一種基于全向視覺的人體跌倒識別方法
【專利摘要】本發(fā)明提出一種基于全向視覺的人體跌倒識別方法，其內(nèi)容包括是：監(jiān)測系統(tǒng)使用全向視覺系統(tǒng)采集和處理圖像，全向視覺系統(tǒng)能夠采集到360°視角范圍內(nèi)的圖像信息以消除盲點(diǎn)，系統(tǒng)將原始圖像分別展開為柱面投影圖和透視投影圖，利用背景分割技術(shù)將人體輪廓從圖像中去噪并提取出來后，分別分析柱面投影圖里的人體輪廓所顯示的寬高比以及透視投影圖里人體輪廓的最小外接圓和最大內(nèi)切圓半徑之比，通過人在正常狀態(tài)下和跌倒時(shí)所對應(yīng)的不同的比值，分別對比設(shè)定的相應(yīng)閾值，來判斷人是否跌倒，并對跌倒事故發(fā)出警報(bào)。本發(fā)明由于采用全向視覺系統(tǒng)，能夠?qū)?60°視角范圍進(jìn)行無死角的實(shí)時(shí)監(jiān)測，及時(shí)準(zhǔn)確，可節(jié)省大量人力成本。
【專利說明】一種基于全向視覺的人體跌倒識別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于機(jī)器視覺領(lǐng)域，具體涉及一種360°視角范圍內(nèi)的人體跌倒識別的方法。

【背景技術(shù)】
[0002]現(xiàn)今人口老齡化社會中，空巢老人數(shù)量日益增加，他們的健康保障面臨著嚴(yán)重的威脅。意外跌倒對老年人的傷害極大，而空巢老人跌倒后由于身旁無人及時(shí)照應(yīng)，導(dǎo)致傷情加重甚至死亡，意外跌倒事故成為對空巢老人的一個(gè)最主要的健康危害。
[0003]目前，針對人體跌倒檢測已有許多不同類型的方法，包括使用特殊傳感器的系統(tǒng)，以及人工視頻監(jiān)控系統(tǒng)。使用特殊傳感器的系統(tǒng)，一般是通過加速度傳感器方式進(jìn)行跌倒識別，其缺點(diǎn)在于準(zhǔn)確率不高，容易造成誤報(bào)。人工視頻監(jiān)控系統(tǒng)，其缺點(diǎn)在于耗費(fèi)大量人力成本，有的系統(tǒng)無法進(jìn)行全視角范圍的監(jiān)測。


【發(fā)明內(nèi)容】

[0004]為了解決現(xiàn)有技術(shù)中無法進(jìn)行全視角范圍監(jiān)測、浪費(fèi)人力成本和準(zhǔn)確率不高的問題，本發(fā)明提出一種新型的基于全向視覺系統(tǒng)監(jiān)測人體跌倒的方法。
[0005]本發(fā)明的作用原理如下:
[0006]折反射系統(tǒng)是一種能夠同時(shí)提供透射和反射光線的折反射光學(xué)系統(tǒng)，并且能夠用于采集360°視角的場景。這種系統(tǒng)擁有只需處理一幅圖像的優(yōu)勢，而不必處理普通相機(jī)采集的環(huán)形連續(xù)圖像中的邊界不連續(xù)的問題。
[0007]本發(fā)明所用硬件設(shè)備圖像采集裝置是由一個(gè)裝有C⑶相機(jī)的全向視覺系統(tǒng)和一個(gè)雙曲線折反射鏡組成，雙曲線折反射鏡在上，CCD相機(jī)置于雙曲線折反射鏡的下方，圖像采集裝置置于天花板上，這樣安裝就能無死角的采集整個(gè)場景的圖像，圖像采集裝置與計(jì)算機(jī)服務(wù)器連接，采集到的圖像將傳送給計(jì)算機(jī)服務(wù)器。從全向視覺系統(tǒng)采集到的圖像將被用于檢測是否有跌倒事故發(fā)生。
[0008]一種基于全向視覺的人體跌倒識別方法，其內(nèi)容包括如下步驟:
