一种基于3D视觉的人体倾倒识别算法制造技术

本发明专利技术提供一种基于3D视觉的人体倾倒识别算法，包括以下步骤：步骤一：对人体移动图像进行采集；步骤二：获取步骤一采集的图像信息；步骤三：对步骤二分离的人体目标模型上的特征点进行跟踪，其中人体目标模型上特征点的采集位置包括头部、颈部、胸部和腿部；步骤四：通过获取的特征点对目标的倾向进行识别；步骤五：通过目标倾向识别信息获取目标倾向方向，并判断目标所处状态，其中人体移动状态包括正常直立移动状态、即将倾倒状态、以及倾倒状态，即将倾倒状态通过目标重心与地面夹角进行判定；本发明专利技术可以便捷的识别人物目标即将倾倒，提高了对倾倒行为的辨识效率，避免了倾倒情况的发生。生。生。

【技术实现步骤摘要】
一种基于3D视觉的人体倾倒识别算法


[0001]本专利技术涉及3D视觉
，具体为一种基于3D视觉的人体倾倒识别算法。

技术介绍

[0002]随着中国老龄化趋势的加剧，中老年人口数量越来越多，同时随着人们安全意识的提高，如何保证人身安全，如何及时发现处于危险状态的人，越来越受到重视。
[0003]而中老年正是摔跤的高发人群，特别是一部分患中风的中老年人，中风发生之前可能会有一些类似头晕头疼以及眼前发黑等的症状，很容易导致突然摔跤。因为中风引起的突然摔跤而得不到快速的救治，其后果是难以想象的。另外还有些行动不便的人在不小心摔跤后，无法得到快速及时的救治也有可能造成难以治愈的创伤，如何及时检查出老年人摔倒越来越受到重视。

