[发明专利]基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法

说明书

技术领域

本发明属于生物医学信息技术领域，尤其涉及基于金字塔匹配直方图交叉核的人 体睡眠姿态检测方法。

背景技术

在日常生活中，由于错误睡姿使得局部组织遭受严重压力，让人们患上褥疮，尤其 是卧床不起的病人。而且错误的睡姿可能引起心脏疾病和颈椎疾病等。所以研究不同的睡 眠姿势对监视，健康护理，老年看护是重要的。所以人体睡眠姿态识别是一个重要研究方 向，它的最终目的是输出一个人的整体或者局部肢体的结构参数。睡眠姿态识别的研究方 法应该说，涉及了生物医学工程、生物医学信息学等。以往有些基于这方面研究的方法都是 基于普通光学图像，比如常见的RGB图像，这类图像容易受光照、阴影等外界变化的影响，或 者基于ECG信号，并且由于人体关节自由度大，及人的体型、着装较大差异性，常导致睡眠姿 态识别系统识别不准确。随着光电技术的快速发展，深度传感设备的成本逐渐降低，人们获 取深度图像的方法也越来越多。该方向的研究也越来越成为计算机视觉领域的研究趋势。 具体原因包括：一方面，深度传感设备不仅操作简单，并且极大简化了普通照相机的标定过 程；另一方面，得到的深度图像由于直接包含了人体的深度信息，能够有效的克服普通光学 图像遇到的上述问题。从深度图像中进行姿态识别不仅具有研究意义，更重要的是人体睡 眠姿态识别具有广阔的应用前景与商业价值，以下是它几个典型的应用领域：1)智能监控 系统(参见：VinczeM，ZillichM，PonweiserW，etal.Integratedvisionsystemforthe semanticinterpretationofactivitieswhereapersonhandlesobjects[J]， ComputerVisionandImageUnderstanding，2009，113(6):682-692)；2)高级人机交互；3) 远程医疗。基于普通光学图像的睡眠姿态估计主要有基于模型和基于无模型两类，对于前 者的方法而言，要将预先构造的人体模型与图像中人体构造的各部分的形状、色彩、轮廓等 特征对应起来，以求解人体模型的各种参数，这种方法不需要庞大的样本库和稳定的估计 算法，但由于该方法被复杂模型所限制不被通用，并且也不适合目前普遍具有海量数据的 实际应用领域；基于无模型方法不需要事先构造人体模型，而是以一种学习的方式来构造 人体特征与人体睡眠姿态之间的映射关系。无模型方法通过学习方法改善人体睡眠姿态识 别效果，适合当前的应用需求。然而，这些方法都是从图像中提取色彩、轮廓、形状、边缘等 特征，由于普通光学图像容易受光照、阴影等变化因数的影响，所以所提取的该类特征的鲁 棒性及有效性较差。与普通光学图像相比，深度图像包含了更为丰富的空间信息，从中既可 以提取物体轮廓、形状区域特征，还可以提取出模型外观的立体特征，而且深度图像像素记 录的因为是距离信息，具有颜色无关性，所以这在一定程度上克服了普通光学图像遇到的 上述问题，随着光电技术的发展，很多研究学者结合深度图像性质把很多经典算法应用在 该类图像上。比如LuXia(参照：XiaL，ChenCC，AggarwalJ.K.Humandetectionusing depthinformationbyKinect[C]，CVPRW，2011.)等人结合像素深度信息利用Canny算子 从图像中提取边缘特征，通过距离变换和模型匹配，进行部位检测的方法来识别姿态；尽管 上述方法在一定程度上弥补了普通光学图像的缺点，但碍于一般传感设备不适用任何环境 等因素，基于深度图像的人体睡眠姿态识别一直没有突破性的进展。

发明内容

本发明的目的在于提供一种新的基于金字塔匹配直方图交叉核的人体睡眠姿态 检测方法，旨在解决现有的人体睡眠姿态检测方法单一和准确率低的问题。

本发明是这样实现的，基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法， 所述基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法包括：

采用Artec和Kinect采集数据；

通过平移和缩放坐标系统的尺度将每个3维人体睡眠模型从模型的中心移动到 坐标系统的原点，坐标轴的最大值变为1，建立出每个模型其自己的协调的系统；