一种ASCII艺术视觉隐私保护和跌倒检测的实现方法及系统
本发明涉及计算机视觉和模式识别，具体的是一种ascii艺术视觉隐私保护和跌倒检测的实现方法及系统。
背景技术：
1、由于缺乏可靠的跌倒检测系统，长期以来一直是家庭健康监测的一个严重问题。一段录像监控系统可用于监控家中的老年人来检测跌倒，但这种智能的传统实现方式检测未达到个人隐私相关考虑；此外，许多人不希望自己的行为被人看到。因此找到一种兼顾安全监护和隐私保护的跌倒行为检测算法具有十分重要的现实意义和应用价值。
2、最近几年关于跌倒检测研究的热度趋势正在逐步增加，国内外的研究人员对人体行为识别和跌倒检测技术都已经进行了较深入的研究，从不同的实现方法来看，跌倒人员检测技术主要分为三种：基于可穿戴设备的跌倒检测技术，通常在用户可穿戴设备中嵌入传感器。虽然可穿戴设备对环境敏感，但长时间佩戴会给用户带来一定程度的不适。可用性困难，老年人在日常生活中可能会忘记佩戴这些设备，此外，这种传感器容易产生错误警告，因此不可靠；基于场景感知的跌倒检测技术，利用放置在行人步行区域周围的非视频传感器来捕获人体特征信息，来记录老年人的行为数据。然而，该方法由于成本高且易受噪声等环境干扰而导致检测错误率较高，并且难以维护，因此适用性有限；基于计算机视觉的跌倒检测技术，通过检测现场的固定图像或视频采集设备收集图像或视频数据，然后通过图像或视频处理进行人体行为识别，从而来判断是否发生了跌倒事件。该方法最大的特点就是设备安装简单、成本低、干扰小，而且摄像机还可以同时记录各种日常活动。但是，传统的基于视觉的跌倒检测方法可能会触及到参与者的隐私权益。
3、目前，随物联网技术的飞速发展，摄像设备被广泛部署于众多公共空间以实现监控目的。由于它们潜在的隐私侵犯问题，这些方法在私人住宅的应用受到质疑。
技术实现思路
1、为解决上述背景技术中提到的不足，本发明的目的在于提供一种ascii艺术视觉隐私保护和跌倒检测的实现方法及系统。
2、第一方面，本发明的目的可以通过以下技术方案实现：一种ascii艺术视觉隐私保护和跌倒检测的实现方法，方法包括以下步骤：
3、接收原始跌倒行为数据集，利用文生视频技术对原始跌倒行为数据集进行补充，得到补充跌倒行为数据集，对补充跌倒行为数据集进行预处理，得到视频帧图像产生视觉隐私保护效果的视隐态视频数据；
4、提取补充跌倒行为数据集内的图像特征，将图像特征输入至预先建立的支持向量回归模型内，输出得到图像隐私保护分数；
5、对视频帧图像产生视觉隐私保护效果的视隐态视频数据内丢失的特征进行补充，得到处理后的视隐态视频数据，将处理后的视隐态视频数据输入至预先建立的基于yolo+姿态估计模型内，输出得到跌倒行为检测结果。
6、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述利用文生视频技术对原始跌倒行为数据集进行补充的过程：在原始跌倒行为数据集基础上增加了多种场景，并且还考虑到了居家老人的年龄、性别、穿着、场景地点等因素，并采用场景识别模型对补充的数据集进行验证其可行性，最终得到补充跌倒行为数据集。
7、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述对补充跌倒行为数据集进行预处理的过程包括：根据视频片段中是否发生跌倒行为将视频数据分为正负样本集合，并分别在正负样本集合上标记相应的类别标签，并且运用场景识别模型评估补充数据集视频数据的实用性，再基于ascii艺术技术对扩充视频数据进行ascii艺术编码处理，最终得到视频帧图像产生视觉隐私保护效果的视隐态视频数据。
8、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述基于ascii艺术技术对扩充视频数据进行ascii艺术编码处理的计算过程如下：
9、首先进行灰度化，彩色图像中每个像素的颜色有red、green、blue三个分量决定，而每个分量有255个中值可取，当这三个分量相同就得到想要的灰度图像x，然后将m×n像素的灰度图像x根据所选择字体的比例划分为n个相同的m×n小块；即x＝[x1,x2,...xn]，每个这种块将输出成为一个字符，对于每个像素块，选择一个字符，其灰度值的像素块平均值yi的良好近似，然后，通过以下方式对每个像素块进行像素块平均值运算：
10、
11、其中zi作为图像x的第i个像素块的总和，为图像x的第i个像素的空间大小，yi为灰度值图像x的第i个像素块的平均值。
