一种基于三维视觉的人体异常姿态检测系统及方法技术方案

本发明专利技术公开了一种基于三维视觉的人体异常姿态检测系统及方法，属于计算机视觉技术领域，本发明专利技术要解决的技术问题为如何增大跌倒检测范围，有效避免检测过程中遮挡物的遮挡，同时如何能够准确的检测出跌倒情况，采用的技术方案为：该方法是将Kinect体感传感器搭载在采用Mecanum轮移动平台上，使搭载了Kinect体感传感器的移动平台能够跟随人体移动而移动，并利用Kinect体感传感器获取移动平台到人体骨骼点的距离，将获取的距离变化转化为电信号发送到移动平台，使移动平台能够跟随人体的移动方向和移动速度而移动，确保移动平台与人体保持设定距离；同时根据Kinect体感传感器上摄像头拍摄的画面获取人体骨骼点信息建立跌倒模型并进行人体的跌倒检测。

【技术实现步骤摘要】
一种基于三维视觉的人体异常姿态检测系统及方法
本专利技术涉及属于计算机视觉
，具体地说是一种基于三维视觉的人体异常姿态检测系统及方法。
技术介绍
跌倒已经渐渐的成为继慢性疾病、交通事故、癌症之后导致老年人高死亡率和致残率的第四种原因。如果老年人跌倒时能够及时的发现，就能够让老年人得到及时的救助和治疗同时减少老年人因跌倒带来的伤害和病痛。利用Kinect体感传感器来做跌倒检测的方法大致可以分为两类：一类是利用Kinect获取到的RGB图像和深度图像进行处理，利用Kinect深度图像技术获取人体深度图像前景图,建立前景图三维包围盒,通过实时计算的三维包围盒的长、宽、高数值以及该数值的变化速度,判断人体跌倒是否发生；另一类是通过Kinect骨骼追踪技术获取人体骨架关节点的空间位置，设计摔倒识别特征，支持向量机技术，进行跌倒检测。这两类技术都是把Kinect摄像头放置在固定位置，所以跌倒检测具有局限性，只能在摄像头能够覆盖的空间内进行跌倒检测，如果在每个房间内都安装一个摄像头其经济成本太过昂贵。跌倒检测主要针对的是老年人，虽然老年人的活动范围有限，单是在有限的范围内还会受到家具等遮挡物的遮挡。如果老年人正好在摄像头的遮挡物处死角跌倒，就不能及时检测到老年人跌倒。故如何增大跌倒检测范围，有效避免检测过程中遮挡物的遮挡，同时如何能够准确的检测出跌倒情况是目前急需解决的技术问题。专利号为CN107578036A的专利文献公开了一种局域小波距的深度图像跌倒识别算法，该算法首先根据图像中各像素点相对于质心的距离做归一化，然后对归一化的图像极坐标化、FFT变换，最后对图像进行小波变换获取特征向量，并结合最小距离分类识别人体行为。但是该技术方案仅能在固定位置获取数据进行跌倒检测且仅能对深度图像进行处理，深度图像包含的数据内容十分多且复杂，数据处理难度较大，同时跌倒模型时，对所有像素点进行相对于质心距离做归一化处理，计算量较大。
技术实现思路
本专利技术的技术任务是提供一种基于三维视觉的人体异常姿态检测系统及方法，来解决如何增大跌倒检测范围，有效避免检测过程中遮挡物的遮挡，同时如何能够准确的检测出跌倒情况的问题。本专利技术的技术任务是按以下方式实现的，一种基于三维视觉的人体异常姿态检测方法，该方法是将Kinect体感传感器搭载在移动平台上，移动平台采用Mecanum轮为移动轮，使搭载了Kinect体感传感器的移动平台能够跟随人体移动而移动，并利用Kinect体感传感器获取移动平台到人体骨骼点的距离，将获取的距离变化转化为电信号发送到移动平台，使移动平台能够跟随人体的移动方向而移动，且移动平台能够根据距离变化控制Mecanum轮的移动速度，确保移动平台与人体保持设定距离；同时根据Kinect体感传感器上摄像头拍摄的画面获取人体骨骼点信息建立跌倒模型，根据跌倒模型实时进行人体的跌倒检测。