[发明专利]安全帽佩戴监测方法

权利要求书

1.一种安全帽佩戴监测方法，其特征在于，包括：

基于RGB-D传感器获取人员的头部关节点位置数据；

基于惯性传感器获取安全帽的加速度数据；

通过高斯过程，融合所述人员的头部关节点位置数据和所述安全帽的加速度数据以得到联合数据；所述联合数据包括位置序列和它们的二阶导数之间的关系；

其中，可通过高斯过程回归模型来表示位置序列y(t)和它们的二阶导数a(t)之间的关系，观测到的位置数据y(t)，是时间t的函数：

y＝f(t)+ε_y

其中，ε_y是零均值的高斯噪声，

给定N个训练数据{x_i，y_i，i＝1，L，N}，Y＝[y₁，L，y_N]^T是输出数据，在高斯过程模型下，f|X～N(0，C(X，X))，似然函数Y|f～N(f，σ²I)，边缘似然函数是似然函数乘以先验函数：

p(Y|X)＝∫p(Y|f，X)p(f|X)df

其中，Y是受噪声影响的非独立变量，X是独立变量, 在高斯过程模型下，Y～N(0，C+σ²I)，可计算实验观测值Y的对数边缘似然函数值：

其中，C表示协方差矩阵，是超参数，运用打上时间戳的典型的人体日常活动数据和选择的协方差函数，可以采用共轭梯度最优化方法来最大化超参数的对数似然值，从而获得超参数值，同时可通过分析传感器特性来得到噪声方差

当观测到加速度值时，可假定观测值m是隐变量y的一种变形形式，如下式：

m(t)＝∫K(t，x)y(x)dx

离散情况下，

这可以用来表示离散的传感器测量值和真实的系统状态值之间的关系，当观测到M＝KY且K已知时，M是n维正态分布的采样：

M～N(0，K∑K^T+∑_M)

其中，∑_M是观测值方差的对角矩阵，

当加速度观测值采样率是位置观测值采样率的N倍时，

其中，

举例而言，当加速度观测值采样率是位置观测值采样率的3倍时，

计算所述联合数据的对数似然值；

根据所述对数似然值判断所述人员的头部位置与所述安全帽的加速度之间的匹配度，以判断所述人员是否佩戴安全帽。

2.根据权利要求1所述的安全帽佩戴监测方法，其特征在于，基于RGB-D传感器获取人员的头部关节点位置数据，具体包括：通过RGB-D传感器获取多帧人体深度图像；

根据所述多帧人体深度图像提取人体骨骼点坐标，获取头部关节点位置。

3.根据权利要求2所述的安全帽佩戴监测方法，其特征在于，基于惯性传感器获取安全帽的加速度数据，具体包括：

获取安全帽上的惯性传感器数据序列；

通过惯性传感器融合坐标系转换，计算所述安全帽在RGB-D坐标系内的移动加速度。

4.根据权利要求3所述的安全帽佩戴监测方法，其特征在于，所述人体深度图像和所述惯性传感器数据序列在同一时间获取。

5.根据权利要求4所述的安全帽佩戴监测方法，其特征在于，其中，当所述对数似然值大于预设阈值时，判定所述人员佩戴安全帽，当所述对数似然值小于等于所述预设阈值时，判定所述人员未佩戴安全帽。