一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法
【專利摘要】本發(fā)明公開(kāi)了一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，屬于視頻圖像技術(shù)領(lǐng)域。包括以下步驟：步驟一：利用全景紅外線攝像機(jī)進(jìn)行紅外攝像，獲取視頻圖像信號(hào)；步驟二：采用快速近似展開(kāi)方法對(duì)紅外全景圖像展開(kāi)；步驟三：構(gòu)建家庭環(huán)境下室內(nèi)柵格語(yǔ)義地圖；步驟四：采用基于改進(jìn)的混合高斯模型算法對(duì)人體目標(biāo)建模，識(shí)別目標(biāo)團(tuán)塊，獲取團(tuán)塊信息，對(duì)目標(biāo)團(tuán)塊進(jìn)行實(shí)時(shí)跟蹤，獲取人體軌跡特征；步驟五：采用混合高斯聚類方法提取人體運(yùn)動(dòng)軌跡；步驟六：對(duì)人體軌跡進(jìn)行分割；步驟七：將家庭環(huán)境下人體運(yùn)動(dòng)分割后的軌跡作為訓(xùn)練樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，對(duì)家庭環(huán)境下人體行為軌跡進(jìn)行特征提取，證據(jù)推理進(jìn)行分類；若異常進(jìn)行報(bào)警。
【專利說(shuō)明】
一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法
技術(shù)領(lǐng)域
[0001]本發(fā)明屬于視頻圖像技術(shù)領(lǐng)域，涉及一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法。
【背景技術(shù)】
[0002]隨著經(jīng)濟(jì)社會(huì)的快速發(fā)展，人民生活水平和醫(yī)療衛(wèi)生保障事業(yè)的巨大改善，生育率持續(xù)保持較低水平，我國(guó)社會(huì)老齡化形勢(shì)嚴(yán)峻，2013年，我國(guó)60歲以上老齡人口超過(guò)2億，2025年將突破3億，2040年將突破4億，屆時(shí)80歲以上老人將達(dá)到I個(gè)億，老齡化將長(zhǎng)期影響中國(guó)的經(jīng)濟(jì)和社會(huì)。由于計(jì)劃生育政策的實(shí)施，我國(guó)傳統(tǒng)的核心家庭結(jié)構(gòu)發(fā)生變化，家庭規(guī)模日趨小型化，打破了傳統(tǒng)上的三代人甚至四代人同居的家庭模式。同時(shí)現(xiàn)代社會(huì)中老人和子女都要求有自己的“自由空間”，因此我國(guó)空巢老人和獨(dú)居老人的社會(huì)現(xiàn)象更為突出。據(jù)統(tǒng)計(jì)2012年我國(guó)空巢老年人口為0.99億人，2013年突破一億大關(guān)。隨著年齡的增長(zhǎng)，老年人的機(jī)體生理老化的同時(shí)也伴隨著精神活動(dòng)能力減弱，從而使其生活中產(chǎn)生很多安全隱患，易出現(xiàn)摔倒、跌落等意外傷害。獨(dú)居老人因無(wú)人看護(hù)發(fā)生意外甚至在家逝世多日無(wú)人知曉的報(bào)道常見(jiàn)報(bào)端。因此，如何在獨(dú)居老人的家庭環(huán)境下及時(shí)檢測(cè)出摔倒等異常行為，第一時(shí)間通知家人和醫(yī)院，保障獨(dú)居老人的安全，是值得我們關(guān)注的重要課題。
