[发明专利]一种基于深度学习的幼儿防踢被子识别装置及方法

权利要求书

1.一种基于深度学习的幼儿防踢被子识别装置，包括为装置各组成部分提供电能的电源设备，其特征在于，还包括：

视频采集设备，用于采集幼儿的睡觉状态信息，并将采集到的信息发送至核心处理器；

核心处理器，内置有GPU服务器，用于根据视频采集设备采集到的信息判别幼儿是否存在踢被子情况；

声音播放设备，用于在核心处理器识别出幼儿有踢被子的情况时，呼叫其监护人。

2.根据权利要求1所述的一种基于深度学习的幼儿防踢被子识别装置，其特征在于，还包括视频显示设备，用于显示幼儿的睡觉情况。

3.根据权利要求1所述的一种基于深度学习的幼儿防踢被子识别装置，其特征在于，还包括安装盒，用于封装装置各组成部分并将整套装置进行固定。

4.根据权利要求1或2所述的一种基于深度学习的幼儿防踢被子识别装置，其特征在于，所述电源设备采用外接12V电源；所述视频采集设备采用具有调光技术的摄像头，所述摄像头在白天和黑夜均可正常成像；所述视频显示设备采用五寸显示屏。

5.采用权利要求1至4任一所述的幼儿防踢被子识别装置的识别方法，其特征在于，步骤如下：

步骤1：利用视频采集设备采集大量的幼儿踢被行为的样本图片作为样本数据，采用YOLO v3的人脸检测算法对样本数据进行训练，生成用于识别幼儿、床、被子的权重及权重文件，并以生成的权重更新YOLO v3的人脸检测算法中的权重；

步骤2：利用OpenCV图像处理算法对样本图片进行白天和夜间图片的预处理，用以完成对幼儿在床上的定位；

步骤3：将改进后的YOLO v3的人脸检测算法、OpenCV图像处理算法、基于OpenPose的人体姿态估计算法及训练生成的权重文件封装成本地深度学习算法并集成到核心处理器中；

步骤4：视频采集设备每间隔一定时间进行一次图像采集，并将采集到的待识别图像数据发送至核心处理器，通过本地深度学习算法识别出幼儿睡觉状态信息，根据幼儿睡觉状态信息判断幼儿是否踢开被子，若被子被踢开，则通过声音播放设备呼叫监护人。

6.根据权利要求5所述的一种基于深度学习的幼儿防踢被子识别方法，其特征在于，所述幼儿睡觉状态信息包括幼儿位置、床的位置、幼儿脸部位置、骨架信息编号。

7.根据权利要求5所述的一种基于深度学习的幼儿防踢被子识别方法，其特征在于，通过本地深度学习算法识别幼儿睡觉状态信息的具体步骤如下：

步骤A：视频采集设备每间隔固定时间采集一次待识别图像数据，通过OpenCV图像处理算法将时域空间相邻N张照片进行数字图像对比，获取目标对象相对静止状态时刻图像，读取图像直方图信息，经过平衡处理，得到一级图像；

步骤B：读取一级图像，利用改进后的YOLO v3的人脸检测算法对获取到的照片进行婴儿目标定位，实现目标区域多个幼儿目标识别与幼儿标记并判断幼儿位置及其大小；若未发现幼儿对象，则使装置休息一定时长后，重复步骤A；若发现有幼儿对象，则获取并保存幼儿区域图像，记为二级图像，执行步骤C；

步骤C：基于OpenPose的人体姿态估计算法提取关节点的信息，将姿态网络与骨架网络融合，识别出幼儿骨骼位置信息，根据幼儿各个骨骼被覆盖的情况判断幼儿是否踢开被子；在判断出幼儿踢开被子后，开始计数，若计数次数达到M次，核心处理器立即向声音播放设备发送指令，使声音播放设备发出幼儿踢开被子的提示音；若计数次数未达到M次，则继续重复步骤A至C。