本发明专利技术公开了一种基于全景红外线摄像机的独居老人异常行为检测方法，属于视频图像技术领域。包括以下步骤：S1：离线采集用于人体目标检测的红外图像样本，取其梯度直方图特征，进行支持向量机分类器训练；S2：获取红外线摄像机视频图像信号；S3：构建家庭场景下的语义地图；S4：对所摄取全景红外图像在不同尺度的滑动窗口下进行采样，提取滑窗区域HOG特征并送入S1得到的分类器中；S5：当获得的人体躺下姿态时，判定人体目标位置和时间，判定成功发送紧急短信。本方法采用红外摄像机能在能见度低的情况下完成目标行为检测，实现了非接触式异常行为检测的目的，同时本方法使用的跟踪算法实时性好，目标特征易于获取，运算快速，判断标准简单可靠。
【技术实现步骤摘要】
本专利技术属于视频图像
，涉及一种基于全景红外线摄像机的独居老人异常行为检测方法。
技术介绍
随着经济社会的快速发展，人民生活水平和医疗卫生保障事业的巨大改善，生育率持续保持较低水平，我国人口年龄结构发生了较大的变化。2013年，我国60岁以上老龄人口超过2亿，2025年将突破3亿，2040年将突破4亿，届时80岁以上老人将达到1个亿，老龄化将长期影响中国的经济和社会。由于计划生育政策的实施，我国传统的核心家庭结构发生变化，家庭规模日趋小型化，打破了传统上的三代人甚至四代人同居的家庭模式。同时现代社会中老人和子女都要求有自己的“自由空间”，因此我国空巢老人和独居老人的社会现象更为突出。据统计2012年我国空巢老年人口为0.99亿人，2013年突破一亿大关。独居老人因无人看护发生意外甚至在家逝世多日无人知晓的报道常见报端。为解决由此而来的巨大经济和社会压力，目前现实可行的方法是依靠高度发展的信息科技，向老年人提供日常看护和生活辅助，以提高老年人生活质量和尽可能延长老年人在家独立生活的时间。因此，如何在空巢老人的家庭环境下及时检测出摔倒等异常行为，第一时间通知家人和医院，保障空巢老人的安全，是值得我们关注的重要课题。目前，家庭场景下的异常行为检测方法多基于彩色图像原理进行检测，其在夜晚、能见度较低等情况下检测精度极低。红外信号受光照变化、遮挡等影响较小，特别是将全景红外摄像机用于家庭场景下的异常行为检测，具有检测视域广、使用环境灵活等特点，对于动态获取跟踪人体目标，解决家庭环境下的独居老人安全问题具有极其重要的意义。因此，目前急需一种基于全景红外线摄像机的独居老人异常行为检测方法。
技术实现思路
有鉴于此，本专利技术的目的在于克服现有的基于视频的家庭场景下的异常行为检测方法存
在的缺陷，提供一种鲁棒、灵活的异常行为检测方法，该方法基于全景红外摄像技术和目标检测算法，可以在夜晚、能见度较低的情况下对家庭场景中的人体目标进行检测，并能灵活选取检测区域，计算当前人体目标的姿态，并结合语义地图判定是否属于异常行为。为达到上述目的，本专利技术提供如下技术方案：一种基于全景红外线摄像机的独居老人异常行为检测方法。包括以下步骤：S1：离线采集用于人体目标检测的红外图像样本，分别提取其梯度直方图(HOG)特征，进行支持向量机(SVM)分类器训练，得到用于在线人体目标检测的SVM分类器模型；S2：利用全景红外线摄像机进行红外线摄像，获取视频图像信号；S3：构建家庭场景下的语义地图；S4：对所摄取全景红外图像序列在不同尺度的滑动窗口下进行采样，提取滑窗区域HOG特征，将该特征送入步骤一中得到的分类器模型中，对人体目标区域进行分类，检测当前视角下的人体姿态，并获得人体目标团块形心；S5：当S4中获得的人体姿态属于躺下姿态时候，根据语义地图判定人体目标是否处于床或沙发上方，判定人体不在床或沙发上方且时间序列超过设定阈值时，发送紧急短信。进一步，在S1中具体包括以下步骤：11离线采集用于人体目标检测的正负样本，其中正样本是指人体目标躺下的姿态，负样本的选取较随意，但需与人体目标躺下姿态无关；12：分别提取正负样本的HOG特征，将采集样本映射至一个特征向量空间，并相应地做好样本的标签；13：将提取的特征向量及相应标签输入SVM训练算法中，得到一个用于全景红外图像人体目标检测的分类器模型。进一步，所述S3中具体包括以下步骤：31：现场获取家庭场景下的全景红外线图像；32：对红外线图像中的床、沙发区域坐标进行手动标定；33：根据床、沙发区域坐标构建家庭场景下的语义地图。进一步，所述S4中具体包括以下步骤：41：对所采集的全景红外图像不同尺度大小上进行滑动窗口采样，提取滑窗区域的HOG特征；42：将提取得到的特征向量送入权利要求1所述S1中得到的分类模型，对人体目标进行检测分类；43：当检测到人体目标躺下的姿态时，获取人体目标团块形心。进一步，所述S5具体包括以下步骤：51根据步骤三中得到的语义地图判定人体目标形心是否位S3所得语义地图中的床、沙发区域上方；52当目标不在床、沙发坐标内时，判定时间序列是否超过设定阈值；53当检测到的人体躺下姿态目标不在床、沙发区域且处于该状态的时候超过阈值，发送紧急短信。本专利技术的有益效果在于：本专利技术所述方法基于红外图像处理技术，红外摄像机能准确地
