(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210226342.X (22)申请日 2022.03.09 (71)申请人 海纳云物联科技有限公司 地址 266103 山东省青岛市崂山区海尔路1 号海尔工业园 申请人 青岛海纳云智能系统有限公司 (72)发明人 陈斌　刘继超　金岩　甘琳　 (51)Int.Cl. G06V 40/10(2022.01) G06V 40/20(2022.01) G06V 10/80(2022.01) G06K 9/62(2022.01) G06V 10/40(2022.01) G06V 20/40(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种摔倒识别方法 (57)摘要 本发明属于计算机技术领域， 具体涉及一种 摔倒识别方法， 包括： 对待识别视频的每一帧图 像中的人进行检测， 得到人的图片； 提取所述人 的图片的静态特征和动态特征； 融合所述静态特 征和所述动态特征， 得到融合特征； 根据所述融 合特征， 得到识别结果。 该识别方法用于识别的 特征中融合另外静态特征和动态特征， 搭配 Transformer网络作为分类器， 能够提高识别精 度。 权利要求书1页 说明书5页 附图2页 CN 114724176 A 2022.07.08 CN 114724176 A 1.一种摔倒识别方法， 其特 征在于， 包括： 对待识别视频的每一帧图像中的人进行检测， 得到人的图片； 提取所述人的图片的静态特 征和动态特 征； 融合所述静态特 征和所述动态特 征， 得到融合特 征； 根据所述融合特 征， 得到识别结果。 2.根据权利要求1所述的摔倒识别方法， 其特征在于， 所述对待识别视频的每一帧图像 中的人进行检测， 得到人的图片， 包括： 对待识别视频的每一帧图像 中的人进行检测， 得到人的边界框， 根据 所述人的边界框， 得到所述人的图片。 3.根据权利要求2所述的摔倒识别方法， 其特征在于， 所述提取所述人的图片的静态特 征， 包括： 将处理后的所述人的图片， 输入到HRnet网络， 提取所述HRnet网络最终识别层前一层 网络的骨架特 征作为所述静态特 征。 4.根据权利要求3所述的摔倒识别方法， 其特征在于， 所述提取所述人的图片的动态特 征， 包括： 将所述人的图片序列输入到I3D网络中进行训练， 利用训练后的I3D网络的mixed  4f层 获得特征图， 利用Ro IAlign算法根据所述特 征图提取 所述人的图片的动态特 征。 5.根据权利要求4所述的摔倒识别方法， 其特征在于， 所述根据所述融合特征， 得到识 别结果， 包括： 将所述融合特 征输入到Transformer网络中， 得到识别结果。 6.根据权利要求5所述的摔倒识别方法， 其特征在于， 所述Transformer网络包括时间 注意力编码器和多层感知机 头分类器。 7.根据权利要求6所述的摔倒识别方法， 其特征在于， 所述时间注意力编码器采用 Longformer网络 。 8.根据权利要求7所述的摔倒识别方法， 其特征在于， 在所述融合特征前添加分类标记 [CLS]， 经过Longformer 网络编码后， 使用与所述分类标记[CLS]相关的特征作为最终 的待 识别特征。 9.一种摔倒识别系统， 其特 征在于， 包括： 检测模块， 用于对待识别视频的每一帧图像中的人进行检测， 得到人的图片； 特征提取模块， 用于提取 所述人的图片的静态特 征和动态特 征； 融合模块， 用于融合所述静态特 征和所述动态特 征， 得到融合特 征； 识别模块， 用于根据所述融合特 征， 得到识别结果。 10.一种计算机可读存储介质所述计算机可读存储介质上存储有计算机程序， 所述计 算机程序被处 理器执行时实现如权利要求1 ‑8中任一项所述的方法。权　利　要　求　书 1/1 页 2 CN 114724176 A 2一种摔倒识别方 法 技术领域 [0001]本发明属于计算机技 术领域， 具体涉及一种摔倒识别方法。 背景技术 [0002]随着老龄人口的快速增长， 摔倒检测成为医疗健康领域的一个关键问题。 准确检 测监控视频中的摔倒行为并及时反馈， 能有效减少老年人因摔倒造成的伤害甚至死亡。 针 对监控视频中的复杂场景及多种相似性人类行为干扰的情况， 如何对摔倒行为进 行精确检 测是亟需解决的问题。 [0003]鉴于此， 提出本发明。 发明内容 [0004]为了解决上述问题， 本发明旨在提供一种摔倒识别方法， 该识别方法用于识别的 特征中融合另外 静态特征和 动态特征， 搭配Transformer网络作为分类器， 能够提高识别精 度。 [0005]为了实现上述目的， 本发明采用如下技 术方案： 一种摔倒识别方法， 包括： [0006]对待识别视频的每一帧图像中的人进行检测， 得到人的图片； [0007]提取所述人的图片的静态特 征和动态特 征； [0008]融合所述静态特 征和所述动态特 征， 得到融合特 征； [0009]根据所述融合特 征， 得到识别结果。 [0010]进一步地， 所述对待识别视频的每一帧图像中的人进行检测， 得到人的图片， 包 括： [0011]对待识别视频的每一帧图像中的人进行检测， 得到人的边界框， 根据所述人的边 界框， 得到所述人的图片。 [0012]进一步地， 所述提取所述人的图片的静态特 征， 包括： [0013]将处理后的所述人的图片， 输入到HRnet网络， 提取所述HRnet网络最终识别层前 一层网络的骨架特 征作为所述静态特 征。 [0014]进一步地， 所述提取所述人的图片的动态特 征， 包括： [0015]将所述人的图片序列输入到I3D网络中进行训练， 利用 训练后的I3D网络的  mixed  4f层获得 特征图， 利用Ro IAlign算法根据所述特 征图提取 所述人的图片的动态特 征。 [0016]进一步地， 所述根据所述融合特 征， 得到识别结果， 包括： [0017]将所述融合特 征输入到Transformer网络中， 得到识别结果。 [0018]进一步地， 所述Transformer网络包括时间注意力编码器和多层感知机 头分类器。 [0019]进一步地， 所述时间注意力编码器采用L ongformer网络 。 [0020]进一步地， 在所述融合特征前添加分类标记[CLS]， 经过Longformer网络编码后， 使用与所述分类标记[CLS]相关的特 征作为最终的待识别特 征。 [0021]本发明得另一个目的还用于提供一种摔倒识别系统， 包括：说　明　书 1/5 页 3 CN 114724176 A 3