[发明专利]一种基于光流与k-means聚类的多学生起坐检测方法

权利要求书

1.一种基于光流和k-means聚类的学生起坐检测方法，其特征在于，该方法包括以下步骤：

步骤(1)、利用摄像头拍摄学生区域，采集学生区域图像信息，用于分析处理；

步骤(2)、对学生区域进行运动区域检测，用帧间差分法检测出图像中存在运动的区域，然后，利用包括膨胀、腐蚀在内的形态学处理，连通区域，去除噪点，并用连通域标记算法标记出运动区域模板；

步骤(3)、将运动区域模板与原图像叠加，并对运动区域进行光流运算，得出特征点的运动矢量；

步骤(4)、将光流分为向上的一组A和向下的一组B，并进行聚类处理，其中分组操作的具体判据为：如果运动矢量垂直的分量>5pixel，且水平的分量的绝对值不大于3pixel，则认为该特征点有向上的运动趋势，将这些特征点归为一组，记为A，如果运动矢量垂直的分量<-5pixel且水平的分量的绝对值不大于3pixel，则认为该特征点有向下的运动趋势，将这些特征点归为另一组，记为B；

其中聚类处理具体包括：对A组与B组分别进行k-means聚类，得到K个类以及每个类的中心位置坐标，类的个数K即是当前帧中有起立或者坐下趋势的学生的个数，中心位置即是每一个目标区域的中心坐标；若一个类中样本个数过小，则认为该类是干扰点，排除这个类，并记录下其他类的中心坐标；

返回步骤(1)，对下一帧视频进行同样的处理；

若同一个中心点连续出现达到一定的次数，则认为该目标发生起坐动作，至此，检测结束。

2.如权利要求1所述的一种基于光流和k-means聚类的学生起坐检测方法，其特征在于，所述步骤(2)中用帧间差分法检测出图像中存在运动的区域的步骤，具体包括以下处理：计算前后两帧之间各点的灰度差值，并以差值的绝对值作为差分后图像的灰度值；对该图像进行阈值分割，得到一幅二值图像。

3.如权利要求1所述的一种基于光流和k-means聚类的学生起坐检测方法，其特征在于，所述步骤(3)中对运动区域进行光流运算的步骤，具体包括以下处理：首先用Shi-Tomas算法找出运动区域内的角点，然后用LK光流法计算各角点的光流，即运动矢量。