跌倒检测方法、装置、电子设备和计算机存储介质与流程

本公开涉及图像处理、智慧监控和智慧养老，特别是一种跌倒检测方法、装置、电子设备和计算机存储介质。

背景技术：

1、随着人口老龄化的加剧，跌倒已成为影响人类寿命的重要威胁。因此，开发一种高效、准确的跌倒检测系统对于预防老年人跌倒、及时提供援助具有重要意义。此外，考虑到人工护理成本较高，且跌倒事件可能在各种环境中发生，自动化的跌倒检测系统可以作为一种有效的辅助工具，减轻护理人员的工作负担，提高护理效率。

2、基于深度学习的跌倒检测技术主要利用计算机视觉和深度学习算法来分析视频流或图像，实现对跌倒事件的实时检测。这些技术通常采用高效的目标检测算法，如yolo（you only look once，只看一次）系列，通过分析人体姿态和运动模式来识别跌倒行为。这些系统能够应用于多种场景，包括老年人家庭监控、医院病房监控以及公共场所监控，以预防和及时响应跌倒事件。

技术实现思路

1、本公开的一个目的在于提高跌倒检测的精度和准确性。

2、根据本公开的一些实施例的一个方面，提出一种跌倒检测方法，包括：通过对图像的旋转和卷积处理，获取图像中不同朝向的特征；根据不同朝向的特征，获取目标特征图；根据目标特征图确定图像特征；根据所述图像特征确定发生跌倒事件。

3、在一些实施例中，根据特征获取目标特征图包括：根据不同朝向的特征，通过线性卷积获取目标特征图。

4、在一些实施例中，根据不同朝向的特征，获取目标特征图包括：根据不同朝向的特征，通过线性卷积获取第一特征图；根据不同朝向的特征，通过非线性卷积获取第二特征图；合并第一特征图和第二特征图，并通过线性卷积处理，获取目标特征图。

5、在一些实施例中，根据目标特征图确定图像特征包括：调整特征图中区域的权重，获取图像特征。

6、在一些实施例中，调整特征图中区域的权重，获取图像特征包括：采用通道注意力和空间注意力机制同步处理特征图，确定特征图中区域的权重；根据权重和特征图确定图像特征。

7、在一些实施例中，目标特征图的特征尺寸的数量大于1。

8、在一些实施例中，根据目标特征图确定图像特征包括：分别处理不同特征尺寸的图像特征图，获取对应尺寸的图像特征。

9、在一些实施例中，所述根据所述图像特征确定发生跌倒事件包括：根据所述图像特征确定预测边框；根据所述预测边框的变化情况确定发生跌倒事件。

10、在一些实施例中，该方法还包括：在当前帧图像中未检测出属于目标类别物体的预测边框的情况下，根据历史图像中的预测边框位置，确定当前帧图像的预测边框。

11、在一些实施例中，所述根据所述预测边框的变化情况确定发生跌倒事件包括：根据相邻帧图像的预测边框的比例、宽度、高度中至少一项特征的变化情况，确定目标类别物体的状态变化情况。

12、在一些实施例中，根据图像提取预测边框为基于yolov8模型实现。

13、根据本公开的一些实施例的一个方面，提出一种图像特征提取装置，包括：旋转卷积模块，被配置为通过对图像的旋转和卷积处理，获取图像中不同朝向的特征；特征图获取模块，被配置为根据不同朝向的特征，获取目标特征图；特征确定模块，被配置为根据目标特征图确定图像特征；跌倒事件确定单元，被配置为根据所述图像特征确定发生跌倒事件。

14、在一些实施例中，跌倒检测装置运行有基于yolov8模型的图像特征提取模型。

15、在一些实施例中，装置符合以下至少一项：旋转卷积模型为yolov8模型的卷积模块；特征图获取模块为yolov8模型的主干；特征确定模块位于yolov8模型的头部。

16、根据本公开的一些实施例的一个方面，提出一种图像特征提取装置，包括：存储器；以及耦接至存储器的处理器，处理器被配置为基于存储在存储器的指令执行上文中提到的任意一种方法。

17、根据本公开的一些实施例的一个方面，提出一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现上文中提到的任意一种方法。

18、根据本公开的一些实施例的一个方面，提出一种计算机程序产品，包括计算机程序或指令，计算机程序或指令被处理器执行时实现上文中提到的任意一种方法。

19、根据本公开的一些实施例的一个方面，提出一种电子设备，包括：上文中提到的跌倒检测装置；和告警装置，被配置为在跌倒检测装置确定发生跌倒事件的情况下，发出告警。

1.一种跌倒检测方法，包括：

2.根据权利要求1所述的跌倒检测方法，其中，所述根据所述特征获取目标特征图包括：根据所述不同朝向的特征，通过线性卷积获取所述目标特征图。

3.根据权利要求1所述的跌倒检测方法，其中，所述根据所述不同朝向的特征，获取目标特征图包括：

4.根据权利要求1所述的跌倒检测方法，其中，所述根据所述目标特征图确定图像特征包括：调整所述特征图中区域的权重，获取图像特征。

5.根据权利要求4所述的跌倒检测方法，其中，所述调整所述特征图中区域的权重，获取图像特征包括：

6.根据权利要求1所述的跌倒检测方法，其中，所述目标特征图的特征尺寸的数量大于1。

7.根据权利要求6所述的跌倒检测方法，其中，所述根据所述目标特征图确定图像特征包括：

8.根据权利要求1所述的图像特征提取方法，其中，所述根据所述图像特征确定发生跌倒事件包括：

9.根据权利要求1或8所述的跌倒检测方法，还包括：

10.根据权利要求8所述的跌倒检测方法，其中，所述根据所述预测边框的变化情况确定发生跌倒事件包括：

11.根据权利要求1~8任意一项所述的跌倒检测方法，其中，根据图像提取预测边框为基于yolov8模型实现。

12.一种跌倒检测装置，包括：

13.根据权利要求12所述的跌倒检测装置，其中，所述跌倒检测装置运行有基于yolov8模型的图像特征提取模型。

14.根据权利要求13所述的跌倒检测装置，其中，所述装置符合以下至少一项：

15.一种跌倒检测装置，包括：

16.一种非瞬时性计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现权利要求1至11任意一项所述的方法。

17.一种计算机程序产品，包括计算机程序或指令，所述计算机程序或指令被处理器执行时实现权利要求1至11任意一项所述的方法。

18.一种电子设备，包括：