[0003]目前，異常行為檢測(cè)是一個(gè)研究熱點(diǎn)，具有很大的發(fā)展空間。在現(xiàn)有技術(shù)中，有一種基于動(dòng)作識(shí)別的人體異常行為檢測(cè)與預(yù)警系統(tǒng)，該申請(qǐng)方案提出由攝像頭采集人體運(yùn)動(dòng)圖像，人體腕套內(nèi)的慣性測(cè)量單元采集人體運(yùn)動(dòng)數(shù)據(jù)，并分別傳送至主機(jī)，通過(guò)主機(jī)內(nèi)置程序根據(jù)人體運(yùn)動(dòng)圖像結(jié)合人體運(yùn)動(dòng)數(shù)據(jù)在顯示器上模擬出相關(guān)動(dòng)作畫(huà)面，當(dāng)有異常行為發(fā)生時(shí)，會(huì)通過(guò)預(yù)警系統(tǒng)報(bào)警。該技術(shù)將運(yùn)動(dòng)圖像與運(yùn)動(dòng)數(shù)據(jù)進(jìn)行結(jié)合，以實(shí)現(xiàn)人體異常行為的檢測(cè)，但人體手部佩戴的腕套屬于接觸性裝置，采集數(shù)據(jù)時(shí)，會(huì)對(duì)人體的正常活動(dòng)造成一定影響，使得該技術(shù)的實(shí)用性較低。同時(shí)，還有一類基于純數(shù)字圖像或視頻信息的行為監(jiān)控識(shí)別方法，從圖像中正常行為和異常行為所帶來(lái)的像素特性變化中發(fā)現(xiàn)并提取規(guī)律，從而實(shí)現(xiàn)異常狀態(tài)發(fā)現(xiàn)。如:一種通過(guò)處理圖像中的步態(tài)信息來(lái)識(shí)別人的狀態(tài)的方法，此方法包括參數(shù)化方法和非參數(shù)化方法，參數(shù)化方法基于步態(tài)時(shí)空參數(shù)中的步頻和步長(zhǎng)來(lái)區(qū)分人，非參數(shù)化方法基于特征臉技術(shù)識(shí)別特征步態(tài)來(lái)區(qū)分人。但是，現(xiàn)有的各種方案多采用普通攝像頭直接監(jiān)控，在成像范圍、分辨率方面已經(jīng)難以滿足人體行為識(shí)別的需求，并且難以保護(hù)監(jiān)控對(duì)象的隱私。普通攝像機(jī)有限的可視范圍限制了信息的獲取，若能擴(kuò)大可視范圍，將輕松的解決信息獲取的問(wèn)題。紅外全景攝像頭可以對(duì)監(jiān)控環(huán)境實(shí)現(xiàn)360°全覆蓋，可視范圍廣，同時(shí)避免室內(nèi)光照、陰影等因素的影響。因此，本文提出一種可視范圍廣，非接觸性、具有一定隱私保護(hù)效果的異常行為監(jiān)控方法來(lái)實(shí)現(xiàn)家庭環(huán)境下獨(dú)居老人的異常行為監(jiān)測(cè)。

【發(fā)明內(nèi)容】

[0004]有鑒于此，本發(fā)明的目的在于提供一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，該方法基于紅外全景攝像技術(shù)，Blob圖像跟蹤算法，卷積神經(jīng)網(wǎng)絡(luò)和DS證據(jù)推理分類算法，可以對(duì)獨(dú)居老人的日常行為活動(dòng)范圍實(shí)現(xiàn)全覆蓋式跟蹤檢測(cè)，并在發(fā)生危險(xiǎn)異常情況時(shí)進(jìn)行報(bào)警提示。
[0005]為達(dá)到上述目的，本發(fā)明提供如下技術(shù)方案:
[0006]—種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，屬于視頻圖像技術(shù)領(lǐng)域。包括以下步驟:步驟一:利用全景紅外線攝像機(jī)進(jìn)行紅外攝像，獲取視頻圖像信號(hào);步驟二:采用快速近似展開(kāi)方法對(duì)紅外全景圖像展開(kāi);步驟三:構(gòu)建家庭環(huán)境下室內(nèi)柵格語(yǔ)義地圖；步驟四:采用基于改進(jìn)的混合高斯模型算法對(duì)人體目標(biāo)建模，識(shí)別目標(biāo)團(tuán)塊，獲取團(tuán)塊信息，對(duì)目標(biāo)團(tuán)塊進(jìn)行實(shí)時(shí)跟蹤，獲取人體軌跡特征;步驟五:采用混合高斯聚類方法提取人體運(yùn)動(dòng)軌跡;步驟六:對(duì)人體軌跡進(jìn)行分割；步驟七:將家庭環(huán)境下人體運(yùn)動(dòng)分割后的軌跡作為訓(xùn)練樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，對(duì)家庭環(huán)境下人體行為軌跡進(jìn)行特征提取，證據(jù)推理進(jìn)行分類;若異常進(jìn)行報(bào)警。
