一种多摄像头摔倒检测装置及方法

1.本发明涉及一种多摄像头摔倒检测装置及方法，属于健康监测技术领域。


背景技术：

2.《中华人民共和国2021年国民经济和社会发展统计公报》指出：2021年年末我国大陆地区人口总数为141260万人，其中60周岁及以上人口26736万人，占比18.9％；65周岁及以上人口20056万人，占比14.2％。按照联合国的划分标准，我国大陆地区已经步入“中度老龄化社会”。
3.根据中国疾病监测系统的数据，摔倒已经成为我国65岁以上老人因伤害致死的首位原因，每年约有30％的老年人发生摔倒，而且这个比例会随着年龄的增长而增加，据统计80岁以上的老年人发生摔倒的概率高达50％。由于身体机能的下降，大多数老年人都会有骨质疏松、骨质变脆的现象，摔倒不仅会严重伤害他们的身体，还有可能会引起其他疾病的发作，危及老人的生命。
4.随着我国人口老龄化情况的不断加剧，老年人的健康监护问题成为了社会广泛关注的热点问题，摔倒检测装置及方法的研究也初显成效。国内外实现摔倒检测的方法可以分为三类：基于可穿戴传感器的摔倒检测方法、基于环境传感器的摔倒检测方法和基于视频图像处理的摔倒检测方法。基于视频图像处理的摔倒检测方法是目前应用最广泛的摔倒检测方法。但是现阶段基于视频图像处理方法的摔倒检测装置大都使用单一摄像头，受摄像头监视区域有限的影响，一台摔倒检测设备无法实现全屋的覆盖。若用户想要实现全屋覆盖，需要在每一个需要监视的区域都安装一台摄像头和一台摔倒检测设备，这大大增加了用户的使用和维护成本。
5.现有的基于视频图像处理的摔倒检测方法通常采用帧差或背景减除等方法从背景图像中分割出人体目标，然后对人体目标轮廓进行标记，再基于人体高宽比、有效面积比等特征参数采用阈值法判断目标是否摔倒。此类方法中，是否能够准确地标记出人体躯干的轮廓对摔倒判定的结果有直接的影响。由于受伸展手臂、手持拐杖等因素干扰，现有方法并不能准确地标记出人体的躯干部分，进而给摔倒判定带来较大误差。


技术实现要素：

6.本发明提出了一种多摄像头摔倒检测装置及方法，能够实时地实现对用户的追踪和摔倒检测，确保用户的安全，且提出差值行列扫描法进行人体躯干标记，能够进一步提高摔倒事件判断的准确率，以解决现有技术中存在的问题。
7.一种多摄像头摔倒检测装置，多摄像头摔倒检测装置包括多个摄像头模组、核心控制模块、近程报警模块和远程求助模块，多个摄像头模组、近程报警模块和远程求助模块均与核心控制模块双向连接，
8.多个摄像头模组，用于采集用户活动的实时视频，以及检测是否有人体出现在摄像头的监视范围内，并生成监测数据传输至核心控制模块；
9.核心控制模块，用于驱动多个摄像头模组、近程报警模块和远程求助模块，并根据监测数据实现摔倒检测；
10.近程报警模块，用于受核心控制模块的驱动，实现近程报警，以及方便救援人员快速发现发生摔倒需要帮助的用户；
11.远程求助模块，用于实现用户摔倒后的远程自动求助。
12.进一步的，多个摄像头模组中，每个摄像头模组包括摄像头和红外人体传感器，红外人体传感器与摄像头连接；
13.核心控制模块包括微处理器最小系统以及sdram存储器，微处理器最小系统与sdram存储器双向连接；
14.近程报警模块包括彩色led和蜂鸣器；
15.远程求助模块包括移动通信模块。
16.一种多摄像头摔倒检测方法，基于上述的一种多摄像头摔倒检测装置，多摄像头摔倒检测方法包括以下步骤：
17.s100、通过多个摄像头模组进行用户图像的采集与跟踪，并将采集到的用户图像传输至核心控制模块中的sdram存储器；
18.s200、核心控制模块中的微处理器最小系统从sdram存储器读取采集到的用户图像，并对采集到的用户图像进行人体躯干的分割，输出人体躯干分割结果；
