[發(fā)明專利]一種基于視覺的人體狀態(tài)判斷算法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910810740.4
• 申請(qǐng)日: 2019-08-29
• 公開（公告）號(hào): CN110516627A
• 公開（公告）日: 2019-11-29
• 發(fā)明（設(shè)計(jì)）人: 曾新華;洪偉;管一鳴
• 申請(qǐng)（專利權(quán)）人: 安徽澄小光智能科技有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62
• 代理公司: 34147 合肥律眾知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 劉苗<國(guó)際申請(qǐng)>=<國(guó)際公布>=<進(jìn)入國(guó)

本發(fā)明公開了一種基于視覺的人體狀態(tài)判斷算法，屬于計(jì)算機(jī)視覺技術(shù)領(lǐng)域，包括運(yùn)動(dòng)人體檢測(cè)、特征提取與描述、行為識(shí)別，特征提取與描述具體步驟如下：S1，獲取原始圖像，由運(yùn)動(dòng)檢測(cè)算法得到原始圖像的前景二值圖，作為光流計(jì)算區(qū)域；S2，將所述光流計(jì)算區(qū)域進(jìn)行黑邊填補(bǔ)，得到正方形光流圖，再用4x4的網(wǎng)格劃分成16等分，每個(gè)區(qū)域取其光流平均值，最后用一個(gè)16維的向量表示這幀圖片的光流向量；假設(shè)從該幀得到的剪影特征向量為s，光流特征向量為0，則兩者的融合特征V＝[s；0]；本發(fā)明結(jié)構(gòu)簡(jiǎn)單、使用方便，提高了行為識(shí)別的準(zhǔn)確度，且快速快速特征融合方法降低了特征提取的復(fù)雜度和特征維數(shù)，實(shí)用性強(qiáng)，適合推廣使用。

技術(shù)領(lǐng)域

本發(fā)明涉及計(jì)算機(jī)視覺技術(shù)領(lǐng)域，尤其涉及一種基于視覺的人體狀態(tài)判斷算法。

背景技術(shù)

基于視覺的人體狀態(tài)判斷，是指通過(guò)攝像機(jī)獲取人的運(yùn)動(dòng)視頻，用計(jì)算機(jī)技術(shù)進(jìn)行處理，最終使計(jì)算機(jī)能夠判斷和描述人的行為。基于視覺的人體狀態(tài)判斷是涉及到計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)、心理學(xué)、人體運(yùn)動(dòng)學(xué)等多個(gè)學(xué)科的重要研究領(lǐng)域。隨著計(jì)算機(jī)軟硬件技術(shù)的發(fā)展，以及市場(chǎng)對(duì)安全設(shè)備需求的提升，行為分析正受到越來(lái)越多的關(guān)注和研究。

基于視覺的人體狀態(tài)識(shí)別可用于家庭居住安全系統(tǒng)以及醫(yī)療監(jiān)護(hù)系統(tǒng)中。智能監(jiān)護(hù)系統(tǒng)能對(duì)被監(jiān)護(hù)人的行為舉止進(jìn)行分析，當(dāng)監(jiān)護(hù)人發(fā)生異常狀況時(shí)，能夠及時(shí)檢測(cè)到異常情況并警報(bào)，這對(duì)人體的生命安全至關(guān)重要。

特征提取是人體狀態(tài)判斷過(guò)程中的關(guān)鍵步驟，將直接關(guān)系到下一步行為識(shí)別模型的表現(xiàn)情況。目前基于視覺的行為識(shí)別中，外形特征和運(yùn)動(dòng)特征是兩種較常用的特征，它們有著各自的優(yōu)缺點(diǎn)。近年來(lái)出現(xiàn)了基于外形特征和光流的融合特征，兼具兩者的優(yōu)點(diǎn)，提高了識(shí)別的準(zhǔn)確率，但同時(shí)也增加了特征提取的復(fù)雜度，算代價(jià)高，識(shí)別速度慢。因此，針對(duì)上述問題提出一種基于視覺的人體狀態(tài)判斷算法。

發(fā)明內(nèi)容

本發(fā)明的目的就在于為了解決上述人體狀態(tài)判斷過(guò)程中特征提取的復(fù)雜度高且識(shí)別速度慢的問題而提供一種基于視覺的人體狀態(tài)判斷算法，具有高靈活性和高度可擴(kuò)展性的優(yōu)點(diǎn)。

為實(shí)現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

本發(fā)明保護(hù)一種基于視覺的人體狀態(tài)判斷算法，包括運(yùn)動(dòng)人體檢測(cè)、特征提取與描述、行為識(shí)別，

特征提取與描述具體步驟如下：

S1，獲取原始圖像，由運(yùn)動(dòng)檢測(cè)算法得到原始圖像的前景二值圖，作為光流計(jì)算區(qū)域；

S2，將所述光流計(jì)算區(qū)域進(jìn)行黑邊填補(bǔ)，得到正方形光流圖，再用4x4的網(wǎng)格劃分成16等分，每個(gè)區(qū)域取其光流平均值，最后用一個(gè)16維的向量表示這幀圖片的光流向量；假設(shè)從該幀得到的剪影特征向量為s，光流特征向量為0，則兩者的融合特征V＝[s；0]；

行為識(shí)別，建立于SVM—HMM模型，通過(guò)該模型對(duì)測(cè)試視屏中的原始圖像進(jìn)行識(shí)別，判斷人體各部分相對(duì)其他部分所處的位置，從而得出狀態(tài)結(jié)果。

進(jìn)一步的技術(shù)方案，獲取原始圖像的方法如下：

將獲取的人體完整圖像至少分為八個(gè)部分，包括頭部、肩膀兩端、軀干、四肢，形成至少八張?jiān)紙D像。

進(jìn)一步的技術(shù)方案，所述運(yùn)動(dòng)人體檢測(cè)采用視覺背景抽取算法，且視覺背景抽取算法中的距離閾值為自適應(yīng)閾值。

進(jìn)一步的技術(shù)方案，所述狀態(tài)結(jié)果包括躺、坐、靠、直立、行走、蹲、跑。

本發(fā)明還保護(hù)一種基于視覺的人體狀態(tài)判斷系統(tǒng)，包括

數(shù)據(jù)驅(qū)動(dòng)層，數(shù)據(jù)驅(qū)動(dòng)層負(fù)責(zé)視頻數(shù)據(jù)的讀取和其它訓(xùn)練數(shù)據(jù)的保存，由數(shù)據(jù)管理和數(shù)據(jù)訪問兩個(gè)模塊組成；

系統(tǒng)核心層，包含圖像預(yù)處理模塊、運(yùn)動(dòng)人體檢測(cè)模塊、特征提取與描述模塊、行為識(shí)別模塊；