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:
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;
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;
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:
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: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;
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。
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。
4.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: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。
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: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。
6.一种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:
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;
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;
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:
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: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;
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;
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。
7.根据权利要求6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;
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;
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:
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;
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: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。
8.一种终端设备,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5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。