一種跌倒檢測方法及裝置的制造方法
【技術領域】
[0001]本申請涉及計算機視覺技術領域，尤其涉及一種跌倒檢測方法及裝置。
【背景技術】
[0002]目前，對于人的跌倒檢測主要是基于便攜式的傳感器，如佩戴在身上的胸針，來檢測是否跌倒。
[0003]采用這種方法，需要待檢測的人隨身攜帶傳感器，且當需要檢測多個人時則需要預先在這些人身上安裝傳感器，擴展性、通用性均不強。
[0004]現有技術不足在于:
[0005]現有的跌倒檢測方法需要預先在待檢測對象身上安裝傳感器，實施起來較為麻煩且通用性不強。
【發明內容】
[0006]本申請實施例提出了一種跌倒檢測方法及裝置，以解決現有技術中跌倒檢測方法需要預先在待檢測對象身上安裝傳感器，實施起來較為麻煩且通用性不強的技術問題。
[0007]本申請實施例提供了一種跌倒檢測方法，包括如下步驟:
[0008]獲取待檢測對象在三維場景中的軌跡，所述軌跡為所述待檢測對象若干時刻的三維坐標的集合，所述三維坐標為以地面為xoy平面、以垂直地面向上為ζ軸的三維坐標系中的坐標；
[0009]對時間窗口為預設第一閾值的區間內的軌跡進行高通濾波；
[0010]如果濾波后得到高頻響應，初步確定所述待檢測對象跌倒。
[0011]本申請實施例提供了一種跌倒檢測裝置，包括:
[0012]獲取模塊，用于獲取待檢測對象在三維場景中的軌跡，所述軌跡為所述待檢測對象若干時刻的三維坐標的集合，所述三維坐標為以地面為xoy平面、以垂直地面向上為ζ軸的三維坐標系中的坐標；
[0013]濾波模塊，用于對時間窗口為預設第一閾值的區間內的軌跡進行高通濾波；
[0014]第一確定模塊，用于如果濾波后得到高頻響應，初步確定所述待檢測對象跌倒。
[0015]有益效果如下:
[0016]本申請實施例所提供的跌倒檢測方法及裝置，首先獲取待檢測對象在二維場景中的軌跡，通過對時間窗口為預設第一閾值的區間內的軌跡進行高通濾波，根據濾波結果判斷所述待檢測對象是否跌倒，如果濾波后得到高頻響應，則初步確定所述待檢測對象跌倒。由于本申請實施例只需要獲取到三維場景中待檢測對象的軌跡，通過對軌跡濾波即可檢測出待檢測對象是否跌倒，無需待檢測對象預先攜帶或安裝任何傳感器，使得跌倒檢測的實施更加方便，通用性較強。
[0017]本申請實施例提供了一種跌倒檢測方法，包括如下步驟:
[0018]獲取當前時刻三維場景中像素點的三維坐標，所述三維坐標為以地面為xoy平面、以垂直地面向上為Z軸的三維坐標系中的坐標；
[0019]根據所述像素點的三維坐標生成高度圖，所述高度圖為具有高度值的像素點在xoy平面投影的圖像；
[0020]對所述高度圖進行斑點blob檢測，計算blob的形狀數據；
[0021]根據所述blob的形狀數據，初步確定所述blob對應的待檢測對象是否跌倒。
[0022]本申請實施例提供了一種跌倒檢測裝置，包括:
[0023]坐標獲取單元，用于獲取當前時刻三維場景中像素點的三維坐標，所述三維坐標為以地面為xoy平面、以垂直地面向上為ζ軸的三維坐標系中的坐標；
[0024]高度圖生成單元，用于根據所述像素點的三維坐標生成高度圖，所述高度圖為具有高度值的像素點在xoy平面投影的圖像；
[0025]檢測單元，用于對所述高度圖進行斑點blob檢測；
[0026]計算單元，用于計算所述blob的形狀數據；
[0027]第一確定單元，用于根據所述blob的形狀數據，初步確定所述blob對應的待檢測對象是否跌倒。
[0028]有益效果如下:
[0029]本申請實施例所提供的跌倒檢測方法及裝置，獲取當前時刻三維場景中每個像素點的三維坐標，根據所述三維坐標生成高度圖，并對高度圖進行blob檢測，計算blob的形狀數據，根據所述blob的形狀數據，初步確定所述blob對應的待檢測對象是否跌倒。由于本申請實施例只需要獲取當前場景中像素點的坐標，通過計算即可檢測出待檢測對象是否跌倒，無需待檢測對象預先攜帶或安裝任何傳感器，使得跌倒檢測的實施更加方便，通用性更強。
【附圖說明】
[0030]下面將參照附圖描述本申請的具體實施例，其中:
[0031]圖1示出了本申請實施例中跌倒檢測方法實施的流程示意圖；
[0032]圖2示出了本申請實施例中跌倒檢測方法實施的流程示意圖；