19.s300、根据人体躯干分割结果，进行摔倒判定，若确认摔倒，则输出摔倒事件；
20.s400、核心控制模块检测到摔倒事件发生时，驱动近程报警模块的彩色led和蜂鸣器进行报警，同时驱动远程求助模块向指定接收端发送求助短信，提醒相关工作人员及时采取措施给用户提供帮助。
21.进一步的，在s100中，具体的，
22.s110、当任一摄像头模组内的红外人体传感器检测到当前区域有人活动时，核心控制模块激活当前摄像头模组内的摄像头进行用户图像的采集；
23.s120、当摄像头模组内的红外人体传感器未检测到人体时，核心控制模块关闭当前摄像头模组内的摄像头。
24.进一步的，在s200中，包括以下步骤：
25.s210、读取sdram存储器中的采集到的用户图像；
26.s220、将采集到的用户图像进行灰度化处理；
27.s230、以经灰度化处理后的用户图像为目标，进行运动目标检测，得到运动目标的图像；
28.s240、对运动目标的图像进行形态学处理；
29.s250、对经过形态学处理后的图像进行人体躯干标记。
30.进一步的，在s220中，具体的，采用平均值灰度化的方法对采集到的用户图像进行灰度化，平均值灰度化的计算方法如式(1)所示，
31.gray＝(r+g+b)/3
ꢀꢀꢀ
(1)
32.其中，gray代表图像灰度化后的灰度值，r、g、b分别代表rgb格式图像中的红色、绿色、蓝色分量的数据值。
33.进一步的，在s230中，具体的，采用三帧差分法进行运动目标的检测，设f
m-1
(x,y)、fm
(x,y)和f
m+1
(x,y)为连续的三帧灰度图像，则三帧差分法的过程为，
34.首先，按照式(2)和式(3)，分别计算出第m帧和第m-1帧图像之间灰度值的差值，第m+1帧和第m帧图像之间灰度值的差值，
35.d1(x，y)＝|fm(x，y)-f
m-1
(x，y)|
ꢀꢀꢀ
(2)
36.d2(x，y)＝|f
m+1
(x，y)-fm(x，y)|
ꢀꢀꢀ
(3)
37.然后，得到差分图像d1(x，y)、d2(x，y)后，对结果进行二值处理，其中t为设定的阈值，
[0038][0039][0040]
最后，通过与运算提取两个差分二值图像b1(x，y)与b2(x，y)的交集，如式(6)所示，则交集d(x，y)为三帧差分法得到的运动目标的图像。
[0041]
d(x，y)＝b1(x，y)∩b2(x，y)
ꢀꢀꢀ
(6)
[0042]
进一步的，在s240中，具体的，采用形态学开运算对得到的运动目标图像进行处理，形态学开运算的过程如式(7)所示，
[0043][0044]
其中，表示开运算，θ表示腐蚀运算，表示膨胀运算，d表示运动目标图像，k表示3
×
3的卷积核。
[0045]
进一步的，在s250中，具体包括以下步骤：
[0046]
s251：通过逐行扫描确定人体躯干部分矩形框的左右边界：
[0047]
s251a、自第一行起，采用逐行扫描方式扫描形态学处理后的图像；
[0048]
s251b、将扫描到的每一段连续有效像素段端点的横坐标做差，计算像素段的长度，其中连续有效像素段是指连续的数量不少于m个像素值为1的像素段，m取图像行分辨率的1/50；
[0049]
s251c、保留差值最大的连续有效像素段，记录其端点坐标，并将其像素段长度记为该行的行有效宽度；
[0050]
s251d、采用s251a至s251c依次扫描图像其余行像素，直至完成最后一行像素扫描；
[0051]
s251e、取该帧图像中所有行中最大行有效宽度作为人体躯干部分矩形框的宽度；
[0052]
s251f、根据得到最大行有效宽度的像素段的两个横坐标绘制人体矩形框的左右边界。
[0053]
s252：通过逐列扫描确定人体躯干部分矩形框的上下边界：
[0054]
s252a、自第一行起，采用逐列扫描方式扫描形态学处理后的图像；
