【技术实现步骤摘要】
一种基于SURF算法的老年人护理需求识别方法
[0001]本专利技术涉及机器视觉及图像识别
,特别是一种基于SURF算法的老年人护理需求识别方法。
技术介绍
[0002]随着人口老龄化问题加重,老人的护理问题成为一个重要的问题。老年人身体的退化以及近年来心血管疾病的普遍化,加重了老年人表达和行动的不便,导致一部分老年人只能长期卧床且表达不清。在护理资源短缺的情况下,当产生如厕的生理需求时,常常由于帮扶不及时导致失禁,处理非常繁琐且对老年人危害大。所以,通过机器对老年人有如厕需求却难以行动表达时的表情识别,有效的识别老年人护理需求十分重要。
[0003]随着现代图像识别技术的不断发展,面部识别技术可以识别出人脸的表情变化,通过对于老人产生护理需求时难受表情的识别,就可以及时通知护工进行帮助,解决老人如厕的护理需求。专利CN111476196A公开了一种基于面部动作的老年残障人士护理需求识别方法,该方法根据事先规定的操作逻辑,使用眨眼动作和张嘴动作来表征老年残障人士的基本护理需求,满足其吃饭、小便和大便的需求识别,给老年残障人士提供更自然、和谐的人机交互方式,可以使老年人得到更可靠的看护。但是该方法需要人为干预,要求老人做出指定动作,对于难以理解指定要求的部分老年人难以实现。
技术实现思路
[0004]本专利技术的目的在于提供一种实时性好、准确性高、适用范围广的基于SURF算法的老年人护理需求识别方法。
[0005]实现本专利技术目的的技术解决方案为:一种基于SURF算法的老年人护理 ...
【技术保护点】
【技术特征摘要】
1.一种基于SURF算法的老年人护理需求识别方法,其特征在于,具体步骤如下:步骤1、获取老年人的面部表情图像,并生成训练集、测试集;步骤2、利用SURF特征提取算法对训练集进行特征提取,确定表情类型;步骤3、采用词袋模型Bag-of-words,结合K-means聚类算法对训练集的所有图像中提取出的特征向量进行聚类,将每一个聚类中心作为视觉词word,再将所有聚类中心所对应的视觉词集合形成码本dictionary;以码本为规范,将同一幅图像的SURF特征向量映射到码本生成Bow向量,并使用该Bow向量来描述这副图像;步骤4、将训练集所有特征向量聚类生成的视觉词序列构成的码本放入SVM支持向量机中进行训练,从而得到训练好的模型;提取测试集中测试图像的SURF特征,将这些SURF特征映射为Bow向量并作为测试数据,使用SVM算法得到分类结果,完成老年人护理需求识别。2.根据权利要求1所述的基于SURF算法的老年人护理需求识别方法,其特征在于,步骤2所述的利用SURF特征提取算法对训练集进行特征提取,确定表情类型,具体如下:(2-1)构建Hessian矩阵生成特征点;(2-2)构建尺度空间;(2-3)定位特征点;(2-4)分配特征点主方向;(2-5)生成特征点描述子即SURF特征向量。3.根据权利要求2所述的基于SURF算法的老年人护理需求识别方法,其特征在于,(2-1)所述构建Hessian矩阵生成特征点,具体如下:Hessian矩阵的作用是对函数的局部曲率进行描述,SURF特征提取算法利用原图每个像素的Hessian矩阵行列式的近似值构成变换图从而提取特征点;在进行Hessian矩阵构造前,需要对其进行高斯滤波,因此选用二阶标准高斯函数作为滤波器;经过滤波后的像素点x=(x,y)在σ尺度上的Hessian矩阵H(x,σ)定义为:式中,L
xx
(x,σ)是高斯二阶偏导数与图像在X点的卷积,L
xy
(x,σ)是高斯二阶偏导数与图像在X点的卷积,L
yy
(x,σ)是高斯二阶偏导数与图像在X点的卷积;经过高斯滤波的Hessian矩阵的秩为:det(H)=L
xx
(x,σ)*L
yy
(x,σ)-L
xy
(x,σ)*L
xy
(x,σ)SURF特征提取算法使用盒式滤波器来近似替代高斯滤波器,经过盒式滤波器滤波后的Hessian矩阵的秩Det(H
approx
)通过下式计算,为了平衡因使用盒式滤波器近似所带来的误差,在D
xy
(x,σ)上乘了一个加权系数0.9:Det(H
approx
)=D
xx
(x,σ)D
yy
(x,σ)-(0.9D
xy
(x,σ))2式中,D
xx
(x,σ)是盒子滤波器与图像在X点的卷...
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。