌倒姿态的数据集与筛选后的公开的人体检测数据集进行将数据集按照1:9比例划分成测试集和训练集，训练集中的每张训练图片在载入预训3和Pt+1分别是第t帧和第t+1帧时图像检测出的人体的重心点位置，包括纵坐标和横坐标的通过长宽比和重心点偏移量结合赋予不同的阈值，获得新的对跌倒另一种情况就是当连续两帧图像检测出的人体长宽比都大于一个阈值，即αt≥1.5且6.根据权利要求1～5任一项所述的一种基于视频实其中，摄像头用于影像采集，视频解码编码装置用于对摄像头像处理成1920x1080@30fps的视频流传入到边沿计边沿计算芯片将视频解码编码装置传入的视频流处理成帧图像并输入跌倒检测模型，45所构成的报警系统和其实现方法中的穿戴式传感器方案存在老年人不喜欢穿戴、忘记穿跌倒人群跌倒时，设备能够发送跌倒消息给易跌倒人群亲属或者社区社工达到报警的手6[0014]将数据增强后的具有人体跌倒姿态的数据集与筛选后的公开的人体检测数据集即通过在每一个通道都引入一个引入BN层的缩放因子γ,与通道的输的紧凑网络：Prune-YOLOv2-Tinmeans算法针对跌倒检测数据集更新检测层中的5个anchors的值，anchors的值是预测框的宽和高；Prune-YOLOv2-Tiny网络模型中的最后一层卷积层中的卷积核个数R采用公式[0022]将数据集按照1:9比例划分成测试集和训练集，训练集中的每张训练图片在载入预训练权重的跌倒检测模型上计算模型预测结果与真实标签的IOU损失、分类损失和坐标7[0031]通过长宽比和重心点偏移量结合赋予不同的阈值，获得[0033]另一种情况就是当连续两帧图像检测出的人体长宽比都大于一个阈值，即αt≥将摄像头采集的影像处理成1920x1080@30fps的视频流传入到边沿[0039]边沿计算芯片将视频解码编码装置传入的视频流处理成帧图像并输入跌倒检测8[0042]图1为本发明实施例中一种基于视频实时人体跌倒检测及报警的方法流程示意[0043]图2为本发明实施例中一种基于视频实时人体跌倒检测及报警的装置运作流程[0048]图7为本发明实施例3中一种基于视频实时人体跌倒检测及报警的装置的组成结[0057]将数据增强后的具有人体跌倒姿态的数据集与筛选后的公开的人体检测数据集[0059]对YOLOv2-Tiny网络模型原有的权重进行权重稀疏化训练，即通过在每一个通道9的紧凑网络：Prune-YOLOv2-Tinmeans算法针对跌倒检测数据集更新检测层中的5个anchors的值，anchors的值是预测框的宽和高；Prune-YOLOv2-Tiny网络模型中的最后一层卷积层中的卷积核个数R采用公式[0066]如图4所示，通过数据集在跌倒检测模型上进行训练，得到跌倒检测模型中的权[0067]将数据集按照1:9比例划分成测试集和训练集，训练集中的每张训练图片在载入预训练权重的跌倒检测模型上计算模型预测结果与真实标签的IOU损失、分类损失和坐标[0077]通过长宽比和重心点偏移量结合赋予不同的阈值，获得[0079]另一种情况就是当连续两帧图像检测出的人体长宽比都大于一个阈值，即αt≥装置供电以及散热风扇和外壳组成由FPGA板统一提供包括整机复位电路,以及尾线中的采集的影像处理成1920x1080@30fps的视频流传入到边沿[0088]边沿计算芯片将视频解码编码装置传入的视频流处理成帧图像并输入跌倒检测