[0033]圖3示出了本申請實施例中安裝有RGBD傳感器的三維場景示意圖；
[0034]圖4示出了本申請實施例中轉換為xoy平面坐標系后的場景示意圖；
[0035]圖5示出了本申請實施例中跌倒檢測裝置的結構示意圖；
[0036]圖6示出了本申請實施例中跌倒檢測裝置的結構示意圖。
【具體實施方式】
[0037]為了使本申請的技術方案及優點更加清楚明白，以下結合附圖對本申請的示例性實施例進行進一步詳細的說明，顯然，所描述的實施例僅是本申請的一部分實施例，而不是所有實施例的窮舉。并且在不沖突的情況下，本說明中的實施例及實施例中的特征可以互相結合。
[0038]發明人在發明過程中注意到:
[0039]現有技術中還存在一種利用基于顏色的視頻分析技術來進行跌倒檢測的方法，但這種方式由于是基于顏色的視頻分析，因此準確度不高。
[0040]基于此，本申請實施例提出了一種跌倒檢測方法及裝置，充分利用RGBD傳感器獲得的顏色信息和深度信息進行跌倒檢測，下面進行說明。
[0041]圖1示出了本申請實施例跌倒檢測方法實施的流程示意圖，如圖所示，所述跌倒檢測方法可以包括如下步驟:
[0042]步驟101、獲取待檢測對象在三維場景中的軌跡，所述軌跡為所述待檢測對象若干時刻的三維坐標的集合，所述三維坐標為以地面為xoy平面、以垂直地面向上為ζ軸的三維坐標系中的坐標；
[0043]步驟102、對時間窗口為預設第一閾值的區間內的軌跡進行高通濾波；
[0044]步驟103、如果濾波后得到高頻響應，則初步確定所述待檢測對象跌倒。
[0045]在具體實施中，可以通過具有獲取三維場景信息功能的攝像頭/傳感器，如RGBD傳感器，來獲取待檢測對象在三維場景中的軌跡。其中，所述軌跡可以為所述待檢測對象的一系列三維坐標的集合，這些三維坐標可以為以地面為xoy平面、以垂直地面向上為ζ軸的三維坐標系中的坐標。
[0046]如果攝像頭/傳感器直接獲得的三維坐標為相機視角的坐標，則可以通過計算將每個像素點從相機視角的坐標轉換為以地面為xoy平面、以垂直地面向上為ζ軸的三維坐標系中的坐標，具體轉換過程可參考現有技術實施，本申請實施例對此不再贅述。
[0047]本申請實施例通過對待檢測對象的軌跡進行高通濾波，如果濾波后得到高頻響應，也即所述待檢測對象的高度(ζ軸)短時間內有明顯變化，來確定所述待檢測對象在這段時間區間內處于跌倒的過程中，從而初步確定所述待檢測對象跌倒。
[0048]實施中，在所述獲取待檢測對象在三維場景中的軌跡之前，所述方法可以進一步包括:
[0049]通過采集大量樣本進行機器學習，得到人的特征；
[0050]將所述待檢測對象與所述人的特征比對，確定所述待檢測對象為人。
[0051]本申請實施例可以在跌倒檢測之前，對人進行大量的機器學習，得到人的特征，在開始跌倒檢測時先判斷待檢測對象是否為人，如果是人，再進行后續檢測步驟，從而排除不需要檢測的對象，如桌子、沙發等，極大地降低跌倒檢測所需要的計算量。
[0052]實施中，在所述初步確定所述待檢測對象跌倒之后，所述方法可以進一步包括:
[0053]根據所述區間之后的所述待檢測對象的三維坐標生成高度圖，所述高度圖為具有高度值的像素點在地面投影的圖像；
[0054]計算所述待檢測對象在地面上的形狀數據；
[0055]根據所述待檢測對象在地面上的形狀數據，進一步確定所述待檢測對象是否跌倒。
[0056]具體實施中，可以獲取所述待檢測對象的所有時刻的三維坐標并生成高度圖進行后續計算，也可以只獲取所述時間區間的下一時刻或下一時間區間內所述待檢測對象的三維坐標來生成高度圖，后者的計算量比前者的計算量更小。本領域技術人員可以根據實際需要，在初步確定所述待檢測對象處于跌倒過程中(在所述時間區間內高度有突發變化)之后，選擇在下一時刻判斷所述待檢測對象是否處于跌倒后的狀態。
[0057]例如:在12:00-12:03這一時間區間內，所述待檢測對象的軌跡經濾波后有高頻響應，代表所述待檢測對象的高度有突發變化，認為在12:00-12:03這一區間內待檢測對象正處于跌倒過程中；接下來，在12:04這一時刻，獲取待檢測對象的三維坐標生成高度圖，計算所述待檢測對象在地面上的形狀數據，根據所述待檢測對象在地面上的形狀數據確定所述待檢測對象在12:04這一時刻是否處于跌倒后的狀態，