[0055]
s252b、将扫描到的每一段连续有效像素段端点的纵坐标做差，计算像素段的长度，其中连续有效像素段是指连续的数量不少于n个像素值为1的像素段，n取图像列分辨率的1/50；；
[0056]
s252c、保留差值最大的连续有效像素段，记录其端点坐标，并将其像素段长度记
为该行的列有效高度；
[0057]
s252d、采用s252a至s252c依次扫描图像其余列像素，直至完成最后一列像素扫描；
[0058]
s252e、取该帧图像中所有列中最大列有效高度作为人体躯干部分矩形框的高度；
[0059]
s252f、根据得到最大列有效高度的两个纵坐标绘制人体矩形框的上下边界。
[0060]
进一步的，在s300中，具体包括以下步骤：
[0061]
s310、计算特征值：
[0062]
根据人体躯干分割步骤中得到的最大列有效高度和最大行有效宽度求取人体躯干部分矩形框的高度h和宽度w，其中，高度h等于最大列有效高度，宽度w等于最大行有效宽度，人体躯干部分矩形框中心高度为
[0063]
s320、第一级判断：
[0064]
定义人体躯干部分矩形的高度和宽度之比为高宽比sa，用该比值与预设阈值t作比较，当该比值小于t时，装置进入下一级判断，当该比值大于等于t时，装置不动作，并返回重新计算下一帧图像人体躯干部分矩形框的高度和宽度，高宽比的计算如式(8)所示，
[0065][0066]
其中，h为人体躯干部分矩形框的高度，w为人体躯干部分矩形框的宽度，阈值t＝2.3；
[0067]
s330、第二级判断：
[0068]
定义连续两帧图像中人体躯干部分矩形框的中心高度之比为中心高度比ha，用该比值跟预设阈值th作比较，当该比值小于th时，装置判断有摔倒事件发生，并输出该事件，当该比值大于等于th时返回上一步骤计算下一帧人体躯干部分矩形框的高度和宽度，中心高度比的计算过程如式(9)所示，
[0069][0070]
其中，表示第m帧图像中人体躯干部分矩形框的中心高度，表示第m+1帧图像中人体躯干部分矩形框的中心高度，阈值th＝0.35。
[0071]
本发明的有益效果：
[0072]
本发明所提出的一种多摄像头摔倒检测装置及方法，采用基于视频图像处理的摔倒检测方案。本发明的装置通过核心控制模块驱动摄像头对用户的活动区域进行视频图像的采集，通过本发明提出的摔倒检测方法进行摔倒的实时检测。用户可以根据自己的需求自定义摄像头数量，使得一台摔倒检测设备就可以全方位地覆盖用户的活动区域，避免了同一用户需要安装多台设备，大大降低了用户的使用和维护成本。此外本装置的远近两种报警方式可以及时地帮助摔倒的用户进行求助，降低摔倒带来的二次伤害，保护用户的生命安全。在摔倒判定方法上，提出差值行列扫描法进行人体躯干标记，相比于传统的简单行列扫描法可以有效滤除图像中的噪点以及手臂、拐杖等因素产生的干扰，准确地标记出人体的躯干部分，进一步提高摔倒事件判断的准确率。
附图说明
[0073]
图1为本发明的一种多摄像头摔倒检测装置的系统组成框图；
[0074]
图2为本发明的一种多摄像头摔倒检测方法的方法流程图；
[0075]
图3为人体躯干分割算法流程图；
[0076]
图4为确定人体躯干部分矩形框的左右边界的算法步骤流程图；
[0077]
图5为确定人体躯干部分矩形框的上下边界的算法步骤流程图；
[0078]
图6为摔倒事件判断算法流程图。
具体实施方式
[0079]
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0080]
本发明提出了一种多摄像头摔倒检测装置，多摄像头摔倒检测装置包括多个摄像头模组、核心控制模块、近程报警模块和远程求助模块，多个摄像头模组、近程报警模块和远程求助模块均与核心控制模块双向连接，
