本发明专利技术公开了一种基于3D异常步态行为检测识别的智能云助老机器人及实现方法，通过人体运动数据检测，进行基于标准模型的三维异常步态参数化重建，提取3D人体模型的表面信息特征，并将其投影到2D彩色成像平面图上。将完整周期内所有彩色成像平面图进行加权合成，生成基于三维特征描述子的彩色动作能量图；对三维特征描述子彩色动作能量图进行奇异值分解和数据降维；对多视角下降维后的数据进行视角无关的特征提取，完成异常步态行为分类和识别；并通过智能云将异常行为信息推送到智能社区和智能医院信息平台。本发明专利技术解决了当前老龄人异常行为检测系统存在的远程功能弱、实用性不强、用户体验感差以及受到固定视角限制等问题。
【技术实现步骤摘要】
本专利技术属于助老机器人领域，具体涉及一种基于3D异常步态行为检测识别的智 能云助老机器人及实现方法。
技术介绍
在我国随着社会结构的发展和人们平均寿命的延长，老龄化的问题越来越明显。 目前，我国60岁以上的老龄人口已经超过2. 12亿，约占全国总人数的15. 5%，预计到2030 年将翻一番。 随着人们生活水平的显著提高和医疗条件的不断改善，针对老年人的各种服务机 器人和监护系统已经出现在我们生活中。面对空巢的老年家庭和单身的老年居住户，如何 使用家庭服务机器人和监护系统对患病或有行动障碍的老年人进行实时的监护，已成为当 前助老机器人的重要研究内容。独自生活的老年人经常面临着突发疾病，摔倒和休克等严重的问题，将这些异常 行为检测识别出来，并提供给监护决策系统具有重要的实用价值和应用前景。 当前对老龄人的异常行为检测，主要依靠普通摄像头，得到的为二维图像，对二维 步态图像进行检测和特征提取后，进行异常行为识别，对识别的结果进行短信通知等，其远 程交互功能弱。 另一种方法采用可穿戴式的传感器，通过采集运动数据，如三轴加速度等来进行 异常人体行为检测和识别，由于没有远程图像传输，因此远程交互能力同样不强。基于二维图像的异常行为研究多采用固定安装摄像机和特定视角的方法，但人体 行走时的视角是不断变化的，当视角变化较大时，其识别率会大幅下降，并且对老龄人的异 常动作行为也未能有很好的研究，大多不能将老龄人的具体异常行为检测出来。采用可穿戴设备的方法，由于穿戴设备是各种电路模块的集合，包括传感器，控制 器，移动电源和通信模块组合在一起，往往体积过大，对穿戴方法有要求，穿戴繁琐，老龄人 大多不愿意或很容易忘记佩带。 总之，二维视频获取和处理相对简单，但对视角大幅可变等情况的处理手段有限 或繁琐。可穿戴设备检测方法往往实用性不强，用户体验感差。这使得老龄人的异常行为 检测识别的研究与实际应用受到很大限制。
技术实现思路
本专利技术所要解决的技术问题是，针对现有技术不足，提供一种基于3D异常步态行 为检测识别的智能云助老机器人，解决了当前老龄人异常行为检测系统存在的远程交互功 能弱、实用性不强、用户体验感差以及受到固定视角限制等问题。 为解决上述技术问题，本专利技术所采用的技术方案是：一种基于3D异常步态行为检 测识别的智能助老机器人，包括机器人机械结构、机器人硬件平台、智能云和智能医院信息 平台，所述的机器人硬件平台安装于机器人机械结构上，智能云分别通过ActiveMQ消息总 线模块通信连接机器人硬件平台和智能医院信息平台； 所述的机器人机械结构包括机器人底盘、驱动电机、机器人轮胎和机器人支架；所 述的机器人底盘的底部设有机器人轮胎，驱动电机固定于机器人底盘上并驱动机器人轮 胎，机器人支架固定于机器人底盘顶部并用于支撑机器人硬件平台；所述的机器人硬件平台包括三维视觉Kinect体感摄像机、非特定人语音识别模 块、触摸屏、物联网WiFi模块、云端接口模块、GPS模块、ARM11嵌入式模块、电机驱动模块、 自充电电源模块、陀螺仪传感模块、三轴加速度传感模块、避障模块和NFC近场通信导航定 位模块；所述的三维视觉Kinect体感摄像机、非特定人语音识别模块、触摸屏、物联网WiFi 模块、云端接口模块、GPS模块、电机驱动模块、自充电电源模块、陀螺仪传感模块、三轴加速 度传感模块、避障模块和NFC近场通信导航定位模块分别与ARM11嵌入式模块通信连接；所述的智能云包括并行云服务器、大数据云存储器和高速网络传输设备，所述的 大数据云存储器通信连接至并行云服务器，所述的高速网络传输设备为并行云服务器提供 数据传输通道；所述的智能医院信息平台包括信息中心服务器，交互式大屏幕显示器，IP电话系 统，PDA移动终端，所述的交互式大屏幕显示器，IP电话系统，PDA移动终端分别通信连接信 息中心服务器。 -种基于3D异常步态行为检测识别的智能助老机器人实现方法，采用所述的机 器人，包括以下步骤： 步骤一：对机器人所采集到的人体异常步态数据进行基于标准模型的三维异常步 态参数化重建； 步骤二：利用局部微分算子和基于曲率半径的三维描述子来提取3D人体模型的 表面信息特征，并将其投影到2D彩色成像平面图上，将完整周期内所有彩色成像平面图进 行加权合成，生成基于三维特征描述子的彩色动作能量图； 步骤三：对三维特征描述子彩色动作能量图进行基于异常行为加权奇异值分解和 数据降维； 步骤四：运用基于张量分解的多线性子空间分析方法，对多视角下降维后的数据 进行视角无关的特征提取，完成视角可变的异常步态行为分类和识别； 步骤五：通过智能云将异常行为信息推送到智能社区和智能医院信息平台。 所述的方法，所述步骤一中，对机器人所采集到的人体异常步态数据进行基于标 准模型的三维异常步态参数化重建具体过程为： 1)利用Kinect深度摄像机采集输出的深度图像，获取每个深度像素点的按坐标 顺序排列的数据序列（x，y，z); 2)利用深度像素点（X，y，z)信息和三维人体重建修复模型，计算出所有人体点云 数据的三维世界坐标（X，Y，Z)，构建出人体的表面模型； 3)利用嵌入人体骨架的标准参数化人体模型和采集的异常步态点云数据进行三 维轮廓匹配，生成姿态一致的参数化的人体异常步态模型。所述的方法，所述的步骤2)中利用深度像素点（X，y，z)信息和三维人体重建修复 模型，计算出所有人体点云数据的三维世界坐标（X，Y，Z)，构建出人体的表面模型方法如 下： 三维人体重建修复模型如下： 通过上述模型，计算出所有滤波修复后的深度像素点（X，y，z)所对应的三维世界 坐标（X，Y，Z)，构建出人体的表面模型，式中d为z轴方向的深度值，K为模型参数，T代表 所采集的红外图像和生成的深度图像之间的相对平移修正参数，R为红外摄像机旋转修正 矩阵，Fad]为摄像机的畸变修正函数，k、P和s为红外摄像机的畸变参数，分别对应径向形变， 切身形变和薄梭镜形变参数，FflltCT( ·)为深度值滤波修正函数，Dk代表深度点的k个近邻 点集合。 所述的方法，所述的步骤3)中生成参数化人体异常步态模型过程如下： 利用嵌入人体骨架的标准参数化人体模型和采集的异常步态点云数据进行三维 轮廓匹配，生成姿态一致的参数化的人体异常步态模型，通过能量最优化问题来求解此过 程：_其中为标准参数模型（姿态参数为Φ)和异常步态模型"轮廓标记点"之 间距离范数的能量函数，￡1为两模型最佳匹配点云之间距离范数的能量函数，ωω2为 权值信息，ω?+ω；?= 1。 所述的方法，轮廓标记点提取方法如下： 三维轮廓标记点计算公式： Z=Exiractasiihoiiettc(V) ^ 其中V表示人体三维点云集合，V={vdv2, . . .vn, . . .，vN}，￥"表示集合中的第η 个点云的三维坐标，表示提取α视角下三维人体V的轮廓标记点，zk表示 提取出来的第k个轮廓标记点。 所述的方法，Esllh_tte和Edls计算过程如下：Esllhouette和Edls计算公式：Edis= | |Vs(it)-Vc| 12Vs(il〇表示标准模型在姿态参数为Φ时的人体三维点云集合，其中： φ= 其中△ αηι表本文档来自技高网...
【技术保护点】
一种基于3D异常步态行为检测识别的智能助老机器人，其特征在于，包括机器人机械结构、机器人硬件平台、智能云和智能医院信息平台，所述的机器人硬件平台安装于机器人机械结构上，智能云分别通过ActiveMQ消息总线模块通信连接机器人硬件平台和智能医院信息平台；所述的机器人机械结构包括机器人底盘、驱动电机、机器人轮胎和机器人支架；所述的机器人底盘的底部设有机器人轮胎，驱动电机固定于机器人底盘上并驱动机器人轮胎，机器人支架固定于机器人底盘顶部并用于支撑机器人硬件平台；所述的机器人硬件平台包括三维视觉Kinect体感摄像机、非特定人语音识别模块、触摸屏、物联网WiFi模块、云端接口模块、GPS模块、ARM11嵌入式模块、电机驱动模块、自充电电源模块、陀螺仪传感模块、三轴加速度传感模块、避障模块和NFC近场通信导航定位模块；所述的三维视觉Kinect体感摄像机、非特定人语音识别模块、触摸屏、物联网WiFi模块、云端接口模块、GPS模块、电机驱动模块、自充电电源模块、陀螺仪传感模块、三轴加速度传感模块、避障模块和NFC近场通信导航定位模块分别与ARM11嵌入式模块通信连接；所述的智能云包括并行云服务器、大数据云存储器和高速网络传输设备，所述的大数据云存储器通信连接至并行云服务器，所述的高速网络传输设备为并行云服务器提供数据传输通道；所述的智能医院信息平台包括信息中心服务器，交互式大屏幕显示器，IP电话系统，PDA移动终端，所述的交互式大屏幕显示器，IP电话系统，PDA移动终端分别通信连接信息中心服务器。...
【技术特征摘要】
【专利技术属性】
技术研发人员：罗坚，唐琎，
申请(专利权)人：湖南信息职业技术学院，
类型：发明
国别省市：湖南;43
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。