买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西南交通大学

摘要：本发明公开了一种基于BAT‑GCN的跌倒行为检测方法，具体为：采用TransPose模型对视频按30帧率，抽帧成T张图片作为输入图像，再把每张图中每个人的每个关键点抽象成一个二维坐标，构建骨架网络序列；对骨架网络进行数据归一化，将由10层的时空间图卷积操作器组成的BAT‑GCN模型作为行为分类模型的跌倒检测算法框架，经过计算后输出对60个动作类别预测的概率，取概率最高者作为对骨架网络序列的动作预测。本发明计算量更少、检测精度更高，满足在低算力硬件设备上实时检测跌倒动作的要求。

主权项：1.一种基于BAT-GCN的跌倒行为检测方法，其特征在于，将TransPose模型作为人体关节点检测模型，以及将BAT-GCN模型作为行为分类模型的跌倒检测算法框架，具体为：首先，TransPose模型对视频按30帧率，抽帧成T张图片作为输入图像，再把每张图中每个人的每个关键点抽象成一个二维坐标x,y，以关键点序号排序，组成一个序列，即为骨架网络，则T帧的图片的Pe个人的M个Cin，Cin＝2维的关键点，组成T×Pe×M×Cin维度的骨架网络，即为骨架网络序列；若其中一帧没有检测到Pe个人中某些人，那么这些人的骨架网络置零；这个骨架网络序列就是BAT-GCN的输入；然后，T×Pe×M×Cin维度的骨架网络进行数据归一化，即在BAT-GCN中会先转化为Pe个Cin×T×N维度的特征序列作为输入序列fin；其中，N表示关节连接的个数；由此，1×M维的关键点序列会转化为1×N维的关节连接序列；BAT-GCN模型由10层的时空间图卷积操作器ST-GCNBlock组成，具体的，β-GCN负责运算空间域C×N的卷积操作，TCN负责运算时间域C×T的卷积操作；前三层的输出通道数Cout为64，接下来三层的输出通道数为128，最后四层的输出通道数为256；TCN是在时间维度上的一维卷积，卷积核大小为1×9，计算过程可由公式1表示： 其中，t表示一维卷积核权重的位置，TCN在空间维度上共享关节连接N的权重，Tdi表示时间维度上的特征，i则表示特征时间维度上的位置，Ket表示时间卷积核；对于时空间图卷积操作器输出的特征序列，全局平均池化操作层对时间域和空间域进行平均池化运算，输出Cout×1维的序列；最后经过全连接层，输出对60个动作类别预测的概率，取概率最高者作为对骨架网络序列的动作预测。

全文数据：

权利要求：

百度查询： 西南交通大学 一种基于BAT-GCN的跌倒行为检测方法