[發明專利]一種基于人體姿態跟蹤分析的室內危險情況告警的方法

有效

• 申請號: 201611262400.5
• 申請日: 2016-12-30
• 公開（公告）號: CN107045623B
• 公開（公告）日: 2020-01-21
• 發明（設計）人: 黃春輝;賈寶芝;曾環樣;胡燕彬
• 申請（專利權）人: 廈門瑞為信息技術有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G08B19/00
• 代理公司: 11732 北京睿智保誠專利代理事務所(普通合伙)
• 代理人: 楊海明

本發明一種基于人體姿態跟蹤分析的室內危險情況告警的方法，將基于人工智能網絡的人體識別技術應用在空調等家用電器上，改善原有家用電器單一的功能，增加判斷識別兒童在家的一些可能造成傷害的危險行為，如搬動家電、攀爬高處以及觸摸插座等，發現危險行為時，能及時觸發告警，以及增加判斷識別老人在家中不小心摔倒或者發出特定求救手勢時，能及時觸發告警；進一步判斷家中是否有危險情況，例如火災等，若發現能及時觸發告警。

技術領域

本發明涉及一種基于人體姿態跟蹤分析的室內危險情況告警的方法。

背景技術

動作捕捉 (Motion Capture) 是一種記錄物體移動的過程并將其模擬到數字模型中的測量技術。動作捕捉涉及測量、物理定位、空間定位等多種計算方法，以及數據與計算機之間的互通和處理。通過在運動物體的關鍵部位設置跟蹤器或者通過其他手段獲取目標點的位置，再經過計算機處理后得到三維空間坐標的數據，并將該數據應用在動畫制作、步態分析、生物力學、人機工程等領域。

人體識別，特指利用分析比較人體視覺特征信息，區分人與其他物品，并進行身份鑒別計算機技術。

人體姿態跟蹤分析是在實時獲取人體特征信息、在跟蹤和識別的基礎上，對物體的運動信息進行進一步分析的技術。

在機器學習和認知科學領域，人工神經網絡（artificial neural network，縮寫ANN），簡稱神經網絡（neural network，縮寫NN）或類神經網絡，是一種模仿生物神經網絡(動物的中樞神經系統，特別是大腦)的結構和功能的數學模型或計算模型，用于對函數進行估計或近似。神經網絡由大量的人工神經元聯結進行計算。大多數情況下人工神經網絡能在外界信息的基礎上改變內部結構，是一種自適應系統。

人工神經網絡是一個能夠學習，能夠總結歸納的系統，也就是說它能夠通過已知數據的實驗運用來學習和歸納總結。人工神經網絡通過對局部情況的對照比較（而這些比較是基于不同情況下的自動學習和要實際解決問題的復雜性所決定的），它能夠推理產生一個可以自動識別的系統。和其他機器學習方法一樣，神經網絡已經被用于解決各種各樣的問題，例如機器視覺和語音識別。這些問題都是很難被傳統基于規則的編程所解決的。

目前的人體動作捕獲及姿態分析系統，前景檢測通常采用背景差分法，背景建模常使用高斯模型，這種方法計算量大、速度慢，易受陰影影響，檢測到的目標圖像存在噪音，并且暫停運動的目標會被吸收為背景的一部分，導致目標內部存在空洞。并且人體關節點提取通常采用光學標記或人工標定，人為誤差較大，自動化程度低，并且目前人體關節點的自動提取方法通常采用曲線擬合的方法，計算量較大、精確度低，不具有普遍適用性。

另外尚無可在空調上應用人體姿態分析跟蹤的方案，無法對人的異常動作，比如說老人摔倒，小孩跌倒，或者搬動重物家電等可能引發危險的行為，通過檢測并能及時給出告警。

發明內容

本發明的目的在于提供一種基于人體姿態跟蹤分析的室內危險情況告警的方法，在室內家用電器上設置圖像采集裝置，尤其是空調，利用其視角廣闊可采集室內全景圖像的特點，通過人體識別技術從所采集的室內圖像中獲取人體特征信息、在跟蹤和識別的基礎上，對室內人員的動作姿態進行分析，在發現存在危險行為、人員摔倒或者火苗時能及時告警。

本發明一種基于人體姿態跟蹤分析的室內危險情況告警的方法，其特征在于包括如下步驟：

步驟1、神經網絡模型訓練

步驟1.1、人體姿態識別的神經網絡模型訓練

通過爬取大量網上不同年齡段人群家庭環境下的常見動作和危險動作視頻片段，按照該視頻片段中的人物的體態特征以及動作序列的規律，對人體姿態標定年齡范圍，并按照年齡范圍對動作危險程度以及是否摔倒進行標定分類；