【技术实现步骤摘要】
一种基于视觉的用户特定行为分析方法及自助医疗终端
本专利技术涉及视频监控领域，尤其涉及一种基于视觉的用户特定行为分析方法及自助医疗终端。
技术介绍
当今的社会是一个高速发展的社会，同时所面临的突发事件也越来越多，对各种公共场所监控的难度和重要性越加凸显出来。目前的视频监控系统大多只是对进行场景内运动目标的检测与跟踪，对目标的进一步识别与理解很少。当发生各种突发事件时，它们几乎成为一种事后取证的录像工具，无法对突发事件做出实时的录像和自动取证。因此，在视频监控系统中，实时地对运动目标的特定行为进行检测和理解显得十分重要。人体运动的特定行为检测和姿态识别都是属于人体的运动识别的领域。人体的运动识别是指运用某种手段检测、跟踪人体的运动，获得人体的运动参数，并从中重建人体的结构和姿态，最终达到对人体运动的理解并加以应用。就广义而言，人体运动识别的研究对象可以是人脸、嘴唇、手势、步态等为代表的小尺度的局部运动，也可以是全身包括四肢的肢体运动。
技术实现思路
针对以上缺陷，本专利技术目的在于如何实现对视频中人体姿势、行为进行分析，并输出分析结果。为了实现上述目的，本专利技术提供了...
【技术保护点】
1.一种基于视觉的用户特定行为分析方法，其特征在于通过采样多种人体姿势样本的视频图像，分别计算学习获得每种人体姿势的对应的比对特征数据，存储作为比对特征数据库；通过实时采集用户的视频图像，计算图像中人体姿势的用户时空特征数据，并与比对特征数据库中数据进行比对，查找比对特征数据库中与用户时空特征数据差值最小的比对特征数据；当用户时空特征数据与查找到的比对特征数据之间的差值小于预先设置的阀值时，则判定当前用户属于该比对特征数据对应的人体姿势。
【技术特征摘要】
1.一种基于视觉的用户特定行为分析方法，其特征在于通过采样多种人体姿势样本的视频图像，分别计算学习获得每种人体姿势的对应的比对特征数据，存储作为比对特征数据库；通过实时采集用户的视频图像，计算图像中人体姿势的用户时空特征数据，并与比对特征数据库中数据进行比对，查找比对特征数据库中与用户时空特征数据差值最小的比对特征数据；当用户时空特征数据与查找到的比对特征数据之间的差值小于预先设置的阀值时，则判定当前用户属于该比对特征数据对应的人体姿势。2.根据权利要求1所述的基于视觉的用户特定行为分析方法，其特征在于每种人体姿势的对应的比对特征数据分别通过如下方法获取：步骤2.1计算获取人体姿势样本的2种以上的类型特征；步骤2.2计算样本的同一类型特征高斯混合模型GMM参数；步骤2.3通过GMM参数计算各种类型描述子的费雪向量FV特征；步骤2.4进一步对FV特征进行加权融合；步骤2.5最后获得该种人体姿势的对应的比对特征数据。3.根据权利要求2所述的基于视觉的用户特定行为分析方法，其特征在于通过卷积神经网络CNN方式获取采样的人体姿势样本的视频样本中每帧图像的人体关节点位置坐标，设第i帧的第j个关节坐标为pij(xij,yij)；类型特征具体包括如下10种类型特征：计算获取获取关节坐标轨迹特征矩阵T:定义所有人体关节点的重心点为人体质心，质心坐标为：即(xic,yic)，关节坐标轨迹特征矩阵为T＝(tij)N×K，其中tij＝pij-pic＝(xij-xic,yij-yic)；计算获取每个关节点相对人体质心的方向矩阵θ：计算获取两个关节点的空间距离矩阵D：计算获取躯干方向Ψ：定义任意两个关节构成的向量相对肢体躯干的方向，以腹部到脖子的向量方向作为躯干方向，质心与颈部的连线并指向颈部的方向为躯干方向：计算获取任意三个关节构成的3个内角大小A；计算相邻s帧的同一关节随时间x,y方向的位移ΔT：ΔT＝(xi+s,j-xij,yi+s,j-yij)(N-s)×2K；计算相邻s帧的同一关节点随时间位移的方向Δθ：计算相邻s帧的任意两个关节点的距离随时间的变化ΔD：计算相邻s帧的任意两个关节相对肢体躯干...
【专利技术属性】
技术研发人员：韦韧，黄伟，张浩杰，郁建生，周伟，徐志宏，张志勇，郝云来，李嘉诚，
申请(专利权)人：深圳前海默比优斯科技有限公司，
类型：发明
国别省市：广东,44
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。