[发明专利]一种基于深度图像信息的坠床行为实时检测方法

摘要

本发明公开了一种基于深度图像信息的坠床行为实时检测方法，包括：(1)通过深度传感器获取室内场景的深度图像；(2)更新深度图像中的跟踪区域；(3)通过不断变化偏移尺度，提取步骤(2)得到的跟踪区域中各像素的八邻域差分特征；(4)获取头部区域；(5)定位头部中心；(6)获取上半身区域；(7)优化头部定位；(8)人体确认；(9)提取高度特征；(10)坠床检测：采用训练好的坠床分类器对上述高度特征向量进行分类检测，获取坠床检测结果。本发明提出的基于深度图像的坠床行为实时检测方法，通过随机森林分类器获取头部区域，优化头部定位保证定位准确性，使用支撑向量机检测坠床，保证了本方法具有较高的准确度与鲁棒性。

主权项

1.一种基于深度图像信息的坠床行为实时检测方法，其特征在于，所述方法包括如下步骤：(1)获取深度图像：通过深度传感器获取室内场景的深度图像；(2)更新跟踪区域：获取深度图像后，更新深度图像中的跟踪区域；(3)提取深度差分特征：通过不断变化偏移尺度，提取步骤(2)得到的跟踪区域中各像素的八邻域差分特征，构成多维向量；(4)获取头部区域：根据步骤(3)获取跟踪区域内所有像素的深度差分特征后，通过之前训练好的头部分类器对所有像素点进行分类判别，获得头部像素点，确定头部区域；(5)定位头部中心：根据步骤(4)获取头部像素区域后，通过不断迭代寻找头部像素密度最大的位置，即确定头部中心的位置(6)获取上半身区域：通过步骤(5)获得头部中心位置后通过区域生长方式获取上半身区域；(7)优化头部定位：通过步骤(6)获取上半身区域后，根据上半身区域范围优化进一步调整头部位置；(8)人体确认：通过构建人体上半身三维模型，与步骤(6)得到的上半身区域进行比较，同时结合之前图像帧的人体检测结果，判断该上半身区域是否为人体；(9)提取高度特征：确认为人体后，根据头部位置选取连续多帧与地面的距离构成高度特征向量；高度特征是连续多帧的高度值组成的多维向量；(10)坠床检测：采用训练好的坠床分类器对上述高度特征向量进行分类检测，获取坠床检测结果；所述步骤(2)具体包括：(2.1)当该深度图像为第一帧或者之前连续多帧图像没有检测到人体时，则更新跟踪区域为整个深度图像；(2.2)当在该深度图像之前的一定帧数图像中检测到人体时，则根据人体头部位置更新跟踪区域；跟踪区域为圆面，圆心为圆面半径为r_p＝3·k·r_head；其中，k表示当前图像帧与上一次检测到人体的深度图像帧的间隔帧数，特别的，表示处的深度值，是对半径长度做深度不变性处理；α是常数，其值标定方法如下：在安装好深度传感器后，进行坠床检测前，获取一张深度图，人工确定头部中心与半径r_head，依据上式计算得到α，同一深度传感器的α值相同。