探测热目标，克服背景以及恶劣光照条件的不良影响，因此适用范围广，鲁棒性较强。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为本专利技术所述方法的流程图；图2为基于互联网的SMS短消息报警流程图。具体实施方式下面将结合附图，对本专利技术的优选实施例进行详细的描述。图1为本专利技术所述方法的流程图，本方法包括以下步骤：S1：离线采集用于人体目标检测的红外图像样本，分别提取其梯度直方图(HOG)特征，进行支持向量机(SVM)分类器训练，得到用于在线人体目标检测的SVM分类器模型。具体步骤如下：S11：离线采集用于人体目标检测的正负样本，其中正样本是指人体目标躺下的姿态，负样本的选取较随意，但需与人体目标躺下姿态无关；S12：分别提取正负样本的HOG特征，将采集样本映射至一个特征向量空间，并相应地做好样本的标签；S13：将提取的特征向量及相应标签输入SVM训练算法中，得到一个用于全景红外图像人体目标检测的分类器模型。S2：利用全景红外线摄像机进行红外线摄像，获取视频图像信号。S3：构建家庭场景下的语义地图。具体步骤如下：S31：现场获取家庭场景下的全景红外线图像；S32：对红外线图像中的床、沙发区域坐标进行手动标定；S33：根据床、沙发区域坐标获得家庭场景下的语义地图。S4：对所述步骤S2所摄取的红外图像信号进行人体目标异常姿态检测，获得人体目标形心。具体步骤如下：S41：对所采集的全景红外图像不同尺度大小上进行滑动窗口采样，提取滑窗区域的HOG特征；S42：将提取得到的特征向量送入步骤S13中得到的分类模型，对人体目标进行检测分类；S43：当检测到人体目标躺下的姿态时，获取人体目标团块形心。S5：评判人体目标是否出现异常行为。具体步骤如下：S51：根据S3中得到的语义地图判定通人体目标形心是否位于床、沙发区域上方；S52：如果人体目标形心不在床、沙发区域上方，且时间序列大于设定阈值，则返回人体目标行为异常；S54：当返回人体目标行为异常状态时，发送紧急短信。所述步骤S54中发送的短消息基于SMS短消息服务实现，SMS通信模块通过串口实现信息的发送。如图2所示，短消息服务企业SP(Service Provider业务提供者)通过TCP/IP网络,将短消息应用服务器通过互联网连接到移动运营商的短消息网关ISMG(Internet Short Message Gateway),按照CMPP协议(ChinaMobile Peer to Peer中国移动点对点协议),与ISMG进行短消息发送和接受；短消息网关ISMG按照SMPP协议(ShortMessage Peer to Peer,短消息点对点协议)与SMSC(短消息业务中心)进行通信；最后由SMSC完成与移动用户短消息的收发.当系统检测出老人的异常行为之后，电脑通过本文档来自技高网...
【技术保护点】
一种基于全景红外线摄像机的独居老人异常行为检测方法，其特征在于：包括以下步骤：S1：离线采集用于人体目标检测的红外图像样本，分别提取其梯度直方图(HOG)特征，进行支持向量机(SVM)分类器训练，得到用于在线人体目标检测的SVM分类器模型；S2：利用全景红外线摄像机进行红外线摄像，获取视频图像信号；S3：构建家庭场景下的语义地图；S4：对所摄取全景红外图像序列在不同尺度的滑动窗口下进行采样，提取滑窗区域HOG特征，将该特征送入步骤一中得到的分类器模型中，对人体目标区域进行分类，检测当前视角下的人体姿态，并获得人体目标团块形心；S5：当S4中获得的人体姿态属于躺下姿态时候，根据语义地图判定人体目标是否处于床或沙发上方，判定人体不在床或沙发上方且时间序列超过设定阈值时，发送紧急短信。
【技术特征摘要】
1.一种基于全景红外线摄像机的独居老人异常行为检测方法，其特征在于：包括以下步骤：S1：离线采集用于人体目标检测的红外图像样本，分别提取其梯度直方图(HOG)特征，进行支持向量机(SVM)分类器训练，得到用于在线人体目标检测的SVM分类器模型；S2：利用全景红外线摄像机进行红外线摄像，获取视频图像信号；S3：构建家庭场景下的语义地图；S4：对所摄取全景红外图像序列在不同尺度的滑动窗口下进行采样，提取滑窗区域HOG特征，将该特征送入步骤一中得到的分类器模型中，对人体目标区域进行分类，检测当前视角下的人体姿态，并获得人体目标团块形心；S5：当S4中获得的人体姿态属于躺下姿态时候，根据语义地图判定人体目标是否处于床或沙发上方，判定人体不在床或沙发上方且时间序列超过设定阈值时，发送紧急短信。2.根据权利要求1所述的一种基于全景红外线摄像机的独居老人异常行为检测方法，其特征在于：在S1中具体包括以下步骤：11离线采集用于人体目标检测的正负样本，其中正样本是指人体目标躺下的姿态，负样本的选取较随意，但需与人体目标躺下姿态无关；12：分别提取正负样本的HOG特征，将采集样本映射至一个特征向量空间，并相应地做好样本的标签；13：将提取的特征向量及相应标签输入SVM训练算法中，得到一个用于...
【专利技术属性】
技术研发人员：尹宏鹏，柴毅，王唯，李天柱，陈波，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆;50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。