[0007]進(jìn)一步，所述步驟二中采用快速近似展開(kāi)方法對(duì)紅外全景圖像展開(kāi)。
[0008]進(jìn)一步，在步驟三中選取一般成人正常步長(zhǎng)50cm為一個(gè)柵格基本單位，建立室內(nèi)坐標(biāo)系，對(duì)待識(shí)別目標(biāo)所在室內(nèi)環(huán)境建立柵格語(yǔ)義地圖，其中地圖包括室內(nèi)各個(gè)房間以及室內(nèi)主要家具、設(shè)備的名稱，坐標(biāo)，房間內(nèi)的家具和設(shè)備為人體運(yùn)動(dòng)軌跡的關(guān)鍵點(diǎn)。
[0009]進(jìn)一步，在步驟四中具體包括以下步驟:41:建立混合高斯背景模型表征圖像幀中的每一個(gè)像素點(diǎn)的特征;42:自適應(yīng)更新背景模型，計(jì)算前景掩膜;43:對(duì)前景掩膜進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算和閉運(yùn)算濾波;44:采用基于前景掩膜連通區(qū)域的團(tuán)塊檢測(cè)算法檢測(cè)視頻區(qū)域內(nèi)的人體目標(biāo)，獲取團(tuán)塊信息，即人體目標(biāo)信息;45:采用Meanaif t算法對(duì)人體目標(biāo)進(jìn)行實(shí)時(shí)跟蹤。
[0010]進(jìn)一步，所述步驟五中采用混合高斯聚類方法提取人體軌跡。
[0011]進(jìn)一步，在步驟六中具體包括以下步驟:在獲取人體運(yùn)動(dòng)軌跡之后，首先判斷當(dāng)前點(diǎn)所屬的關(guān)鍵點(diǎn)，計(jì)算各拓?fù)潼c(diǎn)屬于該關(guān)鍵點(diǎn)的概率，選擇最大概率對(duì)應(yīng)的拓?fù)潼c(diǎn)，如果該最大概率大于某一閾值，則認(rèn)為當(dāng)前點(diǎn)屬于拓?fù)潼c(diǎn).如果當(dāng)前點(diǎn)屬于拓?fù)潼c(diǎn)，則標(biāo)記該點(diǎn)是序列的起點(diǎn)或終點(diǎn)，將不間斷的行為序列分成以關(guān)鍵點(diǎn)為起點(diǎn)和終點(diǎn)的行為序列，其中軌跡特征還包括目標(biāo)在終點(diǎn)所待時(shí)長(zhǎng)。
[0012]進(jìn)一步，在步驟七中具體包括以下步驟:71:將所獲得的不同目標(biāo)的行為序列作為訓(xùn)練樣本，對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練;72:用待識(shí)別目標(biāo)的日?；顒?dòng)行為軌跡對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行微調(diào)，獲得具體的行為軌跡分析模型;73:用該目標(biāo)的行為軌跡分析模型對(duì)獲得的行為軌跡進(jìn)行初步識(shí)別，構(gòu)造目標(biāo)識(shí)別率矩陣;74:采用DS證據(jù)推理融合合成規(guī)則對(duì)人體行為進(jìn)行分類識(shí)別，若目標(biāo)的行為軌跡終點(diǎn)在非關(guān)鍵區(qū)域，且時(shí)長(zhǎng)超過(guò)閾值;或目標(biāo)的起點(diǎn)終點(diǎn)在一定時(shí)長(zhǎng)內(nèi)往返次數(shù)超過(guò)閾值即為異常行為，此時(shí)向老人的家人和醫(yī)院發(fā)送緊急短?目O
