[发明专利]一种基于动作识别的病患辅助系统

权利要求书

1.一种基于动作识别的病患辅助系统，其特征在于，包括影像采集模块、语音录入模块、数据接收模块、数据处理模块与判定模块；

所述影像采集模块用于进行采集影像信息，所述语音录入模块用于采集语音信息，所述数据接收模块用于接收影像信息与语音信息，并将影像信息与语音信息发送到数据处理模块，所述数据处理模块对影像信息进行处理，并进行动作分析得到动作判定结果，所述数据处理模块对影像信息与语音信息进行处理进行身份判定；

所述判定模块对动作判定结果进行处理得到最终辅助数据。

2.根据权利要求1所述的一种基于动作识别的病患辅助系统其特征在于：所述影像采集模采集影像信息与动作处理的具体过程如下：

步骤一：进行一次光源标定，再确定空间中物体的位置得到深度图像，以“激光散斑”为光源，激光射到粗糙物或穿透毛玻璃后形成衍射斑点，通过红外摄影机发射激光散斑，红外摄像头分析红外光谱后将散斑信息传给处理芯片，在可视空间内，每隔一定的距离取一个参考面，记录其散斑图案，将这些参考面组合就形成了整个空间的散斑图案，完成了光源标定，由于激光散斑的随机性，空间中每个物体的散斑图案各不相同，将每个物体的散斑图案分别与每个参考面散斑图案做互相关运算，依据运算结果可确定物体的空间位置、形状等，再经过插值运算即可得到场景的三维形状，即深度图像；

步骤二：发现人体：通过对背景和人体的分割，输出人体轮廓，首先着重扫描靠近的区域，该区域极大可能的存在用户，其次逐个像素的扫描以上区域的深度图像，通过计算机图形视觉技术，包括边缘检测、噪声阈值处理、提取目标特征点等技术将人体从背景中分离，最为跟踪到的人体创建“分割遮罩”；

步骤三：识别人体部位：系统汇总不存在存储人体部位与动作姿势相关的匹配模型数据库，通过利用骨骼跟踪学习技术--Exemplar系统进行机器学习识别人体部位，在这一阶段Exemplar系统扫描深度图像的每个像素，并在“随机决策库”中搜索，通过概率推测的方法来判断该像素属于人体的具体部位；

步骤四：识别人体关节：对步骤三的每个部位的像素进行评估，同样利用机器学习，通过近似概率匹配，得到人体部位的关节点，将这些关节点合成整体，形成了人体骨架模型，此时得到的是人体骨骼的三维坐标，需要通过数学处理，将三维坐标转化为显示在屏幕上的二维坐标。

3.根据权利要求1所述的一种基于动作识别的病患辅助系统其特征在于：所述身份判定的具体过程如下：

步骤一：身份识别包括人脸识别和动作识别，依据摄像头收集到彩色图像，传输彩色数据流，定位到人脸的存在，其次对人脸进一步分析，抽象面部特性，包括人脸大小、位置、面部器官的位置等信息，将这些信息与系统建立好的“通用人脸”数据库中的已知人脸进行比对，并结合人物的着装、骨架等识别人物身份，动作识别是基于骨骼跟踪的基础之上的，可将动作抽象为骨骼关节点或动作序列，通过匹配算法，结合语义理解，实现对动静态动作的识别；

步骤二：语音识别：从麦克风阵列传输的原始音频流通过多声道回声消除算法使系统适应环境回声和人物与麦克风的距离，通过波束成形技术定位人物声源，通过音频增强效果算法尽可能的过滤和抑制噪声，从而完成对用户语音命令的识别。

4.根据权利要求1所述的一种基于动作识别的病患辅助系统其特征在于：所述动作分析过程中使用到了模板匹配法、动态时间规整(DTW)算法与基于机器学习的方法。