[发明专利]一种人体躺姿识别方法及系统

权利要求书

1.一种人体躺姿识别方法，其特征在于，所述方法，包括：

获取待识别人体的关节数据；

根据所述待识别人体的关节数据，利用人体运动与局部肢体姿势关系模型，得到待识别人体的局部姿势序列；所述局部姿势序列包括人体各个局部的局部姿势；所述局部包括：左上肢、右上肢、腰部、左下肢和右下肢；所述人体运动与局部肢体姿势关系模型是利用模糊算法对人体的历史关节数据进行处理得到的；

将所述局部姿势序列输入到人体躺姿识别模型中，得到待识别人体的躺姿；所述人体躺姿识别模型是利用局部姿势序列历史数据，对支持向量机模型进行训练后得到的。

2.根据权利要求1所述的人体躺姿识别方法，其特征在于，在所述获取待识别人体的关节数据之前，还包括：

获取人体局部对应的多种历史关节数据；

将所述历史关节数据进行量化处理，得到量化后的历史关节数据；

以局部对应的多种量化后的历史关节数据为输入量，以局部姿势编码为输出量，建立局部模糊规则，遍历所有局部得到人体运动与局部肢体姿势关系模型。

3.根据权利要求2所述的人体躺姿识别方法，其特征在于，

左上肢对应的历史关节数据包括：左肩关节第一自由度、左肩关节第而自由度、左肩关节第三自由度和左肘关节自由度；

右上肢对应的历史关节数据包括：右肩关节第一自由度、右肩关节第而自由度、右肩关节第三自由度和右肘关节自由度；

腰部对应的历史关节数据包括：腰部自由度；

左下肢对应的历史关节数据包括：左髋关节第一自由度、左髋关节第而自由度、左髋关节第三自由度和左膝关节自由度；

右下肢对应的历史关节数据包括：右髋关节第一自由度、右髋关节第而自由度、右髋关节第三自由度和右膝关节自由度。

4.根据权利要求1所述的人体躺姿识别方法，其特征在于，在所述获取待识别人体的关节数据之前，还包括：

获取局部姿势序列历史数据；

以所述局部姿势序列历史数据为输入，以所述局部姿势序列历史数据对应的人体躺姿为输出，对支持向量机模型进行训练，得到所述人体躺姿识别模型。

5.根据权利要求3所述的人体躺姿识别方法，其特征在于，所述根据所述待识别人体的关节数据，利用人体运动与局部肢体姿势关系模型，得到待识别人体的局部姿势序列，具体包括：

对所述待识别人体的关节数据进行量化处理，得到量化后的所述待识别人体的关节数据；

按照所述局部的种类对所述量化后的所述待识别人体的关节数据进行分组处理，得到分组后的所述待识别人体的关节数据；

分别利用分组后的所述待识别人体的关节数据对应局部的局部模糊规则，识别出所述待识别人体的多个局部姿势；

根据多个所述局部姿势构建局部姿势序列。

6.一种人体躺姿识别系统，其特征在于，所述系统，包括：

关节数据获取模块，用于获取待识别人体的关节数据；

局部姿势序列确定模块，用于根据所述待识别人体的关节数据，利用人体运动与局部肢体姿势关系模型，得到待识别人体的局部姿势序列；所述局部姿势序列包括人体各个局部的局部姿势；所述局部包括：左上肢、右上肢、腰部、左下肢和右下肢；所述人体运动与局部肢体姿势关系模型是利用模糊算法对人体的历史关节数据进行处理得到的；

躺姿识别模块，用于将所述局部姿势序列输入到人体躺姿识别模型中，得到待识别人体的躺姿；所述人体躺姿识别模型是利用局部姿势序列历史数据，对支持向量机模型进行训练后得到的。

7.根据权利要求6所述的人体躺姿识别系统，其特征在于，所述系统，还包括：

历史关节数据获取模块，用于获取人体局部对应的多种历史关节数据；

量化模块，用于将所述历史关节数据进行量化处理，得到量化后的历史关节数据；

模糊规则建立模块，用于以局部对应的多种量化后的历史关节数据为输入量，以局部姿势编码为输出量，建立局部模糊规则，遍历所有局部得到人体运动与局部肢体姿势关系模型。