[0013]進(jìn)一步，步驟四中所述的團(tuán)塊信息包括:團(tuán)塊的中心，面積及ID信息。
[0014]進(jìn)一步，步驟五中所述發(fā)送緊急短信是基于互聯(lián)網(wǎng)的SMS模塊實(shí)現(xiàn)的。
[0015]本發(fā)明的有益效果在于:本發(fā)明所述方法基于紅外攝像技，Blob圖像跟蹤算法，卷積神經(jīng)網(wǎng)絡(luò)和DS證據(jù)推理分類算法，其中，紅外攝像機(jī)能準(zhǔn)確地探測(cè)熱目標(biāo)，而忽略背景及人體本身豐富的細(xì)節(jié)信息，因此能對(duì)監(jiān)控對(duì)象的隱私起到一定的保護(hù)作用;全景攝像頭能夠?qū)崿F(xiàn)人體活動(dòng)范圍內(nèi)的360°全覆蓋，可視范圍廣，同時(shí)避免室內(nèi)光照、陰影等因素的影響，獲取更多運(yùn)動(dòng)信息和細(xì)節(jié);在基于Blob的跟蹤算法中，能有效方便地獲取目標(biāo)團(tuán)塊的信息，使得實(shí)時(shí)的跟蹤算法得以實(shí)現(xiàn);基于卷積神經(jīng)網(wǎng)絡(luò)的特征提取算法通過(guò)深度網(wǎng)絡(luò)提取高層語(yǔ)義特征，通過(guò)無(wú)監(jiān)督學(xué)習(xí)獲取自適應(yīng)特征，同時(shí)，穩(wěn)定性高，對(duì)圖像的灰度變化，噪聲影響和視點(diǎn)變化不敏感，具有平移、旋轉(zhuǎn)等不變性特征。異常行為判定標(biāo)準(zhǔn)簡(jiǎn)單有效可靠，使得該方法能實(shí)現(xiàn)跌倒異常行為檢測(cè)的目的。同時(shí)，利用紅外全景攝像機(jī)進(jìn)行行為監(jiān)控，實(shí)現(xiàn)了通過(guò)非接觸性方式，全面進(jìn)行異常行為監(jiān)測(cè)的目的，且本發(fā)明使用的跟蹤算法實(shí)時(shí)性好，跟蹤目標(biāo)特征易于獲取，判斷標(biāo)準(zhǔn)簡(jiǎn)單可靠。
【附圖說(shuō)明】
[0016]為了使本發(fā)明的目的、技術(shù)方案和有益效果更加清楚，本發(fā)明提供如下附圖進(jìn)行說(shuō)明:
[0017]圖1為本發(fā)明所述方法的流程圖；
[0018]圖2為本發(fā)明所述室內(nèi)柵格語(yǔ)義地圖示意圖；
[0019]圖3為本發(fā)明所述卷積神經(jīng)網(wǎng)絡(luò)識(shí)別流程圖。
【具體實(shí)施方式】
[0020]下面將結(jié)合附圖，對(duì)本發(fā)明的優(yōu)選實(shí)施例進(jìn)行詳細(xì)的描述。
[0021]圖1為本發(fā)明所述方法的流程圖，本方法包括以下步驟:
[0022]S1:利用全景紅外線攝像機(jī)進(jìn)行紅外線攝像，獲取視頻圖像信號(hào)。攝像機(jī)的安裝按照實(shí)際空間布局分布情況，布置在每個(gè)房間的天花板中央，做到對(duì)該房間以及待監(jiān)控目標(biāo)居住環(huán)境的全面覆蓋。
[0023]S2:對(duì)紅外全景360°攝像頭獲取的全景圖像進(jìn)行還原展開(kāi)，解決全景圖像中的成像扭曲問(wèn)題;在本實(shí)施例中采用快速近似展開(kāi)方法對(duì)紅外全景圖像展開(kāi)。
[0024]S3:選取一般成人正常步長(zhǎng)50cm為一個(gè)柵格基本單位，建立室內(nèi)坐標(biāo)系，對(duì)待識(shí)別目標(biāo)所在室內(nèi)環(huán)境建立柵格語(yǔ)義地圖，其中地圖包括室內(nèi)各個(gè)房間以及室內(nèi)主要家具、設(shè)備的名稱，坐標(biāo)，房間內(nèi)的家具和設(shè)備為人體運(yùn)動(dòng)軌跡的關(guān)鍵點(diǎn)。
