基于python的室内老人实时摔倒智能监测系统-跌倒检测系统(康复训练检测+代码)

简介: 基于python的室内老人实时摔倒智能监测系统-跌倒检测系统(康复训练检测+代码)

概述

  • 导入所需的库,包括cv2、和numpy
  • 定义了一个用于计算角度的函数calculate_angle(a, b, c),其中a、b和c是三个关键点的坐标。
  • 初始化姿态检测和绘图工具。
  • 打开并读取视频文件。

-摔倒检测(fallen)

  • 循环遍历视频的每一帧: a. 将帧转换为RGB格式。 b. 使用MediaPipe进行姿态检测,得到结果。 c.
    将帧重新转换为BGR格式。 d. 从结果中提取关键点的坐标。 e. 调用calculate_angle函数计算角度。
  • 该代码的研究原理是利用姿态识别技术来检测人体的关键点,并根据这些关键点的位置计算出特定关节的角度。在这段代码中,使用了姿态检测功能来获取人体的关键点坐标。然后,根据关键点的位置,计算出左眼、左髋、左脚跟、右眼、右髋、右脚跟、右手食指、左手食指之间的角度。


抬手检测

• 1

angle1 = calculate_angle(left_eye, left_hip, left_heel)

angle2 = calculate_angle(right_eye, right_hip, right_heel)


            
            # Visualize angle
            cv2.putText(image, str(angle1), 
                           tuple(np.multiply(left_hip, [640, 480]).astype(int)), 
                           cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2, cv2.LINE_AA
                                )
            cv2.putText(image, str(angle2), 
                           tuple(np.multiply(right_hip, [640, 480]).astype(int)), 
                           cv2.FONT_HERSHEY_SIMPLEX, 0.5, (255, 255, 255), 2, cv2.LINE_AA
                                )
            print(f"left_eye={left_eye}")
            print(f"right_eye={right_eye}")
            
            print(f"left_hip={left_hip}")
            print(f"right_hip={right_hip}")

            print(f"left_heel={left_heel}")
            print(f"right_heel={right_heel}")

            print(f"right index={right_index}")
            print(f"left index={left_index}")

            if ((left_eye[0]>=0.41 and left_eye[0]<=0.43) and (left_hip[0]>=0.44 and left_hip[0]<=0.46) and (left_heel[0]>=0.41 and left_heel[0]<=0.43) or (right_eye[0]>=0.41 and right_eye[0]<=0.43) and (right_hip[0]<=0.43 and right_hip[0]>=0.41) and (right_heel[0]>=0.37 and right_heel[0]<=0.39)):

                if ((left_eye[1]>=0.24 and left_eye[1]<=0.33) and (left_hip[1]<=0.35 and left_hip[1]>=0.45) and (left_heel[1]<=0.74 and left_heel[1]>=0.72) or (right_eye[1]<=0.30 and right_eye[1]>=0.24) and (right_hip[1]<=0.50 and right_hip[1]>=0.32) and (right_heel[1]>=0.71 and right_heel[0]<=0.73)):
                    stage = "safe :)"
            # Curl counter logic
            else:
                if angle1 != angle2 and (angle1>170 and angle2>170):
                    if (((right_index[0]<0.70 and right_index[0]>0.20) and (right_index[1]<0.56 and right_index[1]>0.15)) or ((left_index[0]<0.55 and left_index[0]>0.18) and (left_index[1]<0.56 and left_index[1]>0.15))):
                        stage="Hanging on !!"
                    else:
                        stage = "fallen :("    

                elif angle1 != angle2 and (angle1<140 or angle2<140) :
                    stage = "Trying to Walk"
                elif angle1!=angle2 and ((angle1<168 and angle1>140) and (angle2<168 and angle2>140)):
                    stage="Barely Walking"
                else:
                    pass

这段代码可以用于识别人体的摔倒动作。通过检测特定角度的变化,可以判断人体是否发生了摔倒行为。例如,当角度超过一定阈值时,可以认定为摔倒,并进行相应的处理操作。


需要注意的是,该段代码仅提供了角度计算的基础框架,具体的摔倒检测算法需要根据实际需求进行进一步的开发和优化


接下来,进入一个循环,不断读取视频的每一帧。在每一帧中,首先通过cv2.cvtColor函数将图像从BGR格式转换为RGB格式,因为mediapipe库需要RGB格式的图像进行处理。然后,将图像的可写属性设置为False,确保图像数据不可更改。

结果展示

摔倒时

接下来,从结果对象中提取姿态关键点的坐标。通过属性可以获取到每个关键点的坐标,例如左眼、左髋、左脚跟、右眼、右髋、右脚跟、右手食指和左手食指等。

正常安全状态时

最后,在获取到关键点坐标之后,调用calculate_angle函数计算特定关节之间的角度。这些关节包括左眼、左髋、左脚跟、右眼、右髋、右脚跟、右手食指和左手食指。