12、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述提取补充跌倒行为数据集内的图像特征通过提取显著性结构特征ssf和密集颜色特征dcf。
13、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述对视频帧图像产生视觉隐私保护效果的视隐态视频数据内丢失的特征进行补充的过程：
14、利用sym-track框架对画质大幅降低的视隐态视频数据进行精确有效地分割和跟踪视频中的主体对象，提取视隐态视频帧中主体对象的运动轨迹时空特征。
15、结合第一方面，在第一方面的某些实现方式中，该方法还包括：所述将处理后的视隐态视频数据输入至预先建立的基于yolo+姿态估计模型内，输出得到跌倒行为检测结果的过程：
16、利用yolov7进行目标检测，然后将检测到的目标框信息输入pose模型进行姿态估计，获得准确的目标检测和姿态估计结果，所利用的yolov7+姿态估计模型在深度卷积神经网络架构的基础上，接受输入图像并生成特征图，然后用于预测每个人的关键点位置，通过对ascii艺术编码后的跌倒视频进行目标跟踪后，对处理后的视隐态视频数据进行跌倒检测，得到跌倒行为检测结果。
17、第二方面，为了达到上述目的，本发明公开了一种ascii艺术视觉隐私保护和跌倒检测的实现系统，包括：
18、数据处理模块，用于接收原始跌倒行为数据集，利用文生视频技术对原始跌倒行为数据集进行补充，得到补充跌倒行为数据集，对补充跌倒行为数据集进行预处理，得到视频帧图像产生视觉隐私保护效果的视隐态视频数据；
19、隐私保护模块，用于提取补充跌倒行为数据集内的图像特征，将图像特征输入至预先建立的支持向量回归模型内，输出得到图像隐私保护分数；
20、跌倒检测模块，用于对视频帧图像产生视觉隐私保护效果的视隐态视频数据内丢失的特征进行补充，得到处理后的视隐态视频数据，将处理后的视隐态视频数据输入至预先建立的基于yolo+姿态估计模型内，输出得到跌倒行为检测结果。
21、结合第二方面，在第二方面的某些实现方式中，该系统还包括：所述数据处理模块内利用文生视频技术对原始跌倒行为数据集进行补充的过程：在原始跌倒行为数据集基础上增加了多种场景，并且还考虑到了居家老人的年龄、性别、穿着、场景地点等因素，并采用场景识别模型对补充的数据集进行验证其可行性，最终得到补充跌倒行为数据集；
22、或者数据处理模块内对补充跌倒行为数据集进行预处理的过程包括：根据视频片段中是否发生跌倒行为将视频数据分为正负样本集合，并分别在正负样本集合上标记相应的类别标签，并且运用场景识别模型评估补充数据集视频数据的实用性，再基于ascii艺术技术对扩充视频数据进行ascii艺术编码处理，最终得到视频帧图像产生视觉隐私保护效果的视隐态视频数据；
23、或者数据处理模块内基于ascii艺术技术对扩充视频数据进行ascii艺术编码处理的计算过程如下：
24、首先进行灰度化，彩色图像中每个像素的颜色有red、green、blue三个分量决定，而每个分量有255个中值可取，当这三个分量相同就得到想要的灰度图像x，然后将m×n像素的灰度图像x根据所选择字体的比例划分为n个相同的m×n小块；即x＝[x1,x2,...xn]，每个这种块将输出成为一个字符，对于每个像素块，选择一个字符，其灰度值的像素块平均值yi的良好近似，然后，通过以下方式对每个像素块进行像素块平均值运算：
25、
26、其中zi作为图像x的第i个像素块的总和，为图像x的第i个像素的空间大小，yi为灰度值图像x的第i个像素块的平均值；
27、优选地，隐私保护模块内提取补充跌倒行为数据集内的图像特征通过提取显著性结构特征ssf和密集颜色特征dcf；
28、优选地，跌倒检测模块内对视频帧图像产生视觉隐私保护效果的视隐态视频数据内丢失的特征进行补充的过程：
29、利用sym-track框架对画质大幅降低的视隐态视频数据进行精确有效地分割和跟踪视频中的主体对象，提取视隐态视频帧中主体对象的运动轨迹时空特征；
30、优选地，跌倒检测模块内将处理后的视隐态视频数据输入至预先建立的基于yolo+姿态估计模型内，输出得到跌倒行为检测结果的过程：
31、利用yolov7进行目标检测，然后将检测到的目标框信息输入pose模型进行姿态估计，获得准确的目标检测和姿态估计结果，所利用的yolov7+姿态估计模型在深度卷积神经网络架构的基础上，接受输入图像并生成特征图，然后用于预测每个人的关键点位置，通过对ascii艺术编码后的跌倒视频进行目标跟踪后，对处理后的视隐态视频数据进行跌倒检测，得到跌倒行为检测结果。
