买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京中拓新源科技有限公司

摘要：本发明公开一种基于深度学习技术从视频中判别人体意外摔倒的方法及装置。该方法利用深度学习模型提取人体的关键骨骼点，确定关键特征点在三维坐标系中的坐标，输出N*m*3矩阵，从每秒视频数据中抽取前后连续的k帧数据组成新矩阵N*k*m*3，计算新矩阵中每个人体的肩、肘、头、躯干以及膝的关键特征点的趋势向量以及相对位移，确定新矩阵中每个人体的躯干的中心点的坐标，计算新矩阵中每个人体的肩、肘、头以及膝的关键特征点相对于躯干的中心点的角动量偏移，计算角动量的加速度，判断新矩阵中每个人体是否符合预设的跌倒判定条件，如果符合则输出判定结果为人体产生跌倒，可以准确判断意外跌倒，不会将一般体育运动、表演等动作误判为人体跌倒。

主权项：1.一种基于深度学习从视频中判别人体意外摔倒的方法，其特征在于，包括：获取包含人体的视频数据；利用深度学习模型提取人体的关键骨骼点，所述关键骨骼点至少包括肩、肘、头、躯干以及膝，其中，肩包括两个关键特征点，肘包括两个关键特征点，头包括一个关键特征点，躯干包括四个关键特征点，膝包括两个关键特征点；引入三维坐标系，确定所述关键特征点在三维坐标系中的坐标，输出N*m*3矩阵，其中，N是人体的数量，m是关键特征点的数量，3是三维坐标系的坐标轴数量；从每秒所述视频数据中抽取前后连续的k帧数据；利用所述前后连续的k帧数据组成新矩阵N*k*m*3，其中，N是人体的数量，k是帧数，m是关键特征点的数量，3是三维坐标系的坐标轴数量；计算所述新矩阵中每个人体的肩、肘、头、躯干以及膝的关键特征点的趋势向量；计算所述新矩阵中每个人体的肩、肘、头、躯干以及膝的关键特征点的相对位移；确定所述新矩阵中每个人体的躯干的中心点的坐标；计算所述新矩阵中每个人体的肩、肘、头以及膝的关键特征点相对于躯干的中心点的角动量偏移；根据帧数k换算出对应的视频时间长度，并根据所述角动量偏移和视频时间长度计算角动量的加速度；判断所述新矩阵中每个人体是否符合预设的跌倒判定条件，其中，所述跌倒判定条件为同时满足以下条件：肩、肘、头以及膝的关键特征点的角动量的加速度大于第一阈值，肘、膝的关键特征点的趋势向量与躯干的关键特征点的趋势向量的差值大于第二阈值，头的关键特征点的相对位移大于躯干中心点的相对位移；如果人体符合预设的跌倒判定条件，输出判定结果为所述人体产生跌倒。

全文数据：

权利要求：

百度查询： 北京中拓新源科技有限公司 基于深度学习从视频中判别人体意外摔倒的方法及装置