计算机视觉摔跤检测技术研究

前言：想要写出一篇引人入胜的文章？我们特意为您整理了计算机视觉摔跤检测技术研究范文，希望能给你带来灵感和参考，敬请阅读。

摘要：计算机视觉在生活中的应用越来越广泛，是一门研究如何使机器“看”的科学。它是用摄影机或者电脑的摄像头向目标进行识别、精准测量和实时跟踪，再对检测到的图片进行图形处理。本研究采用计算机视觉RGB-D深度图像技术，实时监控人体骨架信息，针对摔跤过程骨架变化数据进行分析，通过对人体骨架节点的质心和肩膀中心进行划分、获取、检测和分析，构建上身躯干运动模型。计算上身角度和质心高度，当上身角度在某时间内变化率和质心高度变化率均高于指定阈值，当前行为即可被判断为摔跤，当检测到摔跤后立即触发报警。

关键词：计算机视觉；RGB-D；摔跤检测；骨架信息

引言

摔跤虽然是生活中很少发生的事故，但是摔跤所带来的伤害是不可忽略的。对于孩子来说，骨骼未发育完全，摔跤所带来的伤害可能会影响一生；对于老年人而言，摔跤带来的伤害很难痊愈。然而，摔跤这一行为不可预防，随时可能发生，不能预防不是代表任由摔跤事件发生，当摔跤发生后很多人因为没有及时的救治导致病情严重或者无法救治。因此检测摔跤是十分重要的，检测到摔跤行为触发报警和联系家人，非常适合于独居老人生活现状，摔跤检测可以保障独居老人的安全。因此，如何准确检测出摔跤非常重要。本研究是通过对人体摔跤过程中人体骨架信息的变化规律，采用基于计算机视觉的RGB—D技术，实时检测人体是否摔跤。当前检测摔跤的方法有环境检测方法、可穿戴设备方法和计算机视觉方法。环境检测方法是将设备收集到的声音或者震动等方法来判断是否发生摔跤行为[1-2]。但是环境是不可控的，当周围环境声音过大会使检测结果存在很大的误差，或者摔跤时造成的声音不大时，会导致检测不到摔跤。并且使用环境设备时需对环境进行部署。可穿戴设备是要将设备佩戴身上，仪器实时监控身体进行数据的采集、数据的预处理、特征的提取等等。苹果公司AppleWatch摔倒检测功能[3]，检测到摔跤时就会拨打急救电话。计算机视觉检测方法是通过分析视频流来判断是否摔跤[4]。弥补和改善了以上两种方法的缺陷，不需要随身佩戴，只要在监控的范围内就能检测是否摔跤。

1基本原理

为了检测出人体骨架，本文采用3D体感摄影机-Kinect传感器，可以即时动态捕捉、影像辨识，因此用来跟踪人体骨架20个关节点。对于大部分人来说，身体的高矮胖瘦是不一致的，采用外观的标准来判断摔跤显然存在很大的误差。本文采用提取人体骨架的模式识别来判断人体行为，弥补了检测人体外观行为带来的误差。当人体站立的时候，Kinect传感器会跟踪人体骨架的20个关节点，坐立时可以跟踪10个关节点。嵌入式程序可以使Kinect估计未跟踪的关节。本文采用计算机视觉RGB-D深度图像技术检测出骨架与地面的距离，RGB-D是一副带有色彩的深度图像，该图像记录与视点的场景对象的表面的距离相关信息。该技术可以测量出目标人体骨架与地面距离信息，对于测量到的数据进行处理和分析。在本文的研究中，需要测量上身角的变化率。因为重力线无论如何都垂直于地面，所以和y轴平行的线就可以作为重力线，重力线上的矢量都是可以由两个点组成，称作本文的重力矢量。肩部中心和髋部中心组成的线是计算上身角度的关键，称为躯干线，本文采用躯干线与重力线形成上身角。根据稳定性测试极限（LOST）中结果显示，成年人可以保持在与身体左/右倾斜不超过16度，前倾/后退不超过12.5度并且平衡[5]，本研究从上身角度为13度开始，超过13度之后，上身角度变化率就会被记录。因为人体会有下蹲或者躺下的动作，所以质心高度也作为模型的重要变量。因为只需测量出人体下降的速度，所以采用髋关节中心关节作为本文人的大概质心。因此质心高度是从人的大概质心点向下到地面的距离。人体摔跤时，身体会失去平衡，上身角度变化率和质心高度变化率会发生迅速的变化，当上身角度的变化率高于阈值，逐帧记录上身角度变化率和质心高度变化率，当这两个变化率都超过上身躯干运动模型定义的阈值，即可被断定为摔跤，并触发警报。

2存在的问题及缺陷

2.1范围局限问题

Kinect传感器不能像摄像头一样转动，所以检测范围有限，检测目标只能在安装设备的范围内监控，若有其它人体活动离开该设备，人体发生摔跤时检测不到摔跤，该缺陷使得使用设备的人体活动范围受到了限制，若人体运动范围广，则需要多安装几台设备。

2.2多人检测存在误差

检测范围内若出现多人时，不能精准检测摔跤的发生，该缺陷使得适用人群变成独居老人，不适用于多人出现的范围。

2.3光线问题

本仪器检测时需要较为光亮的条件，当晚上室内不开灯或临近傍晚光线暗的情况，则该设备不能提取人体骨架，获取不到骨架信息，不能精准检测摔跤。

3发展现状

随着计算机视觉技术的发展，计算机视觉运用于视频监控随之变多。更多的研究使用计算机视觉检测摔跤，如通过分割运动场景，根据前景的长宽比、有效面积比和轮廓面积等特征来判断摔跤[6]，或使用人体多质心偏移向量运动特征及其提取方法来判断摔跤[7]。

4发展趋势

信息化社会的到来，计算机视觉使用的应用场景更加地广泛，如医疗、军事、工业、自主车等等。基于计算机视觉的摔跤检测技术研究越来越多，使得摔跤检测方法逐渐增多，也让计算机视觉摔跤检测技术变得更加成熟。老年人经常有骨质疏松的问题，跌倒后易致髋部、脊柱骨折，由此活动受限，该技术适用于独居老人。我国在20世纪70年代以来全面推行计划生育，许多家庭只有一个孩子，使得21世纪前期人口老龄化的问题日益严重，家庭里的孩子去工作，独居老人的比例逐渐增多。本研究的使用，可在一定程度上保障老人的安全，具有良好前景。

5总结

本研究旨在应用计算机视觉技术解决现实生活中的典型问题。该设备通过实时监测人体上身角度的变化率和质心高度变化率检测是否摔跤状态，与传统随身佩戴设备相比，更加便利于人体行动。

参考文献：

[3]王孟孟，曾凡桂.基于应用场景的智能手表应用交互设计研究：以AppleWatch为例[J].艺术与设计(理论)，2019，2(8)：98-100.

[6]卢耿霞.基于计算机视觉的室内跌倒检测[D].广州：广东工业大学，2015.

[7]杜井龙.基于计算机视觉的室内跌倒检测研究[D].重庆：重庆大学，2016.

作者：饶雯 卢伟 何水清 单位：江西科技学院