作为优选，所述根据跌倒模型实时进行人体的跌倒检测包括如下步骤：S1、利用Kinect体感传感器的摄像头获取人体的深度图形；S2、利用深度图形建立人体骨骼点构成的人体骨架图；S3、提取用于跌倒检测判定的五个特征骨骼点；S4、获取五个特征骨骼点的空间位置，建立一个垂直于地面的平面L1且确保五个特征骨骼点到平面L1的距离最小；S5、建立与平面L1垂直的平面L2且确保五个特征骨骼点到平面L2的距离最小；S6、计算五个特征骨骼点在移动过程中到平面L1和平面L2的加权平均距离和以及五个特征骨骼点的移动速度S7、利用加权平均距离和以及五个特征骨骼点的移动速度的变化来判断是否发生跌倒：①、若加权平均距离和大于设定的阀值，则代表特征骨骼点偏出建立的标准坐标系，发生巨大位置变化，表示人体跌倒的可能性较大，发出报警信号；②、若特征骨骼点的速度大于设定阀值时，表示人体跌倒的可能性较大，发出报警信号。更优地，所述特征骨骼点分别是头部、肩部中心、左肩、右肩和脊柱。更优地，所述步骤S4中建立平面L1方法包括如下步骤：(1)、获取五个特征骨骼点的空间坐标位置，头部骨骼点、肩部中心骨骼点、左肩骨骼点、右肩骨骼点和脊柱骨骼点在三维空间中的坐标分别为A(x1,y1,z1)、B(x2,y2,z2)、C(x3,y3,z3)、D(x4,y4,z4)和E(x5,y5,z5)；(2)、利用最小二乘法中的一元线性回归分析(回归分析中，如果只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析)建立样本回归模型：其中，Yi为因变量，表示响应变量或被预测变量；为Yi的截距；为直线斜率；Xi为自变量，表示解释变量或预测变量；ei为随机误差；Yi模型中的Xi对应的值；(3)、计算残差平方和：其中，为实际的坐标值；(4)、使残差平方和达到最小计算出距离五个特征骨骼点距离最小的切面；以为变量，计算出值：即Q对两个待估参数的偏导数：解得：(5)、距离五个特征骨骼点距离最小的切面垂直与地面，故平面方程为z1＝k1x+b1；(6)、利用最小二乘法将五个特征骨骼点的x轴坐标和z轴坐标数据带入样本回归模型即可求得k1，b1值；(7)、五个特征骨骼点在z轴与x轴构成平面L1的位置。更优地，所述步骤S5中建立平面L2的方法包括如下步骤：(1)、利用点和平面的性质，根据平面L1求出L1的一个正交切面L2，使平面L2与地面垂直；(2)、使平面L2经过人体的脊柱骨骼点E(x5,y5,z5)；(3)、平面L1和平面L2在x轴和z轴构成的平面内为两条正交的直线，已知L1的方程z1＝k1x+b1，故L2的方程z2＝k2x+b2的系数，联立方程组求出L2的平面方程系数：得出，人体的背部开始是对着Kinect体感传感器的摄像头的L1平面，就是当人体在Kinect体感传感器的摄像头前后方向上的跌倒时，平面L1的位置就会发生垂直于地面的平移变化，骨骼点到平面L1的距离就会发生明显的变化，根据距离的变化来判定其是否发生跌倒；但是不能只根据平面L1来判定跌倒是否发生，当人体跌倒的方向在Kinect体感传感器的摄像头的左右方向时，跌倒基本上就会发生在L1平面附近，而且特征骨骼点到平面L1距离上不会有太大的变化，进而不能判定跌倒的发生，所以平面L2的作用就是来弥补不能判别这种跌倒情况的发生；当人体不论是往哪一个方向跌倒时骨骼点到两个平面的距离都会发生明显的变化，但是有一种类似于弯腰的情况就比较特殊，取的五个特征骨骼点是人体上半身躯干的位置，当人体弯腰时五个特征骨骼点距离两个平面的距离也会发生比较明显的变化，但这不属于跌倒的发生，所以还要引入人体骨骼点速度的变化来作为判定的依据，弯腰这种类似的过程对于老年人来说是相对比较缓慢的，速度的变化不会变化太大的。作为优选，所述步骤S6中五个特征骨骼点的移动速度V的计算方法如下：(1)、计算特征骨骼点到平面L1和平面L2的距离：①、五个特征骨骼点分别到平面L1的距离为：五个特征骨骼点到平面L1的加权平均距离为：其中，dA1、dB1、dC1、dD1、dE1分别表示五个特征骨骼点分别到平面L1的距离，分别表示采用随机森林得到五特征骨骼点在跌倒过程中的权重；②、五个特征骨骼点分别到平面L2的距离为：五个点到平面L2的加权平均距离为：其中，dA2、dB2、dC2、dD2、d本文档来自技高网...