技术实现思路

[0004]针对上述技术问题，本专利技术提供一种基于3D视觉的人体倾倒识别算法，可以便捷的识别人物目标即将倾倒，提高了对倾倒行为的辨识效率，避免了倾倒情况的发生。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于3D视觉的人体倾倒识别算法，包括以下步骤：
[0006]步骤一：对人体移动图像进行采集，其中采用光图像传感器、红外发射器、红外接收器、以及摄像头传感器模块对人体移动图像进行采集，并对人体脸部进行识别获取人体站立面部朝向，所述摄像头传感器模块包括RGB图像信息组件和深度信息组件；
[0007]步骤二：获取步骤一采集的图像信息，并对图像信息内的图像目标进行检测分离；
[0008]步骤三：对步骤二分离的人体目标模型上的特征点进行跟踪，其中人体目标模型上特征点的采集位置包括头部、颈部、胸部和腿部；
[0009]步骤四：通过获取的特征点对目标的倾向进行识别；
[0010]步骤五：通过目标倾向识别信息获取目标倾向方向，并判断目标所处状态，其中人体移动状态包括正常直立移动状态、即将倾倒状态、以及倾倒状态，所述即将倾倒状态通过目标重心与地面夹角进行判定。
[0011]优选的，所述步骤二中，通过检测变化区域的方法检测运动目标，并结合Sobel算子得到一阶图像梯度信息得到目标分割，获取从图像中检测到的目标人体与背景分离后的信息。
[0012]优选的，所述步骤二中还包括距离检测，所述距离检测通过所述摄像头传感器模块获取RGB图像并输入到SoC传感器处理器内获取图像目标与摄像头的距离。
[0013]优选的，所述步骤四中，获取的特征点对目标的倾向进行识别的过程如下：
[0014]第一步：通过人体二维信息以及人体深度信息获取某一时刻特征点在空间的位置：
[0015]第二步：选取旋转矩阵处理所述特征点，其中t1时刻颈部特征点坐标为A(x
11
,y
11
,z
11
)，胸部特征点坐标为B(x
21
,y
21
,z
21
)，任一腿部特征点坐标为C(x
31
,y
31
,z
31
)；
[0016]第三步：计算t1时刻颈部与胸部特征点之间的向量同时记录I1(x,y,z)，而t1+Δt时刻I
1+Δt
(x
1+Δt
,y
1+Δt
,z
1+Δt
)，若标记向量对A(x
11
,y
11
,z
11
)和B(x
21
,y
21
,z
21
)进行修正如下：此时，颈部特征点坐标为A(x
12
,y
12
,z
12
)，胸部特征点坐标为B(x
22
,y
22
,z
22
)，且再引入旋转矩阵M，在右手笛卡尔坐标系中并结合三角函数获取θ
x
、θ
y
、θ
z
三角函数的值即特征点A、B在x轴、y轴和z轴方向转过的角度为θ
x
、θ
y
、θ
z
；
[0017]第四步：根据第一步至第三步所述可求得腿部与胸部之间的向量，得到目标是否处于移动状态，再计算头部腿部特征点所在直线与竖直方向之间的夹角。
[0018]优选的，所述步骤五中所述即将倾倒状态包括目标人物前后倾状态和目标人物左右倾状态，所述目标人物前后倾状态为目标前后倾向方向与重心方向夹角大于12.5
°
；所述目标人物左右倾状态为目标左右倾向方向与重心方向夹角大于16
°
。
[0019]本专利技术的有益效果：通过采集目标人物的移动图像，以便于对目标人物是否处于运动状态进行判定，从而以便于进步计算目标人物是否存在倾倒的情况出现，可以便捷的识别人物目标即将倾倒，提高了对倾倒行为的辨识效率，避免了倾倒情况的发生。
附图说明
[0020]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制，在附图中：
[0021]图1为本专利技术提出的基于3D视觉的人体倾倒识别算法简易结构示意图。
具体实施方式
[0022]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例和附图，进一步阐述本专利技术，但下述实施例仅为本专利技术的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本专利技术的保护范围。
[0023]请参阅图1，一种基于3D视觉的人体倾倒识别算法，包括以下步骤：
[0024]步骤一：对人体移动图像进行采集，其中采用光图像传感器、红外发射器、红外接收器、以及摄像头传感器模块对人体移动图像进行采集，并对人体脸部进行识别获取人体站立面部朝向，摄像头传感器模块包括RGB图像信息组件和深度信息组件，其中RGB图像信
息组件为一个RGB CMOS传感器，深度信息组件有一个红外发射头和接收反射红外光的CMOS组成，而RGB传感器的视野为横向58
°
、纵向45
°
及对角70
°
；距离传感器2米处的空间解析度为3mm，深度解析度为1cm；最大图像采集率为60fps；传感器的最佳工作距离范围为1.2～3.5m。；
[0025]步骤二：获取步骤一采集的图像信息，并对图像信息内的图像目标进行检测分离；
[0026]步骤三：对步骤二分离的人体目标模型上的特征点进行跟踪，其中人体目标模型上特征点的采集位置包括头部、颈部、胸部和腿部；
[0027]步骤四：通过获取的特征点对目标的倾向进行识别；
[0028]步骤五：通过目标倾向识别信息获取目标倾向方向，并判断目标所处状态，其中人体移动状态包括正常直立移动状态、即将倾倒状态、以及倾倒状态，即将倾倒状态通过目标重心与地面夹角进本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于3D视觉的人体倾倒识别算法，其特征在于，包括以下步骤：步骤一：对人体移动图像进行采集，其中采用光图像传感器、红外发射器、红外接收器、以及摄像头传感器模块对人体移动图像进行采集，并对人体脸部进行识别获取人体站立面部朝向，所述摄像头传感器模块包括RGB图像信息组件和深度信息组件；步骤二：获取步骤一采集的图像信息，并对图像信息内的图像目标进行检测分离；步骤三：对步骤二分离的人体目标模型上的特征点进行跟踪，其中人体目标模型上特征点的采集位置包括头部、颈部、胸部和腿部；步骤四：通过获取的特征点对目标的倾向进行识别；步骤五：通过目标倾向识别信息获取目标倾向方向，并判断目标所处状态，其中人体移动状态包括正常直立移动状态、即将倾倒状态、以及倾倒状态，所述即将倾倒状态通过目标重心与地面夹角进行判定。2.根据权利要求1所述的一种基于3D视觉的人体倾倒识别算法，其特征在于：所述步骤二中，通过检测变化区域的方法检测运动目标，并结合Sobel算子得到一阶图像梯度信息得到目标分割，获取从图像中检测到的目标人体与背景分离后的信息。3.根据权利要求1所述的一种基于3D视觉的人体倾倒识别算法，其特征在于：所述步骤二中还包括距离检测，所述距离检测通过所述摄像头传感器模块获取RGB图像并输入到SoC传感器处理器内获取图像目标与摄像头的距离。4.根据权利要求1所述的一种基于3D视觉的人体倾倒识别算法，其特征在于：所述步骤四中，获取的特征点对目标的倾向进行识别的过程如下：第一步：通过人体二维信息以及人体深度信息获取某一时刻特征点在空间的位置：第二步：选取旋转矩阵处理所述特征点，其中t1时刻颈部特征点坐标为A(x
11
,y
11
,z
11
)，胸部特征点坐标为B(x
21
,y
21
,z
21
)，任一腿部特征点坐标为C(x
...

【专利技术属性】
技术研发人员：张云龙，
申请(专利权)人：安徽兰臣信息科技有限公司，
类型：发明
国别省市：