[0025]S4:采用自適應(yīng)混合高斯建模方法進(jìn)行前景檢測(cè)，所述步驟S2中的自適應(yīng)混合高斯建模方法，具體步驟如下:
[0026]S41:建立混合高斯背景模型表征圖像幀中的每一個(gè)像素點(diǎn)的特征；
[0027]S42:自適應(yīng)更新背景模型，計(jì)算前景掩膜；
[0028]S43:對(duì)前景掩膜進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算和閉運(yùn)算濾波。
[0029]S44:識(shí)別待檢測(cè)區(qū)域內(nèi)的人體目標(biāo)，獲取人體目標(biāo)信息(中心，面積，ID);在本實(shí)施例中采用基于前景掩膜連通區(qū)域的團(tuán)塊檢測(cè)算法識(shí)別人體目標(biāo)。
[0030]S45:對(duì)目標(biāo)團(tuán)塊進(jìn)彳丁實(shí)時(shí)跟蹤;在本實(shí)施例中米用MeanShif t算法對(duì)目標(biāo)團(tuán)塊進(jìn)行實(shí)時(shí)跟蹤。
[0031]S5:對(duì)人體目標(biāo)的行為估計(jì)進(jìn)行分割，將軌跡序列轉(zhuǎn)化為用關(guān)鍵點(diǎn)表示的關(guān)鍵點(diǎn)序列;在本實(shí)施例中采用混合高斯聚類方法提取人體運(yùn)動(dòng)關(guān)鍵點(diǎn)序列。
[0032]S6:在獲取人體運(yùn)動(dòng)軌跡之后，首先判斷當(dāng)前點(diǎn)所屬的關(guān)鍵點(diǎn)，計(jì)算各拓?fù)潼c(diǎn)屬于該關(guān)鍵點(diǎn)的概率，選擇最大概率對(duì)應(yīng)的拓?fù)潼c(diǎn)，如果該最大概率大于某一閾值，則認(rèn)為當(dāng)前點(diǎn)屬于拓?fù)潼c(diǎn).如果當(dāng)前點(diǎn)屬于拓?fù)潼c(diǎn)，則標(biāo)記該點(diǎn)是序列的起點(diǎn)或終點(diǎn)，將不間斷的行為序列分成以關(guān)鍵點(diǎn)為起點(diǎn)和終點(diǎn)的行為序列，其中軌跡特征還包括目標(biāo)在終點(diǎn)所待時(shí)長(zhǎng)，起點(diǎn)與終點(diǎn)間的連續(xù)往返次數(shù)。
[0033]S7:采用卷積神經(jīng)網(wǎng)絡(luò)對(duì)人體目標(biāo)進(jìn)行軌跡分析，并用DS證據(jù)推理方法對(duì)目標(biāo)行為進(jìn)行分類識(shí)別。若目標(biāo)的行為軌跡終點(diǎn)在非關(guān)鍵區(qū)域，且時(shí)長(zhǎng)超過(guò)閾值;或目標(biāo)的起點(diǎn)終點(diǎn)在一定時(shí)長(zhǎng)內(nèi)往返次數(shù)超過(guò)閾值即為異常行為，此時(shí)向老人的家人和醫(yī)院發(fā)送緊急短信;具體識(shí)別的步驟如下:
[0034]S71:將所獲得的不同目標(biāo)的行為序列作為訓(xùn)練樣本，對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練;
[0035]S72:用待識(shí)別目標(biāo)的日?；顒?dòng)行為軌跡對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行微調(diào)，獲得具體的行為軌跡分析模型；
[0036]S73:用該目標(biāo)的行為軌跡分析模型對(duì)獲得的行為軌跡進(jìn)行初步識(shí)別，構(gòu)造目標(biāo)識(shí)別率矩陣；