[0009](I)將全向視覺系統(tǒng)采集的圖像傳送至計(jì)算機(jī)服務(wù)器進(jìn)行處理；系統(tǒng)以I幀/秒的采樣頻率處理圖像，系統(tǒng)將原始圖像分別展開為柱面投影圖和透視投影圖，并分別進(jìn)行聞斯濾波；
[0010](2)對展開后的柱面投影圖和透視投影圖，分別利用前30秒鐘的圖像訓(xùn)練一個(gè)之后可定期更新的基本的背景模型，使用這個(gè)模型將前景從背景中分割出來；
[0011](3)將前景的二值圖像輪廓從背景中分割出來后，利用形態(tài)學(xué)開操作將小的噪聲消除，再用閉操作重建邊緣部分；
[0012](4)對柱面投影圖和透視投影圖分別進(jìn)行處理；對柱面投影圖，運(yùn)用連通區(qū)域標(biāo)記技術(shù)來標(biāo)注每個(gè)連續(xù)的物體并得到它的面積，通過人體面積的最小值Sa來排除非人體的噪聲；同樣，通過另一個(gè)人體面積的最小值Sb對透視投影圖進(jìn)行相同方法處理；
[0013](5)對柱面投影圖，計(jì)算出去除噪聲之后得到的人體輪廓的寬W和高H，得出人體輪廓的寬高比K = W/H，通過人在正常狀態(tài)下和跌倒時(shí)的不同的寬高比，來分析人是否跌倒；當(dāng)檢測到寬高比K大于設(shè)定的閾值Ta時(shí)，就讀取此幀之前第8秒鐘至第3秒鐘的6個(gè)圖像幀和此幀之后的第5秒鐘至第10秒鐘的6個(gè)圖像幀中檢測到的12個(gè)寬高比K，如果前6個(gè)圖像幀中的寬高比K都小于I而后6個(gè)圖像幀中的寬高比K都大于I并且大于閾值Ta時(shí)，那么就判定是發(fā)生了跌倒事故，將Fa置為TRUE ；
[0014](6)對透視投影圖，計(jì)算出去除噪聲之后得到的人體輪廓的最大內(nèi)切圓半徑Ri和最小外接圓半徑R。，得出人體輪廓的最小外接圓和最大內(nèi)切圓半徑之比P = RcZRi,通過人在正常狀態(tài)下和跌倒時(shí)的不同的外接圓內(nèi)切圓半徑之比P，來分析人是否跌倒；當(dāng)檢測到P大于設(shè)定的上限閾值Tb2時(shí)，就讀取此幀之前第8秒鐘至第3秒鐘的6個(gè)圖像幀和此幀之后的第5秒鐘至第10秒鐘的6個(gè)圖像幀中檢測到的12個(gè)P，如果前6個(gè)圖像幀中的P都小于設(shè)定的下限閾值Tbl而后6個(gè)圖像幀中的P都大于上限閾值Tb2時(shí)，那么就判定是發(fā)生了跌倒事故，將Fb置為TRUE;
[0015](7)只要Fa或Fb其中之一為TRUE，系統(tǒng)即發(fā)出跌倒警報(bào)，向值班室的計(jì)算機(jī)發(fā)送可疑畫面并向手機(jī)發(fā)送短信息通知護(hù)理人員處理。
[0016]本發(fā)明的技術(shù)方案，由于采用全向視覺系統(tǒng)，因此可對整個(gè)場景實(shí)施無死角的實(shí)時(shí)監(jiān)測；在跌倒識別方法上，分別采用分析柱面投影圖里的人體輪廓所顯示的寬高比以及透視投影圖里人體輪廓的最小外接圓和最大內(nèi)切圓半徑之比這兩種方法進(jìn)行人體跌倒識別，避免了單一方法對某些特殊的跌倒姿勢識別不準(zhǔn)確，提高了人體跌倒識別的準(zhǔn)確性。本發(fā)明的技術(shù)方案可節(jié)省大量人力成本，能夠?qū)?60°視角范圍進(jìn)行無死角的實(shí)時(shí)監(jiān)測，及時(shí)準(zhǔn)確。

【專利附圖】

【附圖說明】
[0017]附圖1是本發(fā)明的全向視覺系統(tǒng)圖像采集裝置的結(jié)構(gòu)原理；
