基于摄像头识别手势的报警方法技术

本发明专利技术涉及一种基于摄像头识别手势的报警方法，包括：设定手势数据集；相机建立边框识别人体活动趋势；利用卷积神经网络来识别人类手势；将捕捉的二值化手势图像和安全手势进行比对，并设置一个计数参数赋值为1；手势图像和安全手势比对成功，设置参数的数值加1；手势图像和安全手势比对失败，设置参数的数值为0；参数的数值大于三时，摄像头和接收装置建立信号。本发明专利技术摄像头利用卷积神经网络来识别人类手势并经过处理，将手势图像和安全手势进行比对，满足条件后，将该位置发送至值班警务人员的接收装置，实现及时进行报警，降低犯罪频率；整个过程是采用摄像头进行捕捉，受害人无需进行大声呼喊，能够有效防止引来更严重的迫害。能够有效防止引来更严重的迫害。能够有效防止引来更严重的迫害。

【技术实现步骤摘要】
基于摄像头识别手势的报警方法


[0001]本专利技术涉及计算机视觉和人机交互领域，具体涉及一种基于摄像头识别手势的报警方法。

技术介绍

[0002]随着城市人口的不断增长，人员的社会关系相对复杂，对居民生活的管控难度也随之增大，但智慧城市安防系统仍需要不断地加强与完善，目前在城市中的一些巷子里，警务人员或者是安保人员的巡逻也较为有限，但是摄像头等安全工具的数量是具有一定数量的。
[0003]然而对于已经遭受迫害的人而言，摄像头只能起到捕捉犯罪记录的作用，若受到迫害的人大声呼喊势必引来更严重的迫害，因此社会上急需一种在保留摄像头原有功能的情况下捕捉受害人其他的有效信息从而及时报警，进一步降低巷子内的犯罪频率。

技术实现思路

[0004]本专利技术主要针对上述存在的问题，专利技术了一种基于摄像头识别手势的报警方法，摄像头利用卷积神经网络来识别人类手势，并经过去除背景和二值化得到一个灰度图像，识别到的二值化手势图像和安全手势进行反复比对，满足对比条件后，能够将该位置的信息发送至值班警务人员或警局的接收装置，实现能够捕捉受害人手本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于摄像头识别手势的报警方法，其特征在于，采用内置高清摄像模块或红外模板的摄像头和接收信号的接收装置，包括如下步骤：S1：设定手势数据集；S2：相机建立边框识别人体活动趋势；S3：利用卷积神经网络来识别人类手势；S4：将捕捉的二值化手势图像和安全手势进行比对，并设置一个计数参数counterGesture，赋值为1；S5：若手势图像和安全手势进行比对成功，设置counterGesture的数值为加1；S6：若手势图像和安全手势进行比对失败，设置counterGesture的数值为0；S7：计算counterGesture的数值大于三时，摄像头和接收装置建立信号；S8：摄像头和接收装置完成通讯；S9：摄像头将符合手势报警条件的坐标位置发送给接收装置。2.根据权利要求1所述的基于摄像头识别手势的报警方法，其特征在于，所述设定手势数据集，具体为：S11：在高清摄像头的下方进行拍摄获取安全手势图像；S12：将每幅图像转换到YCbCr颜色空间，通过GMM算法去除背景；S13：将图像大小调整为28
×
28像素的灰度或二值化图像；S14：每种手势类型，我们从受试者身上取600和200张图像，分别对CNN进行训练和测试；S15：获取二值化后的图像在手势类型相似的，并得到具有它们的灰度图像具有手指位置等图像细节。3.根据权利要求1所述的基于摄像头识别手势的报警方法，其特征在于，所述相机建立边框识别人体活动趋势，具体为：S21：将视频流被分割成几个帧，这些帧将被连续处理；S22：建立鲁棒的模型捕捉关于运动、外观和物体之间的交互信息；S221：采用卡尔曼递归滤波和逐图像关联传统的方法来遵循做出假设；S222：当物体被遮挡的时间较长时，卡尔曼滤波预测增加与物体位置相关的不确定性；S223：使用匀速运动的标准卡尔曼滤波和线性观测模型，其中我们将定界坐标(u、v和h)作为对物体状态的直接观测；S224：设定每个航迹为，...

【专利技术属性】
技术研发人员：黄瑞阳，蔡万峰，贾清全，黄钰云，段知壮，林娜，请求不公布姓名，
申请(专利权)人：美利威瑟金华科技发展有限责任公司，
类型：发明
国别省市：