[发明专利]一种无标记颈椎运动检测方法

说明书

一种无标记颈椎运动检测方法，属于图像识别领域。现有的有标记物的目标识别方法具有局限性的问题。本发明包括，获得连续的含有颈部的图像帧；将L‑K光流法与最大类间方差图像分割法相结合的方法，检测图像中的颈部区域目标；检测颈部边缘，提取颈部轮廓部分信息；将提取出的颈部边缘图像的质心作为坐标原点，建立坐标系，把图像在四个象限的质心分别和原点进行连线，计算每条连线和横轴的夹角的正切值，得出特征向量；从而进行颈部特征提取；采用BP神经网络进行颈部姿态识别；提取样本特征数据计算训练参数，根据提取的特征参数训练分类器；之后将待检测的颈部图像进行检测，识别检测结果。具有目标识别时间短，识别结果准确的优点。

技术领域

本发明涉及一种无标记颈椎运动检测方法。

背景技术

随着社会节奏的加快和智能手机的普及，长时间的伏案办公和越来越普遍的“低头族”使得颈椎病越来越年轻化和大众化。颈椎病是出于椎间盘突出、骨质增生等原因导致的颈椎部位功能性障碍综合征，最初是一种中老年人群的常见多发病。然而近几年的调查研究发现，越来越多的人都或轻或重地存在颈椎问题，特别长期伏案工作的办公人员和学业负担繁重的学生们，其颈椎病的患病率普遍高于其他人群。根据相关职业调查，文书岗位、教师、IT行业和驾驶员等从业人群的颈椎病患病率占据前几位。当人们长期保持低头或抬头姿势，或者是其他不良姿势的情况下，颈椎长时间处于屈位或某些特定体位没有及时得到放松或者缓解，以至于造成颈后肌肉和相关韧带组织的劳损。综合各项调查结果，颈椎病的年轻化和高病发率与人体的不良颈部姿态息息相关。因此，开展对颈部姿态的研究具有重要的社会意义和健康保障。人体姿态检测和识别是近几年来的研究热点。人体交互和无线体域网[7]等关键技术的急速发展，使得人体姿态检测和识别得到了广泛应用，在其快速进入人体工学、体感游戏、健康监护和康复医学等领域的同时，也加速了相关领域的技术更新[8]。人体姿态主要分为运动姿态和静止姿态，对人体姿态的研究是指利用各种方法对人体的运动姿态信息进行检测、追踪和识别，采用各种例如高速摄影、传感器等技术配合计算机技术与测量技术等手段来获得人体运动时的各种姿态信息。人体姿态识别是计算机视觉研究领域中具有广泛应用前景的研究方向，计算机可以在没有人控制的情况下，利用计算机视觉计算方法，自动计算和分析视频中的运动目标，能够从一个高层次语义上快速检测出异常行为，理解视频图像中的人体姿态，对有异常行为的情况下，能够快速的发出准确的报警信息，是计算机拥有理解动态场景的能力，但是这方面的研究也有一定的挑战和难度。人体的行为千变万化，不同的人体形态也是千差万别，又存在光线、衣服、背景等因素的影响，因此完整的检测视频图像中的人体并识别出目标姿态是一个非常困难的任务。本课题的研究工作是针对视频中的无标记图像，首先判断此图像是否有相应的目标，如果有，要对相应的目标图像区域进一步进行图像处理，之后对颈部姿态进行检测识别。此课题是基于无标记颈椎运动检测方法研究。纯视觉方式的，非接触的，利用图像处理的方法，机器学习的算法来实现颈椎姿态的检测。有标记的颈椎姿态检测实际上是视觉采集，对采集后的每一帧图像人工加上坐标系最后看姿态的变化，实际上就是根据标记物来进行目标识别。由于有标记物的方法具有局限性，因此本发明是不使用标记物也能够进行的颈椎姿态检测方法。

发明内容

本发明的目的是为了解决现有的有标记物的目标识别方法具有局限性的问题，而提出一种一种无标记颈椎运动检测方法。

一种无标记颈椎运动检测方法，其特征在于：所述方法通过以下步骤实现：

步骤一、通过采集含有颈部的视频，获得连续的含有颈部的图像帧；

步骤二、将L-K光流法与最大类间方差图像分割法相结合的方法，检测图像中的颈部区域目标

步骤三、建立颈部模型，检测颈部边缘，提取颈部轮廓部分信息；将提取出的颈部边缘图像的质心作为坐标原点，建立坐标系，把图像在四个象限的质心分别和原点进行连线，计算每条连线和横轴的夹角的正切值，得出特征向量；从而进行颈部特征提取；

步骤四、采用BP神经网络进行颈部姿态识别；