32、在本发明的另一方面，为了达到上述目的，公开了一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了如上所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法。
33、本发明的有益效果：
34、本发明通过将ascii艺术技术引入了传统的基于视觉的跌倒检测系统中，对监控视频进行编码处理，在消除视觉信息产生视觉隐私保护效果的同时在传统的老人跌倒检测数据集的基础上增加了多种场景和人物特征的多样性，丰富了数据集的多样性，既解决了目前基于视觉监控方法中隐私侵犯的问题，也提高了跌倒检测的实时性能。
技术特征：
1.一种ascii艺术视觉隐私保护和跌倒检测的实现方法，其特征在于，方法包括以下步骤：
2.根据权利要求1所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法，其特征在于，所述利用文生视频技术对原始跌倒行为数据集进行补充的过程：在原始跌倒行为数据集基础上增加了多种场景，并且还考虑到了居家老人的年龄、性别、穿着、场景地点等因素，并采用场景识别模型对补充的数据集进行验证其可行性，最终得到补充跌倒行为数据集。
3.根据权利要求1所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法，其特征在于，所述对补充跌倒行为数据集进行预处理的过程包括：根据视频片段中是否发生跌倒行为将视频数据分为正负样本集合，并分别在正负样本集合上标记相应的类别标签，并且运用场景识别模型评估补充数据集视频数据的实用性，再基于ascii艺术技术对扩充视频数据进行ascii艺术编码处理，最终得到视频帧图像产生视觉隐私保护效果的视隐态视频数据。
4.根据权利要求3所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法，其特征在于，所述基于ascii艺术技术对扩充视频数据进行ascii艺术编码处理的计算过程如下：
5.根据权利要求1所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法，其特征在于，所述提取补充跌倒行为数据集内的图像特征通过提取显著性结构特征ssf和密集颜色特征dcf。
6.根据权利要求1所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法，其特征在于，所述对视频帧图像产生视觉隐私保护效果的视隐态视频数据内丢失的特征进行补充的过程：
7.根据权利要求1所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法，其特征在于，所述将处理后的视隐态视频数据输入至预先建立的基于yolo+姿态估计模型内，输出得到跌倒行为检测结果的过程：
8.一种ascii艺术视觉隐私保护和跌倒检测的实现系统，其特征在于，包括：
9.根据权利要求8所述的一种ascii艺术视觉隐私保护和跌倒检测的实现系统，其特征在于，所述数据处理模块内利用文生视频技术对原始跌倒行为数据集进行补充的过程：在原始跌倒行为数据集基础上增加了多种场景，并且还考虑到了居家老人的年龄、性别、穿着、场景地点等因素，并采用场景识别模型对补充的数据集进行验证其可行性，最终得到补充跌倒行为数据集；
10.一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了权利要求1至7中任一项所述的一种ascii艺术视觉隐私保护和跌倒检测的实现方法。
技术总结
本发明公开了一种ASCII艺术视觉隐私保护和跌倒检测的实现方法及系统，涉及计算机视觉和模式识别技术领域，包括：接收原始跌倒行为数据集，利用文生视频技术对原始跌倒行为数据集进行补充，得到补充跌倒行为数据集，对补充跌倒行为数据集进行预处理，得到视频帧图像产生视觉隐私保护效果的视隐态视频数据；提取补充跌倒行为数据集内的图像特征，将图像特征输入至预先建立的支持向量回归模型内，输出得到图像隐私保护分数；对视频帧图像产生视觉隐私保护效果的视隐态视频数据内丢失的特征进行补充，得到处理后的视隐态视频数据，将处理后的视隐态视频数据输入至预先建立的基于YOLO+姿态估计模型内，输出得到跌倒行为检测结果。
技术研发人员：刘佶鑫,朱淑勤,孙宁,杨海根,孙海安
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/9/23