一种人体姿态的分类方法和装置制造方法及图纸

本发明专利技术公开了一种人体姿态的分类方法和装置，人体姿态的分类方法包括：确定当前帧图像中的人体区域；在所述人体区域中，进行人体形状的提取，获得人体的外轮廓，并通过人头检测，获得人头的位置信息；当头部位于人体的外轮廓正中间，此时确定所述人体姿态为垂直站立；当头部位于人体的外轮廓的一侧时，进而计算人体外轮廓的长宽比，根据所述人体外轮廓的长宽比确定人体姿态种类，从而实现了对人体姿态进行自动识别和分类，不需人工介入，弥补了现有技术没有提供对人体姿态进行分类的方法的缺陷。

【技术实现步骤摘要】

本专利技术涉及图像内容分析
，特别涉及一种人体姿态的分类方法和装置。
技术介绍
人体姿态是各种各样的，如站立、弯腰、坐、躺、半躺等。图像中的人体姿态分析是图像内容分析的主要内容之一，主要目的是估算图像中人体各个部位的位置，确定头部、四肢的姿态。确定人体姿态之后，可进一步判断人的当前动作等信息，进而应用于行为分析、视频监控、人机交互、虚拟现实等各种应用场景。例如在小时工监控系统中，可以通过人体姿态确定当前小时工有没有偷懒；或者，可以将人体姿态与人所在的地方进行分析，确定人是不是摔倒在地上，进行老年人的摔倒检测；或者，可以根据人体姿态分析人的动作趋势等。 现有技术提供的分析人体姿态的方法，大都是通过感应器或遥控器与人体某部分的接触，对人体姿态进行简单的识别和分析。一般来说，现有技术所提供的方法均是对人体某部分的动作进行简单的捕捉识别。 在实现本专利技术的过程中，专利技术人发现现有技术至少存在以下问题现有技术对人体姿态的识别不全面，对人体姿态进行识别时需要人工介入，并且没有提供对人体姿态进行分类的方法。
技术实现思路
本专利技术提供一种人体姿态的分类方法和装置，以实现确定图像中人体的位置和动作变化趋势，同时通过人头检测确定头部的位置，根据头部位置、人体形状等信息对人体的姿态进行分类。 为达到上述目的，本专利技术实施例一方面提供一种人体姿态的分类方法，包括 确定当前帧图像中的人体区域； 在所述人体区域中，进行人体形状的提取，获得人体的外轮廓，并通过人头检测，获得人头的位置信息； 当头部位于人体的外轮廓正中间，此时确定所述人体姿态为垂直站立；当头部位于人体的外轮廓的一侧时，进而计算人体外轮廓的长宽比，根据所述人体外轮廓的长宽比确定人体姿态种类。 优选地，所述计算人体外轮廓的长宽比具体包括 计算当前帧图像中头部到脚的距离； 计算所述当前帧图像中人体外轮廓的平均宽度； 根据所述当前帧图像中头部到脚的距离和人体外轮廓的平均宽度，获得人体外轮廓的长宽比。 优选地，所述计算所述当前帧图像中人体外轮廓的平均宽度具体包括 计算所述当前帧图像中人头到脚的连线与摄像头的水平线之间的夹角； 计算人体水平方向的平均像素个数； 根据所述夹角和所述人体水平方向的平均像素个数计算人体外轮廓的平均宽度。 优选地，当所述夹角为a，所述人体水平方向的平均像素个数为w′，人体外轮廓的平均宽度为w时，所述根据所述夹角和所述人体水平方向的平均像素个数计算人体外轮廓的平均宽度具体为 w＝w′×cosa， 其中，N为所述当前帧图像中人头到脚共占用的像素个数，ni为第i行对应的像素个数。 优选地，当人体外轮廓的长度为l，人体外轮廓的平均宽度为w，所述人体外轮廓的长宽比为 时，所述根据所述人体外轮廓的长宽比确定人体姿态具体包括 当时，确定人体姿态为平躺； 当时，确定人体姿态为半躺； 当时，确定人体姿态为坐； 当时，确定人体姿态为倾斜站立； 其中，th1、th2和th3为预设的阈值。 优选地，所述在所述人体区域中，进行人体形状的提取，获得人体的外轮廓具体包括 采用Snake的方法确定人体的外轮廓的能量函数，通过循环迭代使所述能量函数达到最小值，获得人体的外轮廓。 