[發(fā)明專利]基于金字塔匹配直方圖交叉核的人體睡眠姿態(tài)檢測方法

在審

• 申請?zhí)枺?/td>: 201510976121.4
• 申請日: 2015-12-23
• 公開（公告）號: CN105488491A
• 公開（公告）日: 2016-04-13
• 發(fā)明（設(shè)計）人: 任愛鋒;董彬彬;楊曉東;呂翔宇
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06K9/46
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

技術(shù)領(lǐng)域

本發(fā)明屬于生物醫(yī)學信息技術(shù)領(lǐng)域，尤其涉及基于金字塔匹配直方圖交叉核的人 體睡眠姿態(tài)檢測方法。

背景技術(shù)

在日常生活中，由于錯誤睡姿使得局部組織遭受嚴重壓力，讓人們患上褥瘡，尤其 是臥床不起的病人。而且錯誤的睡姿可能引起心臟疾病和頸椎疾病等。所以研究不同的睡 眠姿勢對監(jiān)視，健康護理，老年看護是重要的。所以人體睡眠姿態(tài)識別是一個重要研究方 向，它的最終目的是輸出一個人的整體或者局部肢體的結(jié)構(gòu)參數(shù)。睡眠姿態(tài)識別的研究方 法應(yīng)該說，涉及了生物醫(yī)學工程、生物醫(yī)學信息學等。以往有些基于這方面研究的方法都是 基于普通光學圖像，比如常見的RGB圖像，這類圖像容易受光照、陰影等外界變化的影響，或 者基于ECG信號，并且由于人體關(guān)節(jié)自由度大，及人的體型、著裝較大差異性，常導致睡眠姿 態(tài)識別系統(tǒng)識別不準確。隨著光電技術(shù)的快速發(fā)展，深度傳感設(shè)備的成本逐漸降低，人們獲 取深度圖像的方法也越來越多。該方向的研究也越來越成為計算機視覺領(lǐng)域的研究趨勢。 具體原因包括：一方面，深度傳感設(shè)備不僅操作簡單，并且極大簡化了普通照相機的標定過 程；另一方面，得到的深度圖像由于直接包含了人體的深度信息，能夠有效的克服普通光學 圖像遇到的上述問題。從深度圖像中進行姿態(tài)識別不僅具有研究意義，更重要的是人體睡 眠姿態(tài)識別具有廣闊的應(yīng)用前景與商業(yè)價值，以下是它幾個典型的應(yīng)用領(lǐng)域：1)智能監(jiān)控 系統(tǒng)(參見：VinczeM，ZillichM，PonweiserW，etal.Integratedvisionsystemforthe semanticinterpretationofactivitieswhereapersonhandlesobjects[J]， ComputerVisionandImageUnderstanding，2009，113(6):682-692)；2)高級人機交互；3) 遠程醫(yī)療。基于普通光學圖像的睡眠姿態(tài)估計主要有基于模型和基于無模型兩類，對于前 者的方法而言，要將預先構(gòu)造的人體模型與圖像中人體構(gòu)造的各部分的形狀、色彩、輪廓等 特征對應(yīng)起來，以求解人體模型的各種參數(shù)，這種方法不需要龐大的樣本庫和穩(wěn)定的估計 算法，但由于該方法被復雜模型所限制不被通用，并且也不適合目前普遍具有海量數(shù)據(jù)的 實際應(yīng)用領(lǐng)域；基于無模型方法不需要事先構(gòu)造人體模型，而是以一種學習的方式來構(gòu)造 人體特征與人體睡眠姿態(tài)之間的映射關(guān)系。無模型方法通過學習方法改善人體睡眠姿態(tài)識 別效果，適合當前的應(yīng)用需求。然而，這些方法都是從圖像中提取色彩、輪廓、形狀、邊緣等 特征，由于普通光學圖像容易受光照、陰影等變化因數(shù)的影響，所以所提取的該類特征的魯 棒性及有效性較差。與普通光學圖像相比，深度圖像包含了更為豐富的空間信息，從中既可 以提取物體輪廓、形狀區(qū)域特征，還可以提取出模型外觀的立體特征，而且深度圖像像素記 錄的因為是距離信息，具有顏色無關(guān)性，所以這在一定程度上克服了普通光學圖像遇到的 上述問題，隨著光電技術(shù)的發(fā)展，很多研究學者結(jié)合深度圖像性質(zhì)把很多經(jīng)典算法應(yīng)用在 該類圖像上。比如LuXia(參照：XiaL，ChenCC，AggarwalJ.K.Humandetectionusing depthinformationbyKinect[C]，CVPRW，2011.)等人結(jié)合像素深度信息利用Canny算子 從圖像中提取邊緣特征，通過距離變換和模型匹配，進行部位檢測的方法來識別姿態(tài)；盡管 上述方法在一定程度上彌補了普通光學圖像的缺點，但礙于一般傳感設(shè)備不適用任何環(huán)境 等因素，基于深度圖像的人體睡眠姿態(tài)識別一直沒有突破性的進展。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種新的基于金字塔匹配直方圖交叉核的人體睡眠姿態(tài) 檢測方法，旨在解決現(xiàn)有的人體睡眠姿態(tài)檢測方法單一和準確率低的問題。

本發(fā)明是這樣實現(xiàn)的，基于金字塔匹配直方圖交叉核的人體睡眠姿態(tài)檢測方法， 所述基于金字塔匹配直方圖交叉核的人體睡眠姿態(tài)檢測方法包括：

采用Artec和Kinect采集數(shù)據(jù)；

通過平移和縮放坐標系統(tǒng)的尺度將每個3維人體睡眠模型從模型的中心移動到 坐標系統(tǒng)的原點，坐標軸的最大值變?yōu)?，建立出每個模型其自己的協(xié)調(diào)的系統(tǒng)；