[0037]S74:采用DS證據(jù)推理融合合成規(guī)則對(duì)人體行為進(jìn)行分類識(shí)別，若目標(biāo)的行為軌跡終點(diǎn)在非關(guān)鍵區(qū)域，且時(shí)長(zhǎng)超過(guò)閾值;或目標(biāo)的起點(diǎn)終點(diǎn)在一定時(shí)長(zhǎng)內(nèi)往返次數(shù)超過(guò)閾值即為異常行為，此時(shí)向老人的家人和醫(yī)院發(fā)送緊急短信。
[0038]最后說(shuō)明的是，以上優(yōu)選實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管通過(guò)上述優(yōu)選實(shí)施例已經(jīng)對(duì)本發(fā)明進(jìn)行了詳細(xì)的描述，但本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，可以在形式上和細(xì)節(jié)上對(duì)其作出各種各樣的改變，而不偏離本發(fā)明權(quán)利要求書(shū)所限定的范圍。
【主權(quán)項(xiàng)】
1.一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:包括以下步驟: 步驟一:利用全景紅外線攝像機(jī)進(jìn)行紅外線攝像，獲取視頻圖像信號(hào)； 步驟二:采用快速近似展開(kāi)方法對(duì)紅外全景圖像展開(kāi)； 步驟三:選取一般成人正常步長(zhǎng)50cm為一個(gè)柵格基本單位，建立室內(nèi)坐標(biāo)系，對(duì)待識(shí)別目標(biāo)所在室內(nèi)環(huán)境建立柵格語(yǔ)義地圖，其中地圖包括室內(nèi)各個(gè)房間以及室內(nèi)主要家具、設(shè)備的名稱，坐標(biāo)； 步驟四:采用改進(jìn)的自適應(yīng)混合高斯建模方法進(jìn)行前景檢測(cè)，識(shí)別目標(biāo)團(tuán)塊，獲取人體目標(biāo)信息(中心、面積及ID信息)，對(duì)于進(jìn)入攝像范圍的人體目標(biāo)采用MeanShif t算法進(jìn)行實(shí)時(shí)跟蹤； 步驟五:采用混合高斯聚類方法提取人體運(yùn)動(dòng)軌跡； 步驟六:對(duì)人體軌跡進(jìn)行分割； 步驟七:將家庭環(huán)境下人體運(yùn)動(dòng)分割后的軌跡向量化，作為訓(xùn)練樣本訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，對(duì)家庭環(huán)境下人體行為軌跡進(jìn)行特征提取，采用DS證據(jù)推理進(jìn)行分類;若目標(biāo)的行為軌跡終點(diǎn)在非關(guān)鍵區(qū)域，且時(shí)長(zhǎng)超過(guò)閾值;或目標(biāo)的起點(diǎn)終點(diǎn)在一定時(shí)長(zhǎng)內(nèi)往返次數(shù)超過(guò)閾值即為異常行為，此時(shí)向老人的家人和醫(yī)院發(fā)送緊急短信。2.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:所述步驟二中采用采用快速近似展開(kāi)方法對(duì)紅外全景圖像展開(kāi)。3.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:所述步驟三中選取一般成人正常步長(zhǎng)50cm為一個(gè)柵格基本單位，建立室內(nèi)坐標(biāo)系，對(duì)待識(shí)別目標(biāo)所在室內(nèi)環(huán)境建立柵格語(yǔ)義地圖，其中地圖包括室內(nèi)各個(gè)房間以及室內(nèi)主要家具、設(shè)備的名稱，坐標(biāo)。4.