当人体的外轮廓上第i个点的坐标为(x(i)，y(i))，第i个点的连续性项能量为Ec(i)，第i个点的曲率项能量为Es(i)，第i个点的图像能量为Ei(i)，第i个点的能量函数为E(i)时，所述确定人体的外轮廓的能量函数具体为 其中，α、β、γ分别为Ec(i)、Es(i)和Ei(i)的权重，α、β、γ是正数，α+β+γ＝1； dmean为人体的外轮廓上相邻两个点之间的平均距离，Ecmax是Ec(i)的最大值； Esmax是Es(i)的最大值； g″(i)是人体的外轮廓上第i个点的二阶差分， I(x(i)，y(i))表示坐标为(x(i)，y(i))的像素点的灰度或者亮度值，l是平滑宽度，l＝1或其他正整数。 优选地，所述通过循环迭代使所述能量函数达到最小值，获得人体的外轮廓具体包括 设置Snake的初值，计算Ecmax，Esmax和dmean； 按照收敛方向，确定当前轮廓点的候选点，按照能量最小的原则在所述候选点中选择使 最小的点作为下次迭代的初值； 对每个轮廓点都计算一遍后重新计算Ecmax，Esmax和dmean，继续进行迭代，比较每次迭代前后轮廓点的位置，如果某次迭代时所有轮廓点的位置均未发生变化，停止迭代。 优选地，该方法还包括 选择多幅不同姿态的人体图像或人体的外轮廓； 根据人体姿态对所述人体图像或人体的外轮廓进行分组； 提取每组人体外轮廓的特征向量作为训练样本输入到分类器的训练模块，通过训练建立人体姿态的分类器； 提取待确定人体图像或人体的外轮廓的特征向量输入到人体姿态的分类器中，根据所述人体姿态的分类器的输出结果确定人体姿态种类。 另一方面，本专利技术还提供一种人体姿态的分类装置，包括 人体区域确定模块，用于确定当前帧图像中的人体区域； 轮廓提取模块，与所述人体区域确定模块连接，用于在所述人体区域确定模块确定的人体区域中，进行人体形状的提取，获得人体的外轮廓； 人头位置获得模块，用于通过人头检测，获得人头的位置信息； 人体姿态确定模块，与所述轮廓提取模块和所述人头位置获得模块连接，当头部位于人体的外轮廓正中间，此时所述人体姿态确定模块确定所述人体姿态为垂直站立；当头部位于人体的外轮廓的一侧时，进而计算人体外轮廓的长宽比，根据所述人体外轮廓的长宽比确定人体姿态种类。 优选地，所述人体姿态确定模块包括 计算子模块，用于计算当前帧图像中头部到脚的距离和所述当前帧图像中人体外轮廓的平均宽度； 长宽比获得子模块，与所述计算子模块连接，用于根据所述计算子模块计算的当前帧图像中头部到脚的距离和人体外轮廓的平均宽度，获得人体外轮廓的长宽比。 优选地，所述计算子模块具体用于计算所述当前帧图像中人头到脚的连线与摄像头的水平线之间的夹角，并计算人体水平方向的平均像素个数，根据所述夹角和所述人体水平方向的平均像素个数计算人体外轮廓的平均宽度。 优选地，所述轮廓提取模块具体用于采用Snake的方法确定人体的外轮廓的能量函数，通过循环迭代使所述能量函数达到最小值，获得人体的外轮廓； 其中，所述轮廓提取模块确定人体的外轮廓的能量函数为 其中，α、β、γ分别为Ec(i)、Es(i)和Ei(i)的权重，α、β、γ是正数，α+β+γ＝1； dmean为人体的外轮廓上相邻两个点之间的平均距离，Ecmax是Ec(i)的最大值； Esmax是Es(i)的最大值； g″(i)是人体的外轮廓上第i个点的二阶差分， I(x(i)，y(i))表示坐标为(x(i)，y(i))的像素点的灰度或者亮度值，l是平滑宽度，l＝1或其他正整数。 优选地，所述轮廓提取模块具体用于设置Snake的初值，计算Ecmax，Esmax和dmean；按照收敛方向，确定当前轮廓点的候选点，按照能量最小的原则在所述候选点中选择使 最小的点作为下次本文档来自技高网...

【技术保护点】
一种人体姿态的分类方法，其特征在于，包括：　确定当前帧图像中的人体区域；　在所述人体区域中，进行人体形状的提取，获得人体的外轮廓，并通过人头检测，获得人头的位置信息；　当头部位于人体的外轮廓正中间，此时确定所述人体姿态为垂 直站立；当头部位于人体的外轮廓的一侧时，进而计算人体外轮廓的长宽比，根据所述人体外轮廓的长宽比确定人体姿态种类。

【技术特征摘要】

【专利技术属性】
技术研发人员：王俊艳，黄英，
申请(专利权)人：北京中星微电子有限公司，
类型：发明
国别省市：11[中国|北京]