一种基于深度图像信息的坠床行为实时检测方法技术

本发明专利技术公开了一种基于深度图像信息的坠床行为实时检测方法，包括：(1)通过深度传感器获取室内场景的深度图像；(2)更新深度图像中的跟踪区域；(3)通过不断变化偏移尺度，提取步骤(2)得到的跟踪区域中各像素的八邻域差分特征；(4)获取头部区域；(5)定位头部中心；(6)获取上半身区域；(7)优化头部定位；(8)人体确认；(9)提取高度特征；(10)坠床检测：采用训练好的坠床分类器对上述高度特征向量进行分类检测，获取坠床检测结果。本发明专利技术提出的基于深度图像的坠床行为实时检测方法，通过随机森林分类器获取头部区域，优化头部定位保证定位准确性，使用支撑向量机检测坠床，保证了本方法具有较高的准确度与鲁棒性。

【技术实现步骤摘要】
201610182274

【技术保护点】
一种基于深度图像信息的坠床行为实时检测方法，其特征在于，所述方法包括如下步骤：(1)获取深度图像：通过深度传感器获取室内场景的深度图像；(2)更新跟踪区域：获取深度图像后，更新深度图像中的跟踪区域；(3)提取深度差分特征：通过不断变化偏移尺度，提取步骤(2)得到的跟踪区域中各像素的八邻域差分特征，构成多维向量；(4)获取头部区域：根据步骤(3)获取跟踪区域内所有像素的深度差分特征后，通过之前训练好的头部分类器对所有像素点进行分类判别，获得头部像素点，确定头部区域；(5)定位头部中心：根据步骤(4)获取头部像素区域后，通过不断迭代寻找头部像素密度最大的位置，即确定头部中心的位置(6)获取上半身区域：通过步骤(5)获得头部中心位置后通过区域生长方式获取上半身区域；(7)优化头部定位：通过步骤(6)获取上半身区域后，根据上半身区域范围优化进一步调整头部位置；(8)人体确认：通过构建人体上半身三维模型，与步骤(6)得到的上半身区域进行比较，同时结合之前图像帧的人体检测结果，判断该上半身区域是否为人体；(9)提取高度特征：确认为人体后，根据头部位置选取连续多帧与地面的距离构成高度特征向量；高度特征是连续多帧的高度值组成的多维向量；(10)坠床检测：采用训练好的坠床分类器对上述高度特征向量进行分类检测，获取坠床检测结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：肖阳，赵峰，曹治国，陈希，赵富荣，朱延俊，张骁迪，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42