[0081]
多个摄像头模组，用于采集用户活动的实时视频，以及检测是否有人体出现在摄像头的监视范围内，并生成监测数据传输至核心控制模块；
[0082]
核心控制模块，用于驱动多个摄像头模组、近程报警模块和远程求助模块，并根据监测数据实现摔倒检测；
[0083]
近程报警模块，用于受核心控制模块的驱动，实现近程报警，以及方便救援人员快速发现发生摔倒需要帮助的用户；
[0084]
远程求助模块，用于实现用户摔倒后的远程自动求助。
[0085]
进一步的，多个摄像头模组中，每个摄像头模组包括摄像头和红外人体传感器，红外人体传感器与摄像头连接；
[0086]
核心控制模块包括微处理器最小系统以及sdram存储器，微处理器最小系统与sdram存储器双向连接；
[0087]
近程报警模块包括彩色led和蜂鸣器；
[0088]
远程求助模块包括移动通信模块。
[0089]
具体的，多个摄像头模组中，每个摄像头模组都具有相同的结构，即由一个摄像头和一个红外人体传感器组成，用于采集用户活动的实时视频，以及检测是否有人体出现在摄像头的监视范围内。摄像头模组的个数可以根据用户的需求确定，并且每一个模组内的摄像头都受红外人体传感器的控制，只有当摄像头模组内的红外人体传感器检测到当前区域有人活动时核心控制模块才会激活该模组内的摄像头进行图像的采集，当摄像头模组内的红外人体传感器未检测到人体时，核心控制模块就会关闭该模组内的摄像头，这样就可以在多个摄像头模组之间自动切换，实现用户的自动追踪；核心控制模块由微处理器最小系统以及sdram存储器组成，是整个装置的核心部分，用来实现摔倒检测以及驱动摄像头模组、近程报警模块和远程求助模块；近程报警模块由彩色led和蜂鸣器组成，用来实现近程报警，以及方便救援人员快速发现发生摔倒需要帮助的用户；远程求助模块由4g通信模块
组成，4g通信模块通信速度快、稳定性好、范围大，可以满足本装置的需求，用来实现用户摔倒后的远程自动求助。当然，本发明并不限于使用4g通信模块作为远程求助模块的主体，例如5g通信模块同样可以。
[0090]
一种多摄像头摔倒检测方法，基于上述的一种多摄像头摔倒检测装置，多摄像头摔倒检测方法包括以下步骤：
[0091]
s100、通过多个摄像头模组进行用户图像的采集与跟踪，并将采集到的用户图像传输至核心控制模块中的sdram存储器；
[0092]
s200、核心控制模块中的微处理器最小系统从sdram存储器读取采集到的用户图像，并对采集到的用户图像进行人体躯干的分割，输出人体躯干分割结果；
[0093]
s300、根据人体躯干分割结果，进行摔倒判定，若确认摔倒，则输出摔倒事件；
[0094]
s400、核心控制模块检测到摔倒事件发生时，驱动近程报警模块的彩色led和蜂鸣器进行报警，同时驱动远程求助模块向指定接收端发送求助短信，提醒相关工作人员及时采取措施给用户提供帮助。
[0095]
进一步的，在s100中，具体的，
[0096]
s110、当任一摄像头模组内的红外人体传感器检测到当前区域有人活动时，核心控制模块激活当前摄像头模组内的摄像头进行用户图像的采集；
[0097]
s120、当摄像头模组内的红外人体传感器未检测到人体时，核心控制模块关闭当前摄像头模组内的摄像头。
[0098]
进一步的，在s200中，人体躯干分割步骤在核心控制模块中完成，在该步骤中，微处理器最小系统会从sdram存储器中读取采集到的用户图像进行人体躯干的分割，包括以下步骤：
[0099]
s210、读取sdram存储器中的采集到的用户图像；
[0100]
s220、将采集到的用户图像进行灰度化处理；
[0101]
s230、以经灰度化处理后的用户图像为目标，进行运动目标检测，得到运动目标的图像；
[0102]
s240、对运动目标的图像进行形态学处理；
