[发明专利]一种人体卧姿实时检测及识别方法

权利要求书

1.一种人体卧姿实时检测及识别方法，其特征在于，包括以下步骤：

S1：布置深度相机，通过深度相机采集卧姿受试者时间序列上的深度图像，将采集的数据传输到计算机进行处理；

S2：对从深度相机获取到的深度图像数据进行处理，对深度图像中背景进行分割，标记出深度图像中人员位置；

S3：识别出人体关键点，构建出基于这些人体关键点的人体姿态模型，将人体姿态模型的画面实时显示在显示器上；

S4：对构造的人体姿态模型中的各人体关键点的位置进行计算，根据人体关键点相对位置变化，识别出受试者的运动状态，包括以下步骤：

S4.1：对各关键点数据进行坐标转化，映射到全局坐标系上；

S4.2：采用数字滤波器原理进行滤波，对连续帧内的人体关键点运动过程中存在重叠、混淆等问题进行处理，并对骨骼节点轨迹进行预处理，减少节点位置跳变幅度；

S4.3：明确人体姿态模型中的各关节部位，每个关节由相邻的三个人体关键点作为关节点所构成，构造各关节所对应的关节点间的结构向量，根据各关节点间的结构向量计算出各关节的角度大小；

S4.4：计算同一帧不同关节点相对位移，同一帧每个关节点表示为x_i，当前帧(c)的姿态特征f_cc，可以表示不同关节点的坐标差值为：

f_cc＝{x_i-x_j|i,j＝1,2,…N；i≠j}

S4.5：计算不同帧同一关节点相对位移，相对前一帧(p)，当前帧在卧姿状态运动中产生的偏移量，可以计算当前帧与上一帧间各关节点的坐标差值以捕获关节运动特征，表示为：

S4.6：相对初始帧(s)，当前帧在运动中产生的偏移量，计算当前帧与初始帧间各关节点的坐标差值作为偏移量特征，表示为f_cs：

S4.7：对姿态特征f_cc、运动特征f_cp、偏移量特征f_cs组合的形式表示，每一帧的各关节位置信息可表示为：f_c＝[f_cc,f_cp,f_cs]，对f_c进行降维并与设定值进行判断，超出设定阈值舍去角度变化信息，属于设定阈值保留角度变化信息；

S4.8：对特定时间窗口内的各关节角度信息，以熵表示信息量的大小，信息熵h(x)表示为：

h(x)＝-∫f(x)logf(x)dx

其中随机变量的熵正比于其方差的对数，以此衡量每个时间段内关节角度信息，将关节角度信息输入以支持向量机的行为分类器中，识别受试者的当前运动状态；

S5：将识别出的受试者的当前运动状态结果通过显示器进行显示。