[0018]附圖2是對展開成柱面投影圖的基于人體輪廓寬高比的跌倒檢測方法示意圖，左圖為正常狀態(tài)，右圖為跌倒?fàn)顟B(tài)；
[0019]附圖3是對展開成透視投影圖的基于人體輪廓最小外接圓和最大內(nèi)切圓半徑之比的跌倒檢測方法示意圖，上圖為正常狀態(tài)，下圖為跌倒?fàn)顟B(tài)；
[0020]附圖4是本發(fā)明的工作流程圖。

【具體實(shí)施方式】
[0021]下面結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)說明。
[0022]據(jù)圖1所示，圖像采集裝置由一個(gè)裝有CXD相機(jī)的全向視覺系統(tǒng)和一個(gè)雙曲線折反射鏡組成，C⑶相機(jī)在下，雙曲線折反射鏡在上，將圖像采集裝置置于天花板上，這樣就能幾乎無死角的采集整個(gè)場景的圖像。因?yàn)殡p曲線鏡頭滿足單視點(diǎn)約束，所以采集到的全向圖像可以進(jìn)行柱面投影展開獲取柱面投影圖像。柱面投影圖的視角如圖2所示。由于柱面投影圖像對以圖像采集裝置為圓心的徑向的跌倒姿勢無法較好的判斷跌倒，系統(tǒng)將把采集得到的原始圖像分別展開成柱面投影圖和透視投影圖，利用不同的方法進(jìn)行跌倒識別，如果其中一種投影圖識別出跌倒行為，系統(tǒng)即發(fā)出跌倒警報(bào)。透視投影圖的視角如圖3所示。
[0023]本發(fā)明的基于全向視覺的人體跌倒識別方法，如圖4所示，具體實(shí)現(xiàn)步驟如下:
[0024](I)當(dāng)系統(tǒng)工作時(shí)，首先由全向視覺系統(tǒng)采集圖像，將圖像傳送至計(jì)算機(jī)服務(wù)器，系統(tǒng)以I幀/秒的采樣頻率處理圖像，系統(tǒng)將原始圖像分別展開為柱面投影圖和透視投影圖，并分別進(jìn)行高斯濾波；
[0025](2)對展開后的柱面投影圖和透視投影圖，分別利用前30秒鐘的圖像訓(xùn)練一個(gè)基本的背景模型，使用之前訓(xùn)練好的模型將前景從背景中分割出來，之后定期更新學(xué)習(xí)的背景像素；
[0026](3)將前景的二值圖像輪廓從背景中分割出來后，利用形態(tài)學(xué)開操作將小的噪聲消除，再用閉操作重建邊緣部分；
[0027](4)接下來將分別對柱面投影圖和透視投影圖進(jìn)行處理。對柱面投影圖，運(yùn)用連通區(qū)域標(biāo)記技術(shù)來標(biāo)注每個(gè)連續(xù)的物體并得到它的面積，通過人體面積的最小值Sa來排除非人體的噪聲，即將面積小于Sa的物體的灰度值置O。同樣，通過另一個(gè)人體面積的最小值Sb對透視投影圖進(jìn)行相同方法處理；
[0028](5)對柱面投影圖，計(jì)算出去除噪聲之后得到的人體輪廓的寬W和高H，得出人體輪廓的寬高比K = W/H，通過人在正常狀態(tài)下和跌倒時(shí)的不同的寬高比，如圖2所示，來分析人是否跌倒；
[0029]對柱面投影圖，當(dāng)檢測到寬高比K大于設(shè)定的閾值Ta時(shí)，就讀取此幀之前第8秒鐘至第3秒鐘的6個(gè)圖像幀和此幀之后的第5秒鐘至第10秒鐘的6個(gè)圖像幀中檢測到的12個(gè)寬高比K，如果前6個(gè)圖像幀中的寬高比K都小于I而后6個(gè)圖像幀中的寬高比K都大于I并且大于閾值Ta時(shí)，那么就判定是發(fā)生了跌倒事故，將Fa置為TRUE ；
[0030](6)對透視投影圖，計(jì)算出去除噪聲之后得到的人體輪廓的最大內(nèi)切圓半徑Ri和最小外接圓半徑R。，得出人體輪廓的最小外接圓和最大內(nèi)切圓半徑之比P = RcZRi,通過人在正常狀態(tài)下和跌倒時(shí)的不同的外接圓內(nèi)切圓半徑之比P，如圖3所示，來分析人是否跌倒；
