The invention discloses a human body state judgment algorithm based on vision, which belongs to the technical field of computer vision, including moving human body detection, feature extraction and description, and behavior recognition. The specific steps of feature extraction and description are as follows: S1, obtain the original image, obtain the foreground binary image of the original image by the motion detection algorithm as the optical flow calculation area; S2, calculate the optical flow The area is filled with black edges to obtain a square optical flow graph, which is divided into 16 equal parts by a 4x4 mesh. The average optical flow value of each area is taken, and finally a 16 dimensional vector is used to represent the optical flow vector of the frame. Assuming that the clipping feature vector obtained from the frame is s and the optical flow feature vector is 0, the fusion feature V of the two is [S; 0]; the invention has simple structure and convenient use, and provides The method of fast and fast feature fusion reduces the complexity and dimension of feature extraction. It is practical and suitable for popularization.
【技术实现步骤摘要】
一种基于视觉的人体状态判断算法
本专利技术涉及计算机视觉
,尤其涉及一种基于视觉的人体状态判断算法。
技术介绍
基于视觉的人体状态判断,是指通过摄像机获取人的运动视频,用计算机技术进行处理,最终使计算机能够判断和描述人的行为。基于视觉的人体状态判断是涉及到计算机视觉、机器学习、心理学、人体运动学等多个学科的重要研究领域。随着计算机软硬件技术的发展,以及市场对安全设备需求的提升,行为分析正受到越来越多的关注和研究。基于视觉的人体状态识别可用于家庭居住安全系统以及医疗监护系统中。智能监护系统能对被监护人的行为举止进行分析,当监护人发生异常状况时,能够及时检测到异常情况并警报,这对人体的生命安全至关重要。特征提取是人体状态判断过程中的关键步骤,将直接关系到下一步行为识别模型的表现情况。目前基于视觉的行为识别中,外形特征和运动特征是两种较常用的特征,它们有着各自的优缺点。近年来出现了基于外形特征和光流的融合特征,兼具两者的优点,提高了识别的准确率,但同时也增加了特征提取的复杂度,算代价高,识别速度慢。因此,针对上述问题提出一种基于视觉的人体状态判断算法。
技术实现思路
本专利技术的目的就在于为了解决上述人体状态判断过程中特征提取的复杂度高且识别速度慢的问题而提供一种基于视觉的人体状态判断算法,具有高灵活性和高度可扩展性的优点。为实现上述目的,本专利技术采用如下技术方案:本专利技术保护一种基于视觉的人体状态判断算法,包括运动人体检测、特征提取与描述、行为识别,特 ...
【技术保护点】
1.一种基于视觉的人体状态判断算法,包括运动人体检测、特征提取与描述、行为识别,其特征在于:/n特征提取与描述具体步骤如下:/nS1,获取原始图像,由运动检测算法得到原始图像的前景二值图,作为光流计算区域;/nS2,将所述光流计算区域进行黑边填补,得到正方形光流图,再用4x4的网格划分成16等分,每个区域取其光流平均值,最后用一个16维的向量表示这帧图片的光流向量;假设从该帧得到的剪影特征向量为s,光流特征向量为0,则两者的融合特征V=[s;0];/n行为识别,建立于SVM—HMM模型,通过该模型对测试视屏中的原始图像进行识别,判断人体各部分相对其他部分所处的位置,从而得出状态结果。/n
【技术特征摘要】
1.一种基于视觉的人体状态判断算法,包括运动人体检测、特征提取与描述、行为识别,其特征在于:
特征提取与描述具体步骤如下:
S1,获取原始图像,由运动检测算法得到原始图像的前景二值图,作为光流计算区域;
S2,将所述光流计算区域进行黑边填补,得到正方形光流图,再用4x4的网格划分成16等分,每个区域取其光流平均值,最后用一个16维的向量表示这帧图片的光流向量;假设从该帧得到的剪影特征向量为s,光流特征向量为0,则两者的融合特征V=[s;0];
行为识别,建立于SVM—HMM模型,通过该模型对测试视屏中的原始图像进行识别,判断人体各部分相对其他部分所处的位置,从而得出状态结果。
2.根据权利要求1所述的一种基于视觉的人体状态判断算法,其特征在于,获取原始图像的方法如下:
将获取的人体完整图像至少分为八个部分,包括头部、肩膀两端、躯干、四肢,形成至少八张原始图像。
3.根据权利要求1所述的一种基于视觉的人体状态判断算法,其特征在于:所述运动人体检测采用视觉背景抽取算法,且视觉背景抽取算法中的距离阈值为自适应阈值。
4.根据权利要求1所述的一种基于视觉的人体状态判断算...
【专利技术属性】
技术研发人员:曾新华,洪伟,管一鸣,
申请(专利权)人:安徽澄小光智能科技有限公司,
类型:发明
国别省市:安徽;34
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。