[发明专利]一种基于小波矩的深度图像跌倒识别算法

权利要求书

1.一种基于小波矩的深度图像跌倒识别算法，其特征在于包括如下步骤：

步骤1)深度图像采集：通过Kinect将人体自然身体运动作为输入，通过在人体上投射红外光并计算每个光束需要被传感器的红外光接收器接收的时间，绘制深度图，并二值化；

步骤2)图像归一化：确定图形的灰度质心坐标，取质心坐标再根据像素点相对于质心的距离做归一化处理，归一化后的坐标为(x,y)；

步骤3)图像极坐标化：对于连续函数f(x,y)其相应的极坐标函数表示为f(r,θ)，其中x＝r cos(θ)，y＝r sin(θ)，r为极径、θ为极角，图像的(p+q)矩特征定义如式(1)：

F_pq＝∫∫f(r,θ)g_p(r)e^jqθrdrdθp,q＝0,1,2,...(1)

其中,g_p(r)是变换核的径分量，e^jqθ为变换的角度分量，p、q为常数，e为自然对数的底数；

步骤4)FFT变换：设定角度间隔Δθ＝2π/N，则角度积分为：N表示变换点数，m表示[0，N-1]的常数；

步骤5)小波变换获取特征：对步骤4)的积分结果利用小波函数在径向区域内提取特征；

步骤6)采用最小距离分类法，将未知类别的图像的特征点和特征空间中标准样本中心之间的距离作为分类的准则，并根据特征数据，得出识别结论。

2.根据权利要求1所述的基于小波矩的深度图像跌倒识别算法，其特征在于所述步骤2)中质心坐标满足m₁₀、m₀₁为一阶矩、m₀₀为零阶矩；归一化后的坐标为(x,y)满足其中α为缩放因子满足M为归一化半径。

3.根据权利要求1所述的基于小波矩的深度图像跌倒识别算法，其特征在于所述步骤2)中根据式(2)将特征提取从二维转化到一维，

F_pq＝∫S_q(r)g_p(r)rdrdθ

(2)

S_q(r)＝∫f(r,θ)e^jqθdθ

S_q(r)代表图像f(r,θ)在相位空间[0,2π]中的第q个特征量。