[0031]對透視投影圖，當(dāng)檢測到P大于設(shè)定的上限閾值Tb2時(shí)，就讀取此幀之前第8秒鐘至第3秒鐘的6個(gè)圖像幀和此幀之后的第5秒鐘至第10秒鐘的6個(gè)圖像幀中檢測到的12個(gè)P，如果前6個(gè)圖像幀中的P都小于設(shè)定的下限閾值Tbl而后6個(gè)圖像幀中的P都大于上限閾值Tb2時(shí)，那么就判定是發(fā)生了跌倒事故，將Fb置為TRUE ；
[0032](7)只要Fa或Fb其中之一為TRUE，系統(tǒng)即發(fā)出跌倒警報(bào)，向值班室的計(jì)算機(jī)發(fā)送可疑畫面并向手機(jī)發(fā)送短信息通知護(hù)理人員處理。
[0033]在上述步驟7中,所述人體輪廓的最小外接圓半徑R。和最大內(nèi)切圓半徑Ri的計(jì)算方法如下:
[0034]首先，預(yù)先選取初始圓心O的位置:先尋找到人體輪廓的上端點(diǎn)(Xl，Y1)和下端點(diǎn)(x2, y2)，在這兩點(diǎn)之間以(y2-yi)/n為間距，水平地畫出η-1條直線將輪廓?jiǎng)澐殖搔欠?，將直線與輪廓的交點(diǎn)以及上端點(diǎn)和下端點(diǎn)作為采樣點(diǎn)取出；同樣，尋找到人體輪廓的左端點(diǎn)(x3, y4)和右端點(diǎn)(x4, y4)，在這兩點(diǎn)之間以(x4-x3)/m為間距,豎直地畫出m-Ι條直線將輪廓?jiǎng)澐殖蒻份，將直線與輪廓的交點(diǎn)以及左端點(diǎn)和右端點(diǎn)作為采樣點(diǎn)取出。將這些采樣點(diǎn)的橫坐標(biāo)與縱坐標(biāo)分別求算術(shù)平均值，得出坐標(biāo)點(diǎn)0(x，y)，作為初始圓心。通過這種方法選取的初始圓心的位置與最小外接圓的圓心較為接近，只需在初始圓心O附近搜索即可快速地找到最小外接圓的圓心。
[0035]求所述人體輪廓的最小外接圓半徑R。的算法:從初始圓心O開始，尋找輪廓上的各個(gè)像素點(diǎn)到O的最大距離，即為此輪廓外接圓的半徑，但未必是最小外接圓的半徑；以O(shè)為中心，在其周圍移動圓心位置，重復(fù)該步驟計(jì)算外接圓半徑，直至計(jì)算出的外接圓半徑明顯大于初始圓心O附近的外接圓半徑時(shí)，停止搜索，找出這些外接圓半徑中的最小值，即為最小外接圓半徑R。。
[0036]求所述人體輪廓的最大內(nèi)切圓半徑Ri的算法:仍從初始圓心O開始，尋找輪廓上的各個(gè)像素點(diǎn)到O的最小距離，即為此輪廓內(nèi)切圓的半徑，但未必是最大內(nèi)切圓的半徑；以O(shè)為中心，在其周圍移動圓心位置，重復(fù)該步驟計(jì)算內(nèi)切圓半徑，直至計(jì)算出的內(nèi)切圓半徑明顯小于初始圓心O附近的內(nèi)切圓半徑時(shí)，停止搜索，找出這些內(nèi)切圓半徑中的最大值，SP為最大內(nèi)切圓半徑Ri。
【權(quán)利要求】
1.一種基于全向視覺的人體跌倒識別方法，其特征在于:該方法內(nèi)容包括如下步驟: (1)將全向視覺系統(tǒng)采集的圖像傳送至計(jì)算機(jī)服務(wù)器進(jìn)行處理；系統(tǒng)以I幀/秒的采樣頻率處理圖像，系統(tǒng)將原始圖像分別展開為柱面投影圖和透視投影圖，并分別進(jìn)行高斯濾波； (2)對展開后的柱面投影圖和透視投影圖，分別利用前30秒鐘的圖像訓(xùn)練一個(gè)之后可定期更新的基本的背景模型，使用這個(gè)模型將前景從背景中分割出來； (3)將前景的二值圖像輪廓從背景中分割出來后，利用形態(tài)學(xué)開操作將小的噪聲消除，再用閉操作重建邊緣部分； (4)對柱面投影圖和透視投影圖分別進(jìn)行處理；對柱面投影圖，運(yùn)用連通區(qū)域標(biāo)記技術(shù)來標(biāo)注每個(gè)連續(xù)的物體并得到它的面積，通過人體面積的最小值Sa來排除非人體的噪聲；同樣，通過另一個(gè)人體面積的最小值Sb對透視投影圖進(jìn)行相同方法處理； (5)對柱面投影圖，計(jì)算出去除噪聲之后得到的人體輪廓的寬W和高H，得出人體輪廓的寬高比K = W/H，通過人在正常狀態(tài)下和跌倒時(shí)的不同的寬高比，來分析人是否跌倒；當(dāng)檢測到寬高比K大于設(shè)定的閾值Ta時(shí)，就讀取此幀之前第8秒鐘至第3秒鐘的6個(gè)圖像幀和此幀之后的第5秒鐘至第10秒鐘的6個(gè)圖像幀中檢測到的12個(gè)寬高比K，如果前6個(gè)圖像幀中的寬高比K都小于I而后6個(gè)圖像幀中的寬高比K都大于I并且大于閾值Ta時(shí)，那么就判定是發(fā)生了跌倒事故，將Fa置為TRUE ； (6)對透視投影圖，計(jì)算出去除噪聲之后得到的人體輪廓的最大內(nèi)切圓半徑Ri和最小外接圓半徑R。，得出人體輪廓的最小外接圓和最大內(nèi)切圓半徑之比P = RcZRi,通過人在正常狀態(tài)下和跌倒時(shí)的不同的外接圓內(nèi)切圓半徑之比P，來分析人是否跌倒；當(dāng)檢測到P大于設(shè)定的上限閾值Tb2時(shí)，就讀取此幀之前第8秒鐘至第3秒鐘的6個(gè)圖像幀和此幀之后的第5秒鐘至第10秒鐘的6個(gè)圖像幀中檢測到的12個(gè)P，如果前6個(gè)圖像幀中的P都小于設(shè)定的下限閾值Tbl而后6個(gè)圖像幀中的P都大于上限閾值Tb2時(shí)，那么就判定是發(fā)生了跌倒事故，將Fb置為TRUE ； (7)只要Fa或Fb其中之一為TRUE，系統(tǒng)即發(fā)出跌倒警報(bào)，向值班室的計(jì)算機(jī)發(fā)送可疑畫面并向手機(jī)發(fā)送短信息通知護(hù)理人員處理。
2.根據(jù)權(quán)利要求1所述的一種基于全向視覺的人體跌倒識別方法，其特征在于:所述人體輪廓的最小外接圓半徑R。的算法是:從初始圓心O開始，尋找輪廓上的各個(gè)像素點(diǎn)到O的最大距離，即為此輪廓外接圓的半徑，但未必是最小外接圓的半徑；以O(shè)為中心，在其周圍移動圓心位置，重復(fù)該步驟計(jì)算外接圓半徑，直至計(jì)算出的外接圓半徑明顯大于初始圓心O附近的外接圓半徑時(shí)，停止搜索，找出這些外接圓半徑中的最小值，即為最小外接圓半徑Rc。
3.根據(jù)權(quán)利要求1所述的一種基于全向視覺的人體跌倒識別方法，其特征在于:所述人體輪廓的最大內(nèi)切圓半徑Ri的算法是:從初始圓心O開始，尋找輪廓上的各個(gè)像素點(diǎn)到O的最小距離，即為此輪廓內(nèi)切圓的半徑，但未必是最大內(nèi)切圓的半徑；以O(shè)為中心,在其周圍移動圓心位置，重復(fù)該步驟計(jì)算內(nèi)切圓半徑，直至計(jì)算出的內(nèi)切圓半徑明顯小于初始圓心O附近的內(nèi)切圓半徑時(shí)，停止搜索，找出這些內(nèi)切圓半徑中的最大值，即為最大內(nèi)切圓半徑Ri。
【文檔編號】G08B21/02GK104392201SQ201410508093
【公開日】2015年3月4日 申請日期:2014年9月28日 優(yōu)先權(quán)日:2014年9月28日
【發(fā)明者】蘇連成, 蔣晟 申請人:燕山大學(xué)