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:在步驟四中具體包括以下步驟:41:建立混合高斯背景模型表征圖像幀中的每一個(gè)像素點(diǎn)的特征;42:自適應(yīng)更新背景模型，計(jì)算前景掩膜;43:對(duì)前景掩膜進(jìn)行形態(tài)學(xué)開(kāi)運(yùn)算和閉運(yùn)算濾波;44:采用基于前景掩膜連通區(qū)域的團(tuán)塊檢測(cè)算法檢測(cè)視頻區(qū)域內(nèi)的人體目標(biāo)，獲取團(tuán)塊信息，即人體目標(biāo)信息;45:采用MeanShif t算法對(duì)人體目標(biāo)進(jìn)行實(shí)時(shí)跟蹤。5.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:在步驟五中混合高斯聚類方法將人體運(yùn)動(dòng)軌跡轉(zhuǎn)換為人體運(yùn)動(dòng)關(guān)鍵點(diǎn)序列。6.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:步驟六中具體包括以下步驟:在獲取人體運(yùn)動(dòng)軌跡之后，首先判斷當(dāng)前點(diǎn)所屬的關(guān)鍵點(diǎn)，計(jì)算各拓?fù)潼c(diǎn)屬于該關(guān)鍵點(diǎn)的概率，選擇最大概率對(duì)應(yīng)的拓?fù)潼c(diǎn)，如果該最大概率大于某一閾值，則認(rèn)為當(dāng)前點(diǎn)屬于拓?fù)潼c(diǎn).如果當(dāng)前點(diǎn)屬于拓?fù)潼c(diǎn)，則標(biāo)記該點(diǎn)是序列的起點(diǎn)或終點(diǎn)，將不間斷的行為序列分成以關(guān)鍵點(diǎn)為起點(diǎn)和終點(diǎn)的行為序列，其中軌跡特征還包括目標(biāo)在終點(diǎn)所待時(shí)長(zhǎng)T。7.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:在步驟七中具體包括以下步驟:71:將所獲得的不同目標(biāo)的行為序列作為訓(xùn)練樣本，對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)訓(xùn)練;72:用待識(shí)別目標(biāo)的日?；顒?dòng)行為軌跡對(duì)卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行微調(diào)，獲得具體的行為軌跡分析模型;73:用該目標(biāo)的行為軌跡分析模型對(duì)獲得的行為軌跡進(jìn)行初步識(shí)別，構(gòu)造目標(biāo)識(shí)別率矩陣;74:采用DS證據(jù)推理融合合成規(guī)則對(duì)人體行為進(jìn)行分類識(shí)別，若目標(biāo)的行為軌跡終點(diǎn)在非關(guān)鍵區(qū)域，且時(shí)長(zhǎng)超過(guò)閾值;或目標(biāo)的起點(diǎn)終點(diǎn)在一定時(shí)長(zhǎng)內(nèi)往返次數(shù)超過(guò)閾值即為異常行為，此時(shí)向老人的家人和醫(yī)院發(fā)送緊急短信。8.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:步驟四中所述的團(tuán)塊信息包括:團(tuán)塊的中心，面積及ID信息。9.根據(jù)權(quán)利要求1所述的一種基于紅外全景攝像頭的獨(dú)居老人異常行為識(shí)別方法，其特征在于:所述步驟七中發(fā)送緊急短信是基于互聯(lián)網(wǎng)的SMS模塊實(shí)現(xiàn)的。
【文檔編號(hào)】G06K9/00GK105975956SQ201610367782
【公開(kāi)日】2016年9月28日
【申請(qǐng)日】2016年5月30日
【發(fā)明人】尹宏鵬, 柴毅, 周佳怡
【申請(qǐng)人】重慶大學(xué)