[0103]
s250、对经过形态学处理后的图像进行人体躯干标记。
[0104]
进一步的，在s220中，具体的，本装置中摄像头采集到的用户图像为rgb格式图像，在进行运动目标检测之前需要对装置读取出的用户图像进行灰度化，本装置采用平均值灰度化的方法对采集到的用户图像进行灰度化，平均值灰度化的计算方法如式(1)所示，
[0105]
gray＝(r+g+b)/3
ꢀꢀꢀ
(1)
[0106]
其中，gray代表图像灰度化后的灰度值，r、g、b分别代表rgb格式图像中的红色、绿色、蓝色分量的数据值。
[0107]
进一步的，在s230中，具体的，为了增强运动目标检测的效果，消除帧差法的“重影”现象，本装置采用三帧差分法进行运动目标的检测，设f
m-1
(x，y)、fm(x，y)和f
m+1
(x，y)为连续的三帧灰度图像，则三帧差分法的过程为，
[0108]
首先，按照式(2)和式(3)，分别计算出第m帧和第m-1帧图像之间灰度值的差值，第m+1帧和第m帧图像之间灰度值的差值，
[0109]
d1(x，y)＝|fm(x，y)-f
m-1
(x，y)|
ꢀꢀꢀ
(2)
[0110]
d2(x，y)＝|f
m+1
(x，y)-fm(x，y)|
ꢀꢀꢀ
(3)
[0111]
然后，得到差分图像d1(x，y)、d2(x，y)后，对结果进行二值处理，其中t为设定的阈值，
[0112][0113][0114]
最后，通过与运算提取两个差分二值图像b1(x，y)与b2(x，y)的交集，如式(6)所示，则交集d(x，y)为三帧差分法得到的运动目标的图像。
[0115]
d(x，y)＝b1(x，y)∩b2(x，y)
ꢀꢀꢀ
(6)
[0116]
进一步的，在s240中，具体的，为了滤除三帧差分法得到的运动目标图像中的孤立的、细小的噪点以及平滑毛躁的边缘线，本装置采用形态学开运算对得到的运动目标图像进行处理，形态学开运算的过程如式(7)所示，
[0117][0118]
其中，表示开运算，θ表示腐蚀运算，表示膨胀运算，d表示运动目标图像，k表示3
×
3的卷积核。
[0119]
进一步的，在s250中，人体躯干标记采用差值行列扫描法确定人体躯干部分的矩形框。具体包括以下步骤：
[0120]
s251：通过逐行扫描确定人体躯干部分矩形框的左右边界：
[0121]
s251a、自第一行起，采用逐行扫描方式扫描形态学处理后的图像；
[0122]
s251b、将扫描到的每一段连续有效像素段端点的横坐标做差，计算像素段的长度，其中连续有效像素段是指连续的数量不少于m个像素值为1的像素段，m取图像行分辨率的1/50；
[0123]
s251c、保留差值最大的连续有效像素段，记录其端点坐标，并将其像素段长度记为该行的行有效宽度；
[0124]
s251d、采用s251a至s251c依次扫描图像其余行像素，直至完成最后一行像素扫描；
[0125]
s251e、取该帧图像中所有行中最大行有效宽度作为人体躯干部分矩形框的宽度；
[0126]
s251f、根据得到最大行有效宽度的像素段的两个横坐标绘制人体矩形框的左右边界。
[0127]
s252：通过逐列扫描确定人体躯干部分矩形框的上下边界：
[0128]
s252a、自第一列起，采用逐列扫描方式扫描形态学处理后的图像；
[0129]
s252b、将扫描到的每一段连续有效像素段端点的纵坐标做差，计算像素段的长度，其中连续有效像素段是指连续的数量不少于n个像素值为1的像素段，n取图像列辨率的1/50；
[0130]
s252c、保留差值最大的连续有效像素段，记录其端点坐标，并将其像素段长度记为该列的列有效高度；
[0131]
s252d、采用s252a至s252c依次扫描图像其余列像素，直至完成最后一列像素扫
描；
