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！

龙图腾网获悉无锡学院申请的专利一种复杂场景下跌倒检测方法、系统、电子设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117173786B 。

龙图腾网通过国家知识产权局官网在2025-12-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311141055.X，技术领域涉及：G06V40/20；该发明授权一种复杂场景下跌倒检测方法、系统、电子设备及介质是由徐萌兮;徐浩宇;朱菊香;许雪;王晟懿;陈璐;李长帅;岳曾豪设计研发完成，并于2023-09-06向国家知识产权局提交的专利申请。

本一种复杂场景下跌倒检测方法、系统、电子设备及介质在说明书摘要公布了：本发明公开了一种复杂场景下跌倒检测方法、系统、电子设备及介质，所述方法包括：S1：获取视频帧中包含人体的检测框区域；S2：建立VGG‑BiNLSTM跌倒行为检测模型：所述VGG‑BiNLSTM跌倒行为检测模型包括VGG网络、BiNLSTM网络；所述BiNLSTM网络构建过程为：改进LSTM网络，将LSTM网络预设的存储单元嵌套到原始LSTM网络存储单元中，构建NLSTM网络存储单元；S3：采用VGG网络对视频帧中包含人体的检测框区域进行特征提取，以捕获人体行为的特征向量；将特征向量送入VGG‑BiNLSTM跌倒行为检测模型中，利用连续帧之间的时序信息，实现对跌倒行为的检测与识别。通过本发明方法以解决传统的深度学习的跌倒检测方式可泛化性低的技术问题，实现对行人跌倒行为的准确检测。

本发明授权一种复杂场景下跌倒检测方法、系统、电子设备及介质在权利要求书中公布了：1.一种复杂场景下跌倒检测方法，其特征在于，包括以下步骤： S1：获取视频帧中包含人体的检测框区域； S2：建立VGG-BiNLSTM跌倒行为检测模型：所述VGG-BiNLSTM跌倒行为检测模型包括VGG网络、BiNLSTM网络；所述BiNLSTM网络构建过程为：改进LSTM网络，将LSTM网络预设的存储单元嵌套到原始LSTM网络存储单元中，构建NLSTM网络存储单元； 所述LSTM网络存储单元如公式1，LSTM网络存储单元的状态更新如公式2： 式中，xt为t时刻的输入向量，ht-1为隐藏层t-1时刻的状态向量，Wxi和Whi分别为xt与ht-1对应的权重矩阵，bi为偏重向量；σ表示sigmod函数，it表示每个存储单元中t时刻更新门的输出向量，ft表示t时刻遗忘门的输出向量，ot表示t时刻输出门的输出向量；gt和ct为t时刻的中间计算变量； 式中，为t时刻的输入向量，为隐藏层t-1时刻的状态向量； 所述改进LSTM网络，将LSTM网络预设的存储单元嵌套到原始LSTM网络存储单元中，构建NLSTM网络存储单元；具体为： 用LSTM网络存储单元替换原始LSTM模型中的计算方程，得到NLSTM网络存储单元；外层的NLSTM网络存储单元称为外部存储单元，内部的NLSTM网络存储单元称为内部存储单元；在原始LSTM网络存储单元中，存储单元的状态ct的更新如公式3所示： 在NLSTM网络存储单元中，存储单元的状态ct的更新被内部存储单元所取代，其中和分别用作短期内存和长期内存输入；内部存储单元的结构如公式4所示： 式中，和分别为与对应的权重矩阵，为偏重向量；表示sigmod函数，表示每个存储单元中t时刻更新门的输出向量，表示t时刻遗忘门的输出向量，表示t时刻输出门的输出向量；和为t时刻中间计算变量； 由于内部存储器的存在，存储单元的状态ct的更新方式变为如公式5所示： S3：采用VGG网络对视频帧中包含人体的检测框区域进行特征提取，以捕获人体行为的特征向量；将特征向量送入VGG-BiNLSTM跌倒行为检测模型中，利用连续帧之间的时序信息，实现对跌倒行为的检测与识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人无锡学院，其通讯地址为：214105 江苏省无锡市锡山区锡山大道333号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。