[发明专利]一种基于3D视觉的人体倾倒识别算法

权利要求书

1.一种基于3D视觉的人体倾倒识别算法，其特征在于，包括以下步骤：

步骤一：对人体移动图像进行采集，其中采用光图像传感器、红外发射器、红外接收器、以及摄像头传感器模块对人体移动图像进行采集，并对人体脸部进行识别获取人体站立面部朝向，所述摄像头传感器模块包括RGB图像信息组件和深度信息组件；

步骤二：获取步骤一采集的图像信息，并对图像信息内的图像目标进行检测分离；

步骤三：对步骤二分离的人体目标模型上的特征点进行跟踪，其中人体目标模型上特征点的采集位置包括头部、颈部、胸部和腿部；

步骤四：通过获取的特征点对目标的倾向进行识别；

步骤五：通过目标倾向识别信息获取目标倾向方向，并判断目标所处状态，其中人体移动状态包括正常直立移动状态、即将倾倒状态、以及倾倒状态，所述即将倾倒状态通过目标重心与地面夹角进行判定。

2.根据权利要求1所述的一种基于3D视觉的人体倾倒识别算法，其特征在于：所述步骤二中，通过检测变化区域的方法检测运动目标，并结合Sobel算子得到一阶图像梯度信息得到目标分割，获取从图像中检测到的目标人体与背景分离后的信息。

3.根据权利要求1所述的一种基于3D视觉的人体倾倒识别算法，其特征在于：所述步骤二中还包括距离检测，所述距离检测通过所述摄像头传感器模块获取RGB图像并输入到SoC传感器处理器内获取图像目标与摄像头的距离。

4.根据权利要求1所述的一种基于3D视觉的人体倾倒识别算法，其特征在于：所述步骤四中，获取的特征点对目标的倾向进行识别的过程如下：

第一步：通过人体二维信息以及人体深度信息获取某一时刻特征点在空间的位置：

第二步：选取旋转矩阵处理所述特征点，其中t₁时刻颈部特征点坐标为A(x₁₁,y₁₁,z₁₁)，胸部特征点坐标为B(x₂₁,y₂₁,z₂₁)，任一腿部特征点坐标为C(x₃₁,y₃₁,z₃₁)；

第三步：计算t₁时刻颈部与胸部特征点之间的向量同时记录I₁(x,y,z)，而t₁+Δt时刻I_1+Δt(x_1+Δt,y_1+Δt,z_1+Δt)，若标记向量对A(x₁₁,y₁₁,z₁₁)和B(x₂₁,y₂₁,z₂₁)进行修正如下：此时，颈部特征点坐标为A(x₁₂,y₁₂,z₁₂)，胸部特征点坐标为B(x₂₂,y₂₂,z₂₂)，且再引入旋转矩阵M，在右手笛卡尔坐标系中并结合三角函数获取θ_x、θ_y、θ_z三角函数的值即特征点A、B在x轴、y轴和z轴方向转过的角度为θ_x、θ_y、θ_z；

第四步：根据第一步至第三步所述可求得腿部与胸部之间的向量，得到目标是否处于移动状态，再计算头部腿部特征点所在直线与竖直方向之间的夹角。

5.根据权利要求4所述的一种基于3D视觉的人体倾倒识别算法，其特征在于：所述步骤五中所述即将倾倒状态包括目标人物前后倾状态和目标人物左右倾状态，所述目标人物前后倾状态为目标前后倾向方向与重心方向夹角大于12.5°；所述目标人物左右倾状态为目标左右倾向方向与重心方向夹角大于16°。