智能看護方法
【專利摘要】本發(fā)明實施例公開了一種智能看護方法，利用機器人攝影機在家中巡邏，自動監(jiān)測老人行走時是否跌倒，包括以下步驟：S1機器人擷取人物畫面做圖像處理；S2計算人物的重心；S3判斷畫面中人物是否跌倒；S4若人物跌倒，則發(fā)出通知信號。本發(fā)明能偵測人行走的動作，快速對人的異常動作做出判斷，準確率高；利用機器人攝影機拍攝人的行走步態(tài)來進行居家巡邏偵測，當老人發(fā)生跌倒時，機器人自動擷取畫面并向家人或醫(yī)療人員發(fā)送信息，在能有效的達到及時救援的目的的同時，不需要負擔長時間監(jiān)護的人力成本。
【專利說明】智能看護方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及圖像識別領(lǐng)域，尤其涉及一種利用圖像識別進行家居智能看護的方法。
【背景技術(shù)】
[0002]人體步態(tài)研究成為現(xiàn)今重要的客體，步態(tài)信息研究可以給人類生活帶來許多益處和方便，其主要體現(xiàn)在以下兩個方面:第一，社會醫(yī)療技術(shù)的發(fā)達使得人口老齡化成為必然的趨勢，，而且隨著年齡的增長，跌倒的次數(shù)會越來越高。跌倒可能造成老年人身體上骨折、內(nèi)臟的損害，并造成行動上的不方便，導致心理以及社會問題。而對于獨居的老年人更是危險，發(fā)生跌倒后，若未能及時發(fā)現(xiàn)并給予治療，甚至會導致死亡，因此跌倒成為老年人重大傷亡的原因之一。一般家庭為了解決此類問題，會將老年人送往療養(yǎng)院，或者請專人來照顧，但這對一般家庭來說會有很大的經(jīng)濟負擔。第二，辨識系統(tǒng)運用在醫(yī)學上可以減少醫(yī)生診斷患者或患者等待門診的時間，例如可以通過辨識步態(tài)而得知患者是否患有帕金森氏癥。

【發(fā)明內(nèi)容】

[0003]本發(fā)明實施例所要解決的技術(shù)問題在于，提供一種智能看護方法，利用機器人攝影機在家中巡邏，自動監(jiān)測老人行走時是否跌倒，包括以下步驟:
[0004]SI機器人擷取人物畫面做圖像處理；
[0005]S2計算人物的重心；
[0006]S3判斷畫面中人物是否跌倒；
[0007]S4若人物跌倒，則發(fā)出通知信號；
[0008]其中，
[0009]步驟SI包括
[0010]Sll從畫面圖像中擷取人物，在偵測行人時拍到的圖片，將其與無人時拍攝的背景圖片做相減運算，可以得到只有人物的圖片；
[0011]S12將人物影像二值化；
[0012]進一步地，在將人物圖像二值化之前先將圖像轉(zhuǎn)為灰階可以避免二值化之后產(chǎn)生太多的雜訊。
[0013]進一步地，本發(fā)明方案將圖像二值化之后采用形態(tài)學的侵蝕法通過圖像侵蝕的方式對圖像進行濾波。
[0014]步驟S2包括
[0015]S21計算頭部和腳部的重心；
[0016]S22計算由頭部和腳部三點形成的三角形的面積和高；
[0017]S23由三角形面積與高計算三角形的底；
[0018]步驟S3包括[0019]S31由步驟S23取得的三角形的底計算底與高的比例；
[0020]計算頭部和腳部重心時需將任務(wù)圖像分割為頭部區(qū)域及腳部區(qū)域，其中，所述頭部區(qū)域高度占身高的20%，所述腳部區(qū)域高度占身高的33%。
[0021]進一步地，頭部重心由所述頭部區(qū)域的頂端向下選取65%的像素確定，頭部重心的定義為該像素至頭部邊界上的每一個點的距離和為最小。
[0022]腳部重心為腳部區(qū)域底端向上選取25%的像素確定。
[0023]優(yōu)選地，考慮到人蹲下或其他動作與站立時的區(qū)別，所述腳部重心為腳部區(qū)域底端向上選取12.5%的像素確定。
[0024]S32由S31取得的比例與訓練統(tǒng)計得到的閾值T比較，大于T則為站立，小于T則
為非站立。
[0025]進一步地，所述閾值T為3?3.5。
[0026]實施本發(fā)明，具有如下有益效果:
[0027]本發(fā)明能偵測人行走的動作，快速對人的異常動作做出判斷，準確率高；利用機器人攝影機拍攝人的行走步態(tài)來進行居家巡邏偵測，當老人發(fā)生跌倒時，機器人自動擷取畫面并向家人或醫(yī)療人員發(fā)送信息，在能有效的達到及時救援的目的的同時，不需要負擔長時間監(jiān)護的人力成本。
【專利附圖】