[0132]
s252e、取该帧图像中所有列中最大列有效高度作为人体躯干部分矩形框的高度；
[0133]
s252f、根据得到最大列有效高度的两个纵坐标绘制人体矩形框的上下边界。
[0134]
具体的，本方法相比于传统的简单行列扫描法可以有效滤除图像中的噪点以及手臂、拐杖等产生的干扰，准确地标记出人体的躯干部分，进一步提高摔倒事件判断的准确率。
[0135]
进一步的，在s300中，摔倒事件判断步骤在核心控制模块中完成，该步骤会读取人体躯干分割步骤中输出的结果，并根据人体躯干部分矩形框的高宽比和相邻帧人体躯干部分矩形框的中心高度比两个特征值来进行摔倒事件初步筛查和修正。其中，高宽比主要用于摔倒事件的初步筛查，在此过程中高宽比跟预设的阈值进行比较，当小于预设阈值时，系统自动进入下一级判断，否则系统不动作，阻止装置因干扰进入第二级判断，减少装置的计算量，确保装置的实时性；第二级判断主要通过中心高度比来实现，当中心高度比小于预设阈值时，则装置判断有摔倒事件发生，并输出摔倒事件，否则装置不动作。
[0136]
具体包括以下步骤：
[0137]
s310、计算特征值：
[0138]
根据人体躯干分割步骤中得到的最大列有效高度和最大行有效宽度求取人体躯干部分矩形框的高度h和宽度w，其中，高度h等于最大列有效高度，宽度w等于最大行有效宽度，人体躯干部分矩形框中心高度为
[0139]
s320、第一级判断：
[0140]
定义人体躯干部分矩形的高度和宽度之比为高宽比sa，用该比值与预设阈值t作比较，当该比值小于t时，装置进入下一级判断，当该比值大于等于t时，装置不动作，并返回重新计算下一帧图像人体躯干部分矩形框的高度和宽度，高宽比的计算如式(8)所示，
[0141][0142]
其中，h为人体躯干部分矩形框的高度，w为人体躯干部分矩形框的宽度，阈值t＝2.3；
[0143]
s330、第二级判断：
[0144]
定义连续两帧图像中人体躯干部分矩形框的中心高度之比为中心高度比ha，用该比值跟预设阈值th作比较，当该比值小于th时，装置判断有摔倒事件发生，并输出该事件，当该比值大于等于th时返回上一步骤计算下一帧人体躯干部分矩形框的高度和宽度，中心高度比的计算过程如式(9)所示，
[0145][0146]
其中，表示第m帧图像中人体躯干部分矩形框的中心高度，表示第m+1帧图像中人体躯干部分矩形框的中心高度，阈值th＝0.35。
[0147]
本发明提出一种多摄像头摔倒检测装置及方法，可以根据用户需要安装多个摄像头及一台摔倒检测设备，并实现一台摔倒检测设备对用户活动区域的全面覆盖，降低用户
的使用和维护成本；并针对本发明装置多摄像头的特点，设计摄像头自动切换控制，通过多个摄像头的自动切换，实时地实现对用户的追踪和摔倒检测，确保用户的安全。
[0148]
在摔倒判定方法上，提出差值行列扫描法进行人体躯干标记，相比于传统的简单行列扫描法可以有效滤除图像中的噪点以及手臂、拐杖等因素产生的干扰，准确地标记出人体的躯干部分，进一步提高摔倒事件判断的准确率。

技术特征：
1.一种多摄像头摔倒检测装置，其特征在于，多摄像头摔倒检测装置包括多个摄像头模组、核心控制模块、近程报警模块和远程求助模块，多个摄像头模组、近程报警模块和远程求助模块均与核心控制模块双向连接，多个摄像头模组，用于采集用户活动的实时视频，以及检测是否有人体出现在摄像头的监视范围内，并生成监测数据传输至核心控制模块；核心控制模块，用于驱动多个摄像头模组、近程报警模块和远程求助模块，并根据监测数据实现摔倒检测；近程报警模块，用于受核心控制模块的驱动，实现近程报警，以及方便救援人员快速发现发生摔倒需要帮助的用户；远程求助模块，用于实现用户摔倒后的远程自动求助。2.