[发明专利]基于图像处理的室内人体姿态初步分类方法

权利要求书

1.一种基于图像处理的室内人体姿态初步分类方法，其特征在于，包括以下步骤：

步骤1、采用超宽带雷达对室内人体常见姿态进行高速采样，得到回波信号s(τ,t)，其中τ表示快时时间域，即距离轴；t表示慢时时间域，即时间轴；该回波信号包括静止物体的回波信号和人体姿态的回波信号；

步骤2、通过动目标检测MTI处理方法抑制静止物体反射的回波信号，并利用中值滤波的方法，进一步去除噪声，得到初步的姿态信号图像；

步骤3、对步骤2中得到的姿态信号图像进行二值化处理，通过阈值选取，将256个亮度等级的灰度图像二值化为0或255灰度值的姿态信号图像，进一步去除杂波干扰；

步骤4、基于时间-距离算法，对步骤3得到的二值化后的姿态信号图像进行去除孤立点处理，得到去除杂波孤立点之后的姿态信号图像；

步骤5、对得到的每个姿态的姿态信号图像进行特征提取，选取的特征为图像中的信号的斜率和信号在距离轴上的分布范围；姿态信号图像中信号的斜率代表的是相对于雷达的径向速度；在距离轴上的分布范围，代表的是姿态在相对于雷达在径向上的位移；

步骤6、将得到的特征信息放入SVM中进行处理，得到分类结果，从而分辨出该姿态为原地还是非原地动作。

2.根据权利要求1所述的基于图像处理的室内人体姿态初步分类方法，其特征在于，步骤1中所述室内人体常见姿态分为两类，包括原地动作和非原地动作，其中原地动作包括：(a)站立、(b)弯腰、(c)坐/站、(d)下蹲、(e)跳跃、(f)横摔；非原地动作包括：(g)行走、(h)拄拐走、(i)跑步、(j)前跳、(k)前摔、(l)爬行。

3.根据权利要求1所述的基于图像处理的室内人体姿态初步分类方法，其特征在于，步骤3中姿态信号图像的二值化处理，具体为：

步骤3-1、截取相同时间间隔的原地和非原地两类姿态动作，得到它们的姿态信号图像；

步骤3-2、对步骤3得到的姿态信号图像，将姿态信号图像转换为256个亮度等级的灰度图像，从而获得反映图像整体和局部特征的二值化姿态信号图像；阈值选取的原则：在杂波环境下二值化后的姿态信号图像为可反映原图像的整体和局部特征的最优值。

4.根据权利要求1所述的基于图像处理的室内人体姿态初步分类方法，其特征在于，步骤4中基于时间-距离的孤立点去除算法，对步骤3得到的二值化后的姿态信号图像进行去除孤立点处理，得到去除杂波孤立点之后的姿态信号图像具体为：

步骤4-1、判断杂波孤立点，给定数据集D和参数k，r，x∈D，若x中存在至多k个样本点位于x的r距离之内，则称样本x∈D为杂波孤立点；具体为：输入人体姿态信号图像矩阵D，定义半径阈值为r，最近邻点数值k，集合O用于保存孤立点坐标的集合，并初始化O为空；Neighbor(p)表示到点p距离不大于r的数据点个数；其中k为不大于3的整数，r为半径参数；

步骤4-2、去除杂波孤立点，基于时间-距离的孤立点去除算法：对输入的人体姿态图像中的每一个数据点检测其r邻域内数据点的个数，若个数小于k就将该点标记为杂波孤立点，并且将改点置为0；否则，该点为正常点；

数据点的选取方式为对在每一个时间点上，对每一个距离门里的点逐个进行检测，具体为：对每个点p而言，根据数据点选取方式，对每一个时间点上的每一个距离们按点逐一扫描矩阵D来检索Neighbor(p)，如果Neighbor(p)k，则p为孤立点，将p点坐标保存到O中；将D中坐标为集合O中的点的值置零，得到新的矩阵E，E就是去除孤立点后的姿态信号图像。

5.根据权利要求1所述的基于图像处理的室内人体姿态初步分类方法，其特征在于，步骤5中对得到的每个姿态的姿态信号图像进行特征提取，具体为：

步骤5-1、姿态信号图像中信号的斜率代表的是相对于雷达的径向速度，将时间轴上按固定间隔每10个点分成一段，计算该段信号的斜率，最终取平均得到该姿态的速度特征；

步骤5-2、姿态信号图像中信号在距离轴上的分布范围，代表的是姿态在相对于雷达在径向上的位移；取姿态信号图像中距离轴上的最大间隔，作为该姿态跨越距离门的距离特征。