[发明专利]一种基于小波矩的深度图像跌倒识别算法

摘要

本发明提出了一种基于小波矩的深度图像跌倒识别算法。该算法首先根据图像中各像素点相对于质心的距离做归一化，然后对归一化的图像极坐标化、FFT变换，最后对图像进行小波变换获取特征向量，并结合最小距离分类法识别人体行为。通过对大量的人体行为样本进行测试，本发明算法的识别率达到了90%。本发明通过利用深度图像和小波矩特征的平移、缩放和旋转不变性，解决了传统视频图像处理存在的隐私问题，提高识别性能。本发明不仅提高了对人体跌倒行为的识别能力，而且具有更好的鲁棒性，有很好的应用前景。

主权项

一种基于小波矩的深度图像跌倒识别算法，其特征在于包括如下步骤：步骤1)深度图像采集：通过Kinect将人体自然身体运动作为输入，通过在人体上投射红外光并计算每个光束需要被传感器的红外光接收器接收的时间，绘制深度图，并二值化；步骤2)图像归一化：确定图形的灰度质心坐标，取质心坐标再根据像素点相对于质心的距离做归一化处理，归一化后的坐标为(x,y)；步骤3)图像极坐标化：对于连续函数f(x,y)其相应的极坐标函数表示为f(r,θ)，其中x＝r cos(θ)，y＝r sin(θ)，r为极径、θ为极角，图像的(p+q)矩特征定义如式(1)：Fpq＝∫∫f(r,θ)gp(r)ejqθrdrdθ            p,q＝0,1,2,...(1)其中,gp(r)是变换核的径分量，ejqθ为变换的角度分量，p、q为常数，e为自然对数的底数；步骤4)FFT变换：设定角度间隔Δθ＝2π/N，则角度积分为：N表示变换点数，m表示[0，N‑1]的常数；步骤5)小波变换获取特征：对步骤4)的积分结果利用小波函数在径向区域内提取特征；步骤6)采用最小距离分类法，将未知类别的图像的特征点和特征空间中标准样本中心之间的距离作为分类的准则，并根据特征数据，得出识别结论。