根据权利要求1的一种多摄像头摔倒检测装置，其特征在于，多个摄像头模组中，每个摄像头模组包括摄像头和红外人体传感器，红外人体传感器与摄像头连接；核心控制模块包括微处理器最小系统以及sdram存储器，微处理器最小系统与sdram存储器双向连接；近程报警模块包括彩色led和蜂鸣器；远程求助模块包括移动通信模块。3.一种多摄像头摔倒检测方法，基于权利要求1-2任一项的一种多摄像头摔倒检测装置，其特征在于，多摄像头摔倒检测方法包括以下步骤：s100、通过多个摄像头模组进行用户图像的采集与跟踪，并将采集到的用户图像传输至核心控制模块中的sdram存储器；s200、核心控制模块中的微处理器最小系统从sdram存储器读取采集到的用户图像，并对采集到的用户图像进行人体躯干的分割，输出人体躯干分割结果；s300、根据人体躯干分割结果，进行摔倒判定，若确认摔倒，则输出摔倒事件；s400、核心控制模块检测到摔倒事件发生时，驱动近程报警模块的彩色led和蜂鸣器进行报警，同时驱动远程求助模块向指定接收端发送求助短信，提醒相关工作人员及时采取措施给用户提供帮助。4.根据权利要求3的一种多摄像头摔倒检测方法，其特征在于，在s100中，具体的，s110、当任一摄像头模组内的红外人体传感器检测到当前区域有人活动时，核心控制模块激活当前摄像头模组内的摄像头进行用户图像的采集；s120、当摄像头模组内的红外人体传感器未检测到人体时，核心控制模块关闭当前摄像头模组内的摄像头。5.根据权利要求4的一种多摄像头摔倒检测方法，其特征在于，在s200中，包括以下步骤：s210、读取sdram存储器中的采集到的用户图像；s220、将采集到的用户图像进行灰度化处理；s230、以经灰度化处理后的用户图像为目标，进行运动目标检测，得到运动目标的图像；s240、对运动目标的图像进行形态学处理；
s250、对经过形态学处理后的图像进行人体躯干标记。6.根据权利要求5的一种多摄像头摔倒检测方法，其特征在于，在s220中，具体的，采用平均值灰度化的方法对采集到的用户图像进行灰度化，平均值灰度化的计算方法如式(1)所示，gray＝(r+g+b)/3
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，gray代表图像灰度化后的灰度值，r、g、b分别代表rgb格式图像中的红色、绿色、蓝色分量的数据值。7.根据权利要求6的一种多摄像头摔倒检测方法，其特征在于，在s230中，具体的，采用三帧差分法进行运动目标的检测，设f
m-1
(x,y)、f
m
(x,y)和f
m+1
(x,y)为连续的三帧灰度图像，则三帧差分法的过程为：首先，按照式(2)和式(3)，分别计算出第m帧和第m-1帧图像之间灰度值的差值，第m+1帧和第m帧图像之间灰度值的差值，d1(x,y)＝|f
m
(x,y)-f
m-1
(x,y)|
ꢀꢀꢀꢀꢀꢀꢀꢀ
(2)d2(x,y)＝|f
m+1
(x,y)-f
m
(x,y)|
ꢀꢀꢀꢀꢀꢀꢀ
(3)然后，得到差分图像d1(x，y)、d2(x，y)后，对结果进行二值处理，其中t为设定的阈值,(x，y)后，对结果进行二值处理，其中t为设定的阈值,最后，通过与运算提取两个差分二值图像b1(x，y)与b2(x，y)的交集，如式(6)所示，d(x,y)＝b1(x,y)∩b2(x,y)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)其中，d(x,y)为三帧差分法得到的运动目标的图像。8.根据权利要求7的一种多摄像头摔倒检测方法，其特征在于，在s240中，具体的，采用形态学开运算对得到的运动目标图像进行处理，形态学开运算的过程如式(7)所示，其中，表示开运算，θ表示腐蚀运算，表示膨胀运算，d表示运动目标图像，k表示3
×
