一种基于改进Alphapose的红外图像摔倒检测方法与流程

技术特征：
1.一种基于改进alphapose的红外图像摔倒检测方法，其特征在于，包括：信号采集，采集红外视频帧作为输入，输入人体目标红外图像；生成关键点位置信息和姿态类别，使用yolov5s人体目标检测网络检测所述人体目标红外图像，并与姿态分类库比对完成对人体姿态的分类生成所述姿态类别，再将得出的所述人体目标红外图像输入关键点检测网络得到骨架的关键点位置信息；关键点分析，以前一帧中人体目标框的高度作为参考对象，计算髋关节关键点的相对移动速度和人体宽高比的变换，与所述关键点位置信息和所述姿态类别进行对比，输出摔倒判断信号。摔倒判定，接收到所述摔倒判断信号后，结合所述姿态分类，继续检测后续帧内的人体姿态，输出摔倒判断结果。2.根据权利要求1所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：所述姿态分类库生成方法包括：获取图像，通过红外摄像头采集人体图像；标注训练样本，预定义姿态类别，使用标注工具，在红外图像中框选人体位置，对每个人体的姿态类别进行标注，生成相应的xml文件；数据预处理，采用了mosaic数据增强的方式；生成深度训练模型，使用yolov5s作为alphapose的人体检测深度网络，训练人体检测模型，生成所述姿态分类库，在提取人体目标区域框输入所述关键点检测网络预测关键点位置的同时，完成对人体姿态的分类。3.根据权利要求2所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：所述mosaic数据增强的方式为通过每次随机抽取数据集中的四张图片，采用随机裁剪、随机缩放、随机组合的方式生成一张新的训练图片。4.根据权利要求2所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：yolov5s网络完成对人体姿态的直接分类，同时从输入的所述人体目标红外图像的人体区域框，输入所述关键点检测网络检测人体骨架关键点，将所述关键点位置信息与预测的所述姿态类别一并输出。5.根据权利要求1所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：所述人体宽高比的获取方法为：设第i帧与第i-1帧均为单人红外图像，2≤i≤n,n表示红外视频的总帧数，检出髋关节关键点a个；将图像左上角定为原点，水平向右为x轴正方向，垂直向下为y轴正方向，建立直角坐标系；记第i帧人体骨架中编号为n的关键点的纵坐标为点b和点c的中心点m代表髋关节，则点m在第i帧中的纵坐标记第i帧中人体目标框的高度为h
i
，宽度为w
i
，则第i帧中的人体宽高比p
i
＝w
i
/h
i
；所述i、a、b、c为数字。6.根据权利要求5所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：所述髋关节关键点的相对移动速度的获取方法为：
第i帧中点m在垂直方向上的相对移动速度为7.根据权利要求6所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：所述输出摔倒判断信号的获取方法为：设置大于0的阈值th，摔倒判断参考值当f
i
等于1时，输出所述摔倒判断信号。8.根据权利要求1所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：所述摔倒判定的方法为：在统计后续的人体姿态中，第i帧图像中人体姿态类别为l
i
，则对应的人体图像得分为s
i
，两者关系可用公式为：当图像中的人体姿态类别l
i
为“sit_flat”、“lie”、“push_up”这三种姿态中的任意一种时，该人体图像的得分记为1，否则得分记为0；当f
i
＝1，即第i帧接收到摔倒判断信号时，继续统计后续d帧图像的人体姿态，若累计图像得分之和大于e，记为ff
i
＝1，计算公式为当记为ff
i
＝1，输出判断为摔倒；所述sit_flat为坐地，所述lie为躺下，所述push_up为撑地，所述ff
i
为摔倒判断结果，所述s
i
为人体图像得分，所述l
i
为人体姿态类别，所述else为f
i
不等于1或者s
i
的总得分小于等于e。9.根据权利要求8所述的一种基于改进alphapose的红外图像摔倒检测方法，其特征在于：所述d等于20，所述e等于10。

技术总结
本发明公开了一种基于改进Alphapose的红外图像摔倒检测方法，包括：采集红外视频帧作为输入；对所述红外视频帧进行数据预处理，并通过人体检测深度网络输出关键点信息和姿态类别；以前一帧中人体目标框的高度作为参考对象，计算髋关节关键点的相对移动速度和人体宽高比的变换，与关键点信息和所述姿态类别进行对比，输出摔倒判断信号；接收到摔倒判断信号后，结合姿态分类，继续检测后续帧内的人体姿态，输出摔倒判断结果。本发明采用基于改进Alphapose的红外图像摔倒检测方法，利用得到的人体骨架关键点信息和姿态类别进行摔倒判定，兼顾了摔倒动作的时序性和前后动作的关联性，提高了检测的准确度和实时性，进而降低了摔倒识别的误差。摔倒识别的误差。摔倒识别的误差。


技术研发人员：张鹏 张骏 沈玉真 李培华 张恺翔 孙瑞
受保护的技术使用者：中航华东光电有限公司
技术研发日：2021.12.31
技术公布日：2022/4/8