通过检测特定角度的变化,可以判断人体是否发生了摔倒行为。例如,当角度超过一定阈值时,可以认定为摔倒,并进行相应的处理操作。摔倒检测是一个重要的研究领域,可以应用于老年人护理、安全监控等领域。


正常行走状态时

应用领域

摔倒检测技术在多个领域都有应用的潜力。以下是一些可能的应用领域:


  1. 老年人照护:老年人摔倒是导致伤害和事故的主要原因之一。通过使用摔倒检测技术,可以实时监测老年人的姿态并及时发现是否发生了摔倒事件。一旦检测到摔倒,系统可以自动触发警报、通知护理人员或紧急救援服务。
  2. 安全监控:在公共场所、工业领域和建筑工地等环境中,摔倒检测技术可以用于监测员工、访客或工人的安全。一旦检测到摔倒,系统可以立即发出警报,以便采取必要的紧急措施。
  3. 运动训练:在体育训练和康复治疗中,摔倒检测技术可以帮助教练或治疗师监测运动员或患者的姿势和动作。通过实时检测和反馈,可以改善运动技能、预防运动损伤,并提高康复治疗的效果。
  4. 虚拟现实:在虚拟现实(VR)和增强现实(AR)应用中,摔倒检测技术可以用于更加真实和沉浸的用户体验。通过监测用户的姿态和动作,系统可以相应地调整虚拟世界的呈现,以提供更加逼真和交互性的体验。
  5. 自动驾驶汽车:在自动驾驶汽车领域,摔倒检测技术可以用于监测乘客或驾驶员的状态。一旦检测到乘客或驾驶员发生摔倒,系统可以自动采取措施,如停车、呼叫急救等,以确保安全。


这些应用领域只是摔倒检测技术潜在应用的一部分。随着技术的不断发展和创新,摔倒检测技术可能在更多领域得到应用,并为人们的生活带来更多便利和安全。

相关文章
|
6天前
|
测试技术 开发者 Python
Python单元测试入门:3个核心断言方法,帮你快速定位代码bug
本文介绍Python单元测试基础,详解`unittest`框架中的三大核心断言方法:`assertEqual`验证值相等,`assertTrue`和`assertFalse`判断条件真假。通过实例演示其用法,帮助开发者自动化检测代码逻辑,提升测试效率与可靠性。
65 1
|
9天前
|
机器学习/深度学习 算法 调度
基于多动作深度强化学习的柔性车间调度研究(Python代码实现)
基于多动作深度强化学习的柔性车间调度研究(Python代码实现)
|
7天前
|
IDE 开发工具 开发者
Python类型注解:提升代码可读性与健壮性
Python类型注解:提升代码可读性与健壮性
166 102
|
5天前
|
存储 大数据 Unix
Python生成器 vs 迭代器:从内存到代码的深度解析
在Python中,处理大数据或无限序列时,迭代器与生成器可避免内存溢出。迭代器通过`__iter__`和`__next__`手动实现,控制灵活;生成器用`yield`自动实现,代码简洁、内存高效。生成器适合大文件读取、惰性计算等场景,是性能优化的关键工具。
72 2
|
9天前
|
安全 大数据 程序员
Python operator模块的methodcaller:一行代码搞定对象方法调用的黑科技
`operator.methodcaller`是Python中处理对象方法调用的高效工具,替代冗长Lambda,提升代码可读性与性能。适用于数据过滤、排序、转换等场景,支持参数传递与链式调用,是函数式编程的隐藏利器。
47 4
|
10天前
|
机器学习/深度学习 数据采集 并行计算
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
多步预测系列 | LSTM、CNN、Transformer、TCN、串行、并行模型集合研究(Python代码实现)
103 2
|
10天前
|
机器学习/深度学习 数据采集 算法
独家原创 | CEEMDAN-CNN-GRU-GlobalAttention + XGBoost组合预测研究(Python代码实现)
独家原创 | CEEMDAN-CNN-GRU-GlobalAttention + XGBoost组合预测研究(Python代码实现)
|
11天前
|
算法 调度 决策智能
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
【两阶段鲁棒优化】利用列-约束生成方法求解两阶段鲁棒优化问题(Python代码实现)
|
11天前
|
JavaScript 前端开发 安全
【逆向】Python 调用 JS 代码实战:使用 pyexecjs 与 Node.js 无缝衔接
本文介绍了如何使用 Python 的轻量级库 `pyexecjs` 调用 JavaScript 代码,并结合 Node.js 实现完整的执行流程。内容涵盖环境搭建、基本使用、常见问题解决方案及爬虫逆向分析中的实战技巧,帮助开发者在 Python 中高效处理 JS 逻辑。
|
11天前
|
机器学习/深度学习 算法 机器人
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)
【机器人路径规划】基于D*算法的机器人路径规划(Python代码实现)

推荐镜像

更多