3的卷积核。9.根据权利要求8的一种多摄像头摔倒检测方法，其特征在于，在s250中，具体包括以下步骤：s251：通过逐行扫描确定人体躯干部分矩形框的左右边界：s251a、自第一行起，采用逐行扫描方式扫描形态学处理后的图像；s251b、将扫描到的每一段连续有效像素段端点的横坐标做差，计算像素段的长度，其中连续有效像素段是指连续的数量不少于m个像素值为1的像素段，m取图像行分辨率的1/50；s251c、保留差值最大的连续有效像素段，记录其端点坐标，并将其像素段长度记为该行的行有效宽度；s251d、采用s251a至s251c依次扫描图像其余行像素，直至完成最后一行像素扫描；s251e、取该帧图像中所有行中最大行有效宽度作为人体躯干部分矩形框的宽度；s251f、根据得到最大行有效宽度的像素段的两个横坐标绘制人体矩形框的左右边界。
s252：通过逐列扫描确定人体躯干部分矩形框的上下边界：s252a、自第一列起，采用逐列扫描方式扫描形态学处理后的图像；s252b、将扫描到的每一段连续有效像素段端点的纵坐标做差，计算像素段的长度，其中连续有效像素段是指连续的数量不少于n个像素值为1的像素段，n取图像列分辨率的1/50；s252c、保留差值最大的连续有效像素段，记录其端点坐标，并将其像素段长度记为该列的列有效高度；s252d、采用s252a至s252c依次扫描图像其余列像素，直至完成最后一列像素扫描；s252e、取该帧图像中所有列中最大列有效高度作为人体躯干部分矩形框的高度；s252f、根据得到最大列有效高度的两个纵坐标绘制人体矩形框的上下边界。10.根据权利要求9的一种多摄像头摔倒检测方法，其特征在于，在s300中，具体包括以下步骤：s310、计算特征值：根据人体躯干分割步骤中得到的最大列有效高度和最大行有效宽度求取人体躯干部分矩形框的高度h和宽度w，其中，高度h等于最大列有效高度，宽度w等于最大行有效宽度，人体躯干部分矩形框中心高度为s320、第一级判断：定义人体躯干部分矩形的高度和宽度之比为高宽比s
a
，用该比值与预设阈值t作比较，当该比值小于t时，装置进入下一级判断，当该比值大于等于t时，装置不动作，并返回重新计算下一帧图像人体躯干部分矩形框的高度和宽度，高宽比的计算如式(8)所示，其中，h为人体躯干部分矩形框的高度，w为人体躯干部分矩形框的宽度，阈值t＝2.3；s330、第二级判断：定义连续两帧图像中人体躯干部分矩形框的中心高度之比为中心高度比h
a
，用该比值跟预设阈值t
h
作比较，当该比值小于t
h
时，装置判断有摔倒事件发生，并输出该事件，当该比值大于等于t
h
时返回上一步骤计算下一帧人体躯干部分矩形框的高度和宽度，中心高度比的计算过程如式(9)所示，其中，表示第m帧图像中人体躯干部分矩形框的中心高度，表示第m+1帧图像中人体躯干部分矩形框的中心高度，阈值t
h
＝0.35。

技术总结
本发明公开了一种多摄像头摔倒检测装置及方法，属于健康监测技术领域。包括多个摄像头模组、核心控制模块、近程报警模块和远程求助模块，多个摄像头模组，用于采集用户活动的实时视频，以及检测是否有人体出现在摄像头的监视范围内，并生成监测数据传输至核心控制模块；核心控制模块，用于驱动多个摄像头模组、近程报警模块和远程求助模块，并根据监测数据实现摔倒检测；近程报警模块，用于受核心控制模块的驱动，实现近程报警，以及方便救援人员快速发现发生摔倒需要帮助的用户；远程求助模块，用于实现用户摔倒后的远程自动求助。本发明能够实时地实现对用户的追踪和摔倒检测，确保用户的安全，能够进一步提高摔倒事件判断的准确率。准确率。准确率。


技术研发人员：朱文杰 王鹏 储智超 宋子洋 臧路桓 陈家栋 项茂洋 叶雨晨
受保护的技术使用者：常州工学院
技术研发日：2023.01.03
技术公布日：2023/5/16