【技术保护点】
1.一种基于三维视觉的人体异常姿态检测方法，其特征在于，该方法是将Kinect体感传感器搭载在移动平台上，移动平台采用Mecanum轮为移动轮，使搭载了Kinect体感传感器的移动平台能够跟随人体移动而移动，并利用Kinect体感传感器获取移动平台到人体骨骼点的距离，将获取的距离变化转化为电信号发送到移动平台，使移动平台能够跟随人体的移动方向而移动，且移动平台能够根据距离变化控制Mecanum轮的移动速度，确保移动平台与人体保持设定距离；同时根据Kinect体感传感器上摄像头拍摄的画面获取人体骨骼点信息建立跌倒模型，根据跌倒模型实时进行人体的跌倒检测。

【技术特征摘要】
1.一种基于三维视觉的人体异常姿态检测方法，其特征在于，该方法是将Kinect体感传感器搭载在移动平台上，移动平台采用Mecanum轮为移动轮，使搭载了Kinect体感传感器的移动平台能够跟随人体移动而移动，并利用Kinect体感传感器获取移动平台到人体骨骼点的距离，将获取的距离变化转化为电信号发送到移动平台，使移动平台能够跟随人体的移动方向而移动，且移动平台能够根据距离变化控制Mecanum轮的移动速度，确保移动平台与人体保持设定距离；同时根据Kinect体感传感器上摄像头拍摄的画面获取人体骨骼点信息建立跌倒模型，根据跌倒模型实时进行人体的跌倒检测。2.根据权利要求1所述的基于三维视觉的人体异常姿态检测方法，其特征在于，所述根据跌倒模型实时进行人体的跌倒检测包括如下步骤：S1、利用Kinect体感传感器的摄像头获取人体的深度图形；S2、利用深度图形建立人体骨骼点构成的人体骨架图；S3、提取用于跌倒检测判定的五个特征骨骼点；S4、获取五个特征骨骼点的空间位置，建立一个垂直于地面的平面L1且确保五个特征骨骼点到平面L1的距离最小；S5、建立与平面L1垂直的平面L2且确保五个特征骨骼点到平面L2的距离最小；S6、计算五个特征骨骼点在移动过程中到平面L1和平面L2的加权平均距离和以及五个特征骨骼点的移动速度S7、利用加权平均距离和以及五个特征骨骼点的移动速度的变化来判断是否发生跌倒：①、若加权平均距离和大于设定的阀值，则代表特征骨骼点偏出建立的标准坐标系，发生巨大位置变化，表示人体跌倒的可能性较大，发出报警信号；②、若特征骨骼点的速度大于设定阀值时，表示人体跌倒的可能性较大，发出报警信号。3.根据权利要求2所述的基于三维视觉的人体异常姿态检测方法，其特征在于，所述特征骨骼点分别是头部、肩部中心、左肩、右肩和脊柱。4.根据权利要求2或3所述的基于三维视觉的人体异常姿态检测方法，其特征在于，所述步骤S4中建立平面L1方法包括如下步骤：(1)、获取五个特征骨骼点的空间坐标位置，头部骨骼点、肩部中心骨骼点、左肩骨骼点、右肩骨骼点和脊柱骨骼点在三维空间中的坐标分别为A(x1,y1,z1)、B(x2,y2,z2)、C(x3,y3,z3)、D(x4,y4,z4)和E(x5,y5,z5)；(2)、利用最小二乘法中的一元线性回归分析建立样本回归模型：其中，Yi为因变量，表示响应变量或被预测变量；为Yi的截距；为直线斜率；Xi为自变量，表示解释变量或预测变量；ei为随机误差；Yi模型中的Xi对应的值；(3)、计算残差平方和：其中，为实际的坐标值；(4)、使残差平方和达到最小计算出距离五个特征骨骼点距离最小的切面；以为变量，计算出值：即Q对两个待估参数的偏导数：解得：(5)、距离五个特征骨骼点距离最小的切面垂直与地面，故平面方程为z1＝k1x+b1；(6)、利用最小二乘法将五个特征骨骼点的x轴坐标和z轴坐标数据带入样本回归模型即可求得k1，b1值；(7)、五个特征骨骼点在z轴与x轴构成平面L1的位置。5.根据权利要求4所述的基于三维视觉的人体异常姿态检测方法，其特征在于，所述步骤S5中建立平面L2的方法包括如下步骤：(1)、利用点和平面的性质，根据平面L1求出L1的一个正交切面L2，使平面L2与地面垂直；(2)、使平面L2经过人体的脊柱骨骼点E(x5,y5,z5)；(3)、平面L1和平面L2在x轴和z轴构成的平面内为两条正交的直线，已知L1的方程z1＝k1x+b1，...

【专利技术属性】
技术研发人员：王庆祥，郭金鑫，任晓强，
申请(专利权)人：齐鲁工业大学，
类型：发明
国别省市：山东,37