(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 202210079525.3 (22)申请日 2022.01.24 (71)申请人 南京邮电大 学 地址 210003 江苏省南京市 鼓楼区新模范 马路66号 (72)发明人 李晓飞　卫金金　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. A61B 5/11(2006.01) A61B 5/0205(2006.01) A61B 5/00(2006.01) H04N 7/18(2006.01) G06V 40/16(2022.01)G06K 9/00(2022.01) G06V 10/44(2022.01) G06V 10/80(2022.01) G06V 10/764(2022.01) G06V 10/82(2022.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种融合身份特征的独居老人跌倒识别方 法及系统 (57)摘要 本发明公开了一种融合身份特征的独居老 人跌倒识别方法， 所述方法包括： 获取人体反射 信号和居家环境下的监控视频， 并进行时间同 步； 基于人体反射信号， 当居家环境内人数为1 时， 提取人体心率与呼吸率； 基于监控视频进行 人脸识别， 当识别是被监护独居老人时， 监测独 居老人的心率与呼吸率； 基于监控视频中的图像 进行跌倒动作识别， 得到独居老人跌倒识别结果 和跌倒置信度； 将提取与监测的心率与呼吸率进 行加权融合， 进行异常/正 常分类， 得到分类结果 及异常置信度； 将跌倒置信 度与异常置信度进行 最大值融合， 得到融合跌倒置信度， 以此识别独 居老人的跌倒情况。 本发明能够弥补现有跌倒识 别系统缺少独居老人身份信息的问题， 能够有针 对性地监护识别。 权利要求书2页 说明书7页 附图1页 CN 114469076 A 2022.05.13 CN 114469076 A 1.一种融合身份特 征的独居老人跌倒识别方法， 其特 征在于， 包括： 获取人体反射信号和居家 环境下的监控视频， 并进行时间同步； 基于人体反射信号， 当居家环境内人数为1时， 从人体反射信号中提取人体心率与呼吸 率； 基于监控视频进 行人脸识别， 当识别是被监护的独居老人时， 监测独居老人当前的心 率 与呼吸率； 基于监控视频中的图像进行跌倒动作识别， 得到独居老人跌倒识别结果和跌倒 置信度； 将提取的心率与呼吸率与监测的心率与呼吸率进行加权融合， 将加权融合结果进行异 常/正常分类， 得到分类结果及异常置信度； 将跌倒置信度与异常置信度进行最大值融合， 得到融合跌倒置信度， 以此识别独居老人的跌倒情况。 2.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法， 其特征在于， 所述 时 间同步包括： 根据获取人体反射信号的雷达和获取居家环境下的监控视频的摄像头采样的速率差， 取雷达和摄像头采样周期的公倍数为采样时刻， 将采样时刻的人体反射信号和监控视频进 行数据融合， 完成时间同步。 3.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法， 其特征在于， 所述从 人体反射信号中提取 人体心率与呼吸率， 包括： 对获取到的人体反射信号采用 恒虚警率算法进行处理， 检测人体目标， 确定居家环境 内的人数； 当人数为1时， 根据心跳和呼吸信号的频率特性， 采用0.9 ‑2Hz的带通滤波器对获取到 的人体反射信号进行 处理， 提取心跳信号； 采用0.1 ‑0.8Hz的带通滤波器对获取到的人体反 射信号进行处 理， 提取呼吸信号； 对提取到的心跳信号和呼吸信号进行降采样并基于快速傅里叶变换进行频谱估计， 得 到人体心率与呼吸率e1以及置信度c1。 4.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法， 其特征在于， 所述基 于监控视频进行 人脸识别， 包括： 将监控视频中的图像序列输入MTCNN人脸检测网络， 标定出人脸区域坐标与5个关键点 坐标； 根据标定结果， 确定居家 环境内的人 数； 当人数为1时， 将标定的人脸区域进行对齐， 利用dlib图形库中的Face_recognition进 行特征提取， 得到128维向量； 计算得到的128维向量与人脸库中的特 征之间的欧式距离； 基于计算结果确定识别到的人脸是否为被监护的独居老人， 当确定是被监护的独居老 人时， 跟踪并提取 人脸区域。 5.根据权利要求4所述的融合身份特征的独居老人跌倒识别方法， 其特征在于， 所述监 测独居老人当前的心率与呼吸率， 包括： 对提取的人脸区域进行依次欧拉影像颜色放大、 互补集合经验模态分解、 联合盲源分 离和三阶巴特沃 斯带通滤波器， 得到独居老人当前的心率与呼吸率e2以及置信度c2； 响应于对人脸区域的跟踪， 实现对独居老人当前的心率与呼吸率的监测。 6.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法， 其特征在于， 所述将权　利　要　求　书 1/2 页 2 CN 114469076 A 2提取的心率与呼吸率与监测的心率与呼吸率进行加权融合， 通过 下式表示： 式(1)中， e(k)表示加权融合的生命特征， ei(k)包括心率与呼吸率在k时刻的估计值， 包 括提取的心率与呼吸率在k时刻的估计值e1(k)、 监测的心率与呼吸率在k时刻的估计值e2 (k)； ωi表示权重， 通过下式进行计算： 式(2)中， ci表示置信度， 包括提取的心率与呼吸率的置信度c1、 监测的心率与呼吸率 的置信度c2。 7.根据权利要求1所述的融合身份特征的独居老人跌倒识别方法， 其特征在于， 还包 括： 当识别独居老人跌倒， 将跌倒情况发送至亲属手机端和医疗机构服 务平台。 8.一种融合身份特征的独居老人跌倒识别系统， 其特征在于， 包括： 微波射频感知模 块、 AI摄像头模块和数据融合分析模块； 所述微波射频感知模块获取人体反射信号进行处理， 提取心率与呼吸率并传输至数据 融合分析模块； 所述AI摄像头模块获取居家环境下的监控视频进行处理， 监测 心率与呼吸率并传输至 数据融合分析模块； 所述数据融合分析模块用于将提取的心率与呼吸率与监测的心率与呼吸率进行加权 融合， 将加权融合结果进行异常/正常分类， 得到分类结果及异常置信度； 将跌倒置信度与 异常置信度进行最大值融合， 得到融合跌倒置信度， 以此识别独居老人的跌倒情况。 9.根据权利要求8所述的融合身份特征的独居老人跌倒识别系统， 其特征在于， 还包 括： 终端通讯模块， 所述终端通讯模块用于将识别到的独居老人跌倒情况发送至亲属手机端和医疗机构 服务平台。 10.一种存储一个或多个程序的计算机可读存储介质， 其特征在于， 所述一个或多个程 序包括指令， 所述指令当由计算设备执行时， 使得所述计算设备执行根据权利要求1至7所 述的方法中的任一方法。权　利　要　求　书 2/2 页 3 CN 114469076 A 3