Processing

Please wait...

Settings

Settings

Goto Application

1. WO2020107847 - BONE POINT-BASED FALL DETECTION METHOD AND FALL DETECTION DEVICE THEREFOR

Publication Number WO/2020/107847
Publication Date 04.06.2020
International Application No. PCT/CN2019/089500
International Filing Date 31.05.2019
IPC
G06K 9/00 2006.01
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
CPC
A61B 5/1117
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Detecting, measuring or recording for diagnostic purposes
103Detecting, measuring or recording devices for testing the shape, pattern, ; colour,; size or movement of the body or parts thereof, for diagnostic purposes
11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
1116Determining posture transitions
1117Fall detection
A61B 5/1128
AHUMAN NECESSITIES
61MEDICAL OR VETERINARY SCIENCE; HYGIENE
BDIAGNOSIS; SURGERY; IDENTIFICATION
5Detecting, measuring or recording for diagnostic purposes
103Detecting, measuring or recording devices for testing the shape, pattern, ; colour,; size or movement of the body or parts thereof, for diagnostic purposes
11Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
1126using a particular sensing technique
1128using image analysis
G06K 9/00342
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
00335Recognising movements or behaviour, e.g. recognition of gestures, dynamic facial expressions; Lip-reading
00342Recognition of whole body movements, e.g. for sport training
G06K 9/6256
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6217Design or setup of recognition systems and techniques; Extraction of features in feature space; Clustering techniques; Blind source separation
6256Obtaining sets of training patterns; Bootstrap methods, e.g. bagging, boosting
G06K 9/6267
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
KRECOGNITION OF DATA; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
9Methods or arrangements for reading or recognising printed or written characters or for recognising patterns, e.g. fingerprints
62Methods or arrangements for recognition using electronic means
6267Classification techniques
Applicants
  • 平安科技(深圳)有限公司 PING AN TECHNOLOGY (SHENZHEN) CO., LTD. [CN]/[CN]
Inventors
  • 周涛涛 ZHOU, Taotao
  • 周宝 ZHOU, Bao
  • 陈远旭 CHEN, Yuanxu
  • 肖京 XIAO, Jing
Agents
  • 北京英特普罗知识产权代理有限公司 INTELLECPRO CHINA LIMITED
Priority Data
201811433808.328.11.2018CN
Publication Language Chinese (ZH)
Filing Language Chinese (ZH)
Designated States
Title
(EN) BONE POINT-BASED FALL DETECTION METHOD AND FALL DETECTION DEVICE THEREFOR
(FR) PROCÉDÉ DE DÉTECTION DE CHUTE SUR LA BASE DES POINTS OSSEUX ET DISPOSITIF DE DÉTECTION DE CHUTE ASSOCIÉ
(ZH) 基于骨骼点的跌倒检测方法及其跌倒检测装置
Abstract
(EN)
The present application provides a bone point-based fall detection method and a fall detection device therefor. The method comprises: training a first feature extraction neural network by means of a first picture sample, the first feature extraction neural network being used for extracting a plurality of first feature points representing key bone points of a human body; inputting a second video sample to the trained first feature extraction neural network to obtain a plurality of second feature points representing the key bone points of the human body in the second video sample; encoding the plurality of second feature points to generate a prediction feature map; training a second behavior classification neural network by means of the prediction feature map, the second behavior classification neural network being used for classifying behaviors represented in the prediction feature map; and sequentially inputting video data of a monitored object into the trained first feature extraction neural network and the trained second behavior classification neural network to output a behavior category of the monitored object.
(FR)
La présente invention concerne un procédé de détection de chute sur la base des points osseux et un dispositif de détection de chute associé. Le procédé comprend : entraînement d'un premier réseau neuronal d'extraction de caractéristiques au moyen d'un premier échantillon d'image, le premier réseau neuronal d'extraction de caractéristiques étant utilisé pour extraire une pluralité de premiers points caractéristiques représentant des points osseux clés d'un corps humain ; entrée d'un deuxième échantillon vidéo dans le premier réseau neuronal d'extraction de caractéristique entraîné pour obtenir une pluralité de deuxièmes points caractéristiques représentant les points osseux clés du corps humain dans le deuxième échantillon vidéo ; codage de la pluralité de deuxièmes points caractéristiques pour générer une carte de caractéristiques de prédiction ; entraînement d'un deuxième réseau neuronal de classification de comportement au moyen de la carte de caractéristiques de prédiction, le deuxième réseau neuronal de classification de comportement étant utilisé pour classifier des comportements représentés dans la carte de caractéristiques de prédiction ; et entrée séquentielle des données vidéo d'un objet surveillé dans le premier réseau neuronal d'extraction de caractéristique entraîné et le deuxième réseau neuronal de classification de comportement entraîné pour délivrer en sortie une catégorie de comportement de l'objet surveillé.
(ZH)
本申请提供一种基于骨骼点的跌倒检测方法及其装置,所述方法包括:通过第一图片样本训练第一特征提取神经网络,所述第一特征提取神经网络用于提取表征人体上的关键骨骼点的多个第一特征点;将第二视频样本输入训练好的所述第一特征提取神经网络,得到表征所述第二视频样本中的人体的关键骨骼点的多个第二特征点;对所述多个第二特征点进行编码生成预测特征图;通过所述预测特征图训练第二行为分类神经网络,所述第二行为分类神经网络用于对所述预测特征图中表示的行为进行分类;将被监测对象的视频数据依次输入训练好的所述第一特征提取神经网络和所述第二行为分类神经网络,以输出所述被监测对象的行为类别。
Also published as
Latest bibliographic data on file with the International Bureau