[发明专利]一种提取人体关节点坐标的智能监控系统及方法

说明书

技术领域

本发明属于智能监控领域，具体涉及一种提取人体关节点坐标的智能监控系统及方法。

背景技术

智能监控是用计算机视觉的方法，在不需要人为干预的情况下，通过对摄像机拍录的图像序列进行自动分析，实现对动态场景中目标的定位、识别和跟踪，并在此基础上分析和判断目标的行为，从而做到既能完成日常管理又能在异常情况发生的时候及时做出反应。

传统的智能视频监控是通过图形图像处理技术获取监控视频中运动对象的位置、运行序列进行异常行为的检测，由于视频中图像只具有颜色和亮度信息，对运动对象的检测速度较慢，并且识别的准确率不高。由于快速准确的运动分割是个相当重要又是比较困难的一个问题，而动态环境中捕捉的图像受环境的变化影响较大，进而增加了智能监控的难度。现有的智能视频监控设备对于场景中仍然只能检测到非常简单的动作，对于行为的检测极为有限。当监控区域中有异常行为发生时，不能作出有效的反馈，从而为智能监控的进一步应用带来了困难。

将体感器应用于智能监控具有重要价值。微软公司开发的Kinect体感器设备不仅能提供彩色图像数据，而且提供深度数据和骨骼数据，为解决智能监控存在的问题提供了另外一条途径。但是当人与人存在遮挡关系以及单台体感器不能捕获完整人体的骨骼三维坐标时，动作的正确识别率较低。

将3台体感器同时布置于监控区域可以有效解决上述问题，通过使3台体感器同时对某个区域进行监控，提高动作识别的准确率，减少动作识别时间以满足监控实时性的需要。并且，当开启无人监控模式时，实现在无人状态时，对于一些特定的异常动作进行检测，从而减少人力、物力的投入。

发明内容

针对现有技术存在的不足，本发明提供一种提取人体关节点坐标的智能监控系统及方法。

本发明的技术方案是：

一种提取人体关节点坐标的智能监控系统包括三台体感器、计算机和报警器。

所述的三台体感器分别安装在监控环境内的三个方向上，且三个体感器位于同一水平面上，三台体感器均用于采集人体骨骼关节点处的坐标，并将采集到的坐标信息传输至计算机。

所述的计算机用于对体感器采集的人体骨骼关节点坐标中的完整骨骼关节点坐标数据进行降维处理，并根据降维处理后的数据进行动作识别，得到动作识别结果，并判断结果是否为异常动作，若为异常动作则向报警器发出报警指令。

所述的报警器用于根据计算机发出的报警指令进行报警。

所述的三台体感器的输出端分别与计算机的输入端连接，计算机的输出端与报警器的输入端连接。

所述的体感器为红外体感器。

一种提取人体关节点坐标的智能监控系统智能监控方法，包括以下步骤：

步骤1：建立基于核主成分分析的二维隐马尔科夫模型：将体感器采集的不同动作的完整骨骼关节点坐标的动作特征数据进行降维处理，获得动作特征数据主成分，将不同动作的动作特征数据主成分作为二维隐马尔科夫模型的输入，不同动作作为二维隐马尔科夫模型的输出，得到二维隐马尔科夫模型的状态转移概率矩阵、发生的条件概率矩阵，进而确定该二维隐马尔科夫模型。

步骤1.1：通过三台体感器采集人体不同动作的骨骼关节点坐标，判断三台体感器所获取的每一帧图像骨骼关节点坐标是否为零，若某台体感器获取的某一帧骨骼关节点坐标全不为零，则该帧图像中骨骼关节点坐标数据为完整的骨骼坐标数据，则执行步骤1.2，若三台体感器均为不完整骨骼坐标数据，则当前图像视为无效帧，进行下一帧图像的捕获。

步骤1.2：将完整的骨骼坐标数据中的每个骨骼关节点相对于臀部中央的相对坐标、骨骼关节之间夹角的余弦值和骨骼关节点运动的速度作为动作特征数据，将固定时间间隔的动作特征数据作为动作特征序列组。

步骤1.3：对动作特征数据序列组进行划分，取划分的每部分动作特征序列的平均值作为动作样本，各动作样本形成动作样本集，使用核主成分分析法对动作样本集进行降维处理，提取出动作特征数据主成分。

步骤1.4：使用二维隐马尔科夫模型对动作特征数据主成分进行训练，设定初始概率分布，输入不同动作的动作特征数据主成分，得到二维隐马尔科夫模型的状态转移概率矩阵、发生的条件概率矩阵，进而确定该二维隐马尔科夫模型。

步骤2：利用三台体感器对监控区域内人体动作进行实时监控，对完整的骨骼关节点坐标的动作特征数据进行降维处理，获得该未知动作的动作特征数据主成分。