技术摘要：
本发明公开了一种基于人体姿态估计的摔倒检测方法，属于人工智能技术领域，该方法利用开源的姿态估计检测算法对摄像头中出现的人进行姿态估计，然后进一步从检测算法的结果中找出标记人的胸部、双胯部、两膝关节和两踝关节七处坐标；利用相应身体部位点与关节坐标点的  全部
背景技术：
人体姿态估计是计算机视觉中的一个比较基础的问题。从名字的理解来看，人体 姿态估计技术是对人体的关键部位，比如头，左手，右脚等未知的估计。常见的人体姿态估 计可以被细分成四个任务： 单人姿态估计(Single-Person  Skeleton  Estimation) 多人姿态估计(Multi-Person  Pose  Estimation) 人体姿态跟踪(Video  Pose  Tracking) 3D人体姿态估计(3D  Skeleton  Estimation) 在智能视频监控技术领域中，会涉及到对于行人摔倒的检测，在监控场景中，及时 发现行人的摔倒并提醒相关工作人员处理能够有效减轻行人的意外摔倒带来的后果，也能 够提高相关场所，如商场、地铁，中的服务质量，更好地保护行人的出行安全，最大程度地降 低突发事件所带来的危害。目前，人体姿态估计被初步应用于该领域，解决智能监控中行人 的摔倒检测的问题，但计算较为复杂，成本较高。
技术实现要素：
本发明的技术任务是针对以上不足之处，提供一种基于人体姿态估计的摔倒检测 方法，可以应用于公共场景中，能够及时有效的通过监控摄像头发现意外摔倒、跌倒等情 况。 本发明解决其技术问题所采用的技术方案是： 一种基于人体姿态估计的摔倒检测方法，该方法利用开源的姿态估计检测算法对 摄像头中出现的人进行姿态估计， 然后进一步从检测算法的结果中找出标记人的胸部、双胯部、两膝关节和两踝关 节七处坐标； 利用相应身体部位点与关节坐标点的连线代表人的躯干及腿； 通过分析躯干及腿在图中的斜率信息进行人体是否摔倒的判定。 经过大量跌倒过程数据的分析与实验，我们发现当人在发生跌倒的过程中，腿与 上半身躯干部分即胸部到双胯部的躯干在图像中的斜率将发生急剧的衰减。为了可以在各 种不同、复杂场景中进行应用，选择可进行多人姿态估计的开源算法。 优选的，通过开源算法获取18个人体关键点，包括头部五个点、胸部一点、双臂各 三点、左右胯各一点、左右膝关节各一点、以及左右踝关节各一点； 从所述18个人体关键点中提取胸部一点、双胯部两点、双膝部两点和双脚踝两点 共七点； 4 CN 111582158 A 说　明　书 2/5 页 胸部一点与双胯部两点的连线代表躯干，双胯部两点与双膝部两点的连线代表大 腿，双膝部两点与双脚踝两点的连线代表小腿；通过分析所述连线的斜率进行人体是否摔 倒的判定。 优选的，所述判定人体是否摔倒的斜率为代表躯干的连线的斜率和代表小腿的连 线的斜率。研究实验证明人的跌倒过程中小腿的斜率及上半身躯干部分的斜率衰减的比较 明显，以代表躯干的连线的斜率和代表小腿的连线的斜率为判断依据对于人摔倒的判断更 加准确。 具体的，该方法的实现方式如下： S1：使用一种常用的人体姿态估计开源框架； S2：获取人体姿态估计的检测结果，并从结果中提取胸部、两胯部、两膝关节及两 踝关节的对应坐标； S3：将胸部坐标与任意胯部坐标的连线代表躯干，将两膝关节坐标与踝关节坐标 对应相连代表小腿； S4：分别计算躯干斜率和小腿斜率； S5：若任一条躯干斜率和任一条小腿斜率小于阈值则判定为摔倒，同时屏幕中发 出警告。 优选的，所述开源框架采用OpenPose。OpenPose中包含了对人脸关键点的定位，人 手的关键点的定位以及人身体的各个关节的定位，采用开源的OpenPose方法结果总共输出 18个人体关键点，包含头部五个点、胸部一点、双臂各三点、左右胯各一点、左右膝关节各一 点、以及左右踝关节各一点。 OpenPose的主要预测流程包含五部分：输入图像、预测关键点置信度、预测关键点 亲和度向量、关键点聚类和骨架组装。 优选的，使用基于OpenPose简化之后的轻量级人体姿态估计方法，使用Pytorch框 架，由于本方法是应用于监控视频流的实时监测，因此利用Python的OpenCV模块读取监控 摄像头的实时视频流，并将每一帧进行预处理后作为输入传入人体姿态估计模型，并获得 输出图像。 具体的，所述斜率的计算方式为连线上端点坐标为起始点、下端点为终点方向计 算，即下端点的Y轴坐标减去上端点的Y轴坐标除以下端点的X轴坐标减去上端点的X轴坐 标，以此计算得到躯干及腿部连线的斜率。 优选的，设置上半身躯干的斜率阈值为1.3，小腿的斜率阈值为1.5；任一条上半身 躯干的斜率小于1.3且任一条小腿的斜率小于1.5时，则判定检测到的人发生了摔倒。 为了确保能够及时发现并检测到意外摔倒的情况，选择较大的斜率报警阈值。 进一步的，当人在发生跌倒时，小腿及上半身躯干的连线斜率会急剧变化，可见所 述斜率的变化速率也会对判断造成影响，因此根据实时计算的斜率，进一步计算斜率的变 化速率，设定斜率变化速率的阈值，当任一条上半身躯干的斜率小于设定阈值并且任一条 小腿的斜率小于设定阈值，且同时满足斜率的变化速率大于速率阈值时，判定检测到的人 发生了摔倒。 具体的，所述斜率变化速率的计算方式为指定时间的斜率变化量，即终点时间的 斜率减去起始时间的斜率除以指定时间段。 5 CN 111582158 A 说　明　书 3/5 页 通过设定时间，调取任一条上半身躯干的斜率小于设定阈值并且任一条小腿的斜 率小于设定阈值情况发生前特定时间段内的上半身躯干的斜率和小腿的斜率，判断斜率的 变化速率，所述特定时间段应不大于0.1秒。 本发明的一种基于人体姿态估计的摔倒检测方法与现有技术相比，具有以下有益 效果： 该方法通过利用开源的姿态估计检测算法，提取坐标信息，通过分析躯干和小腿 在图中的斜率信息进行人体是否摔倒的判定，简单高效，能够快速形成判断结果，有利于简 化程序，降低成本。 该方法可应用于公共场景中及时有效的通过监控摄像头发现意外摔倒、跌倒等情 况。 附图说明 图1是本发明的基于基于人体姿态估计的摔倒检测方法的流程图；