【附圖說明】
[0028]圖1是本發(fā)明流程示意圖；
[0029]圖2本發(fā)明頭部重心擷取的示意圖；
[0030]圖3是本發(fā)明三角中心公式計算示意圖；
[0031 ] 圖4是本發(fā)明站立圖片范例圖；
[0032]圖5是本發(fā)明非站立圖片范例圖。
【具體實施方式】
[0033]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明作進一步地詳細描述。
[0034]圖1是本發(fā)明流程示意圖，本發(fā)明所述的智能看護方法，包括:
[0035]SI機器人擷取人物畫面做圖像處理；
[0036]S2計算人物的重心；
[0037]S3判斷畫面中人物是否跌倒；
[0038]S4若人物跌倒，則發(fā)出通知信號；
[0039]其中，
[0040]步驟SI包括
[0041]Sll從畫面圖像中擷取人物，在偵測行人時拍到的圖片，將其與無人時拍攝的背景圖片做相減運算，可以得到只有人物的圖片；
[0042]S12將人物影像二值化；
[0043]進一步地，在將人物圖像二值化之前先將圖像轉(zhuǎn)為灰階可以避免二值化之后產(chǎn)生太多的雜訊。[0044]進一步地，本發(fā)明方案將圖像二值化之后采用形態(tài)學的侵蝕法通過圖像侵蝕的方式對圖像進行濾波。
[0045]步驟S2包括
[0046]S21計算頭部和腳部的重心；
[0047]S22計算由頭部和腳部三點形成的三角形的面積和高；
[0048]S23由三角形面積與高計算三角形的底；
[0049]步驟S3包括
[0050]S31由步驟S23取得的三角形的底計算底與高的比例；
[0051]計算頭部和腳部重心時需將任務(wù)圖像分割為頭部區(qū)域及腳部區(qū)域，其中，所述頭部區(qū)域高度占身高的20%，所述腳部區(qū)域高度占身高的33%。
[0052]進一步地，頭部重心由所述頭部區(qū)域的頂端向下選取65%的像素確定，頭部重心的定義為該像素至頭部邊界上的每一個點的距離和為最小。
[0053]腳部重心為腳部區(qū)域底端向上選取25%的像素確定。
[0054]優(yōu)選地，考慮到人蹲下或其他動作與站立時的區(qū)別，所述腳部重心為腳部區(qū)域底端向上選取12.5%的像素確定。
[0055]S32由S31取得的比例與訓練統(tǒng)計得到的閾值T比較，大于T則為站立，小于T則
為非站立。
``[0056]進一步地，所述閾值T為3~3.5。
[0057]如圖2所示，計算頭部重心時需將任務(wù)圖像分割為頭部區(qū)域及腳部區(qū)域，所述頭部區(qū)域高度占身高的20%，中心位置如圖中的點所示。
[0058]進一步地，頭部重心由所述頭部區(qū)域的頂端向下選取65%的像素確定，頭部重心的定義為該像素至頭部邊界上的每一個點的距離和為最小。
[0059]參照圖3所示，將頭與雙腳的三個重心找出后，利用尋找出來的三個重心進行三角形法則的計算，來判斷圖片中人物是站立還是非站立的姿勢，判斷的方法是將此三個重心點連成一個三角形，令頭部的重心為A，兩腳的重心為B與C，角A所對的邊為a，角B所對的邊為b，角C所對的邊為C。用兩點距離公式算出三角形的三邊長a、b和c后，利用公式
(I)和(2)算出三角形的面積，再用面積和a算出高，計算采用公式(3)，得出的底BC為兩腳重心的間距，頭部重心的高為h，再計算出高和底的比例V，如公式(4)，進而判斷是否超過定義的閾值T來判定人是否站立，若值大于T則判定為站立，小于T則判定為非站立。
【權(quán)利要求】
1.一種智能看護方法，其特征在于，利用機器人攝影機在家中巡邏，自動監(jiān)測老人行走時是否跌倒，包括以下步驟: Si機器人擷取人物畫面做圖像處理； S2計算人物的重心； S3判斷畫面中人物是否跌倒； S4若人物跌倒，則發(fā)出通知信號； 其中， 步驟SI包括 Sll從畫面圖像中擷取人物； S12將人物影像二值化； 步驟S2包括 S21計算頭部和腳部的重心； S22計算由頭部和腳部三點形成的三角形的面積和高； S23由三角形面積與高計算三角形的底； 步驟S3包括 S31由步驟S23取得的三角形的底計算底與高的比例； S32由S31取得的比例與訓練統(tǒng)計得到的閾值T比較，大于T則為站立，小于T則為非站立。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，計算頭部和腳部重心時需將任務(wù)圖像分割為頭部區(qū)域及腳部區(qū)域，其中，所述頭部區(qū)域高度占身高的20%，所述腳部區(qū)域高度占身高的33%。
3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，頭部重心由所述頭部區(qū)域的頂端向下選取65%的像素確定。
4.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，腳部重心為腳部區(qū)域底端向上選取25%的像素確定。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述腳部重心為腳部區(qū)域底端向上選取12.5%的像素確定。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于，在將人物圖像二值化之前先將圖像轉(zhuǎn)為灰階。
7.根據(jù)權(quán)利要求1或6所述的方法，其特征在于，將圖像二值化之后采用侵蝕法對圖像進行濾波。
8.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述閾值T為3?3.5。
【文檔編號】G08B21/04GK103577810SQ201310567764
【公開日】2014年2月12日 申請日期:2013年11月13日 優(yōu)先權(quán)日:2013年11月13日
【發(fā)明者】莊禮鴻, 吳明霓 申請人:汕頭大學