[发明专利]一种室内人员行为非接触式协同感知方法

说明书

本发明公开一种室内人员行为非接触式协同感知方法，同时获取无线感知的初步识别结果，以及视觉感知的初步识别结果，再根据无线感知预测的情况与视觉感知预测的情况，使用贝叶斯模型平均得到最终的行为感知结果。本发明能够使得基于无线信号的行为感知方法和基于视觉的行为感知方法优势互补，提高人体行为感知的准确率和鲁棒性，适用于更多更普遍的室内场合。

技术领域

本发明涉及无线感知技术领域和计算机视觉感知技术领域，具体涉及一种室内人员行为非接触式的协同感知方法。

背景技术

人体的行为感知是进行人机交互的基础，广泛应用在各类日常生活情景中，如环境监测、智能医疗保健、智能家居、智能监控和体感游戏等。在众多的生活场景中，可通过人体感知来实时感知用户的行为，并根据用户行为来进行服务，如感知到有老人在家中摔倒可及时通知子女或其他应急联系人，在智能家居系统中通过感知人体的特定行为来与系统进行交互操作等。

目前已有的人体行为感知技术主要分为以下几类：基于可穿戴传感器的行为感知、基于无线信号的行为感知和基于视频图像的行为感知。

基于可穿戴传感器的人体行为感知是目前动作识别研究领域的一个主流方向，可借助传感器采集人体动作相关信息数据进行捕获感知。专利申请号为201810185758.5公开的一种基于可穿戴传感器的人体行为识别装置及其系统，需要用户在关节处穿戴设备，并根据关节处的弯曲程度判断人体的行为活动；专利申请号为201610474447.1公开的一种设备的活动行为识别方法及装置同样需要用户携带传感设备，以分析传感设备检测到的数据来实现行为识别。但上述方法均需要穿戴设备来获取行为数据，容易对用户的生活带来不便。

基于无线信号的人体行为感知是利用人体在无线网络中对无线信号的影响，建立无线信号和人体状态之间的关系，从而感知人体在无线网络中的状态。专利申请号为201610355447.X公开的一种无线非绑定人体行为检测算法，能够通过分析信道状态信息的不同变化模式来识别人体行为；专利申请号为201610792444.2公开的基于机器学习的无线感知动作识别方法，使用SVM对预处理后的无线信号数据进行分类；专利申请号为201810500618.2公开的一种基于无线感知的高可靠用户行为识别方法，采用SMO分类方法实现了6个动作的识别。但是上述方法无法根据信号判定用户的具体位置等信息，难以处理多人场景，且均无法避免环境噪声以及设备噪声对信号稳定性的影响，方法的准确性和鲁棒性均有待提高。

基于视觉的人体行为感知技术是结合了视觉、图像处理、模式识别、深度学习等多个技术领域相关知识的一种行为感知方法，专利申请号为201910202628.2公开的一种基于双流网络的行为识别方法，使用双路卷积神经网络对视频帧进行处理得到分类结果；专利申请号为201810379626.6公开的一种基于视觉-语义特征的视频中行为识别方法和系统，在三维卷积神经网络提取短期时空特征的基础上，使用循环神经网络提取特异性长期行为特征以实现行为识别；专利申请号为201610184680.6公开的一种基于HOIRM和局部特征融合的行为识别方法，通过累加融合3种行为特征，然后使用K-Means聚类生成描述行为的特征词典，并使用SVM进行行为识别。上述方法虽然准确率较高，但均需要基于图像实现，而获取图像的条件对环境光线和视线等因素较为严格，可覆盖的范围非常有限，此外，多人场景及存在遮挡等情况的识别效果不佳，对于摄像头检测不到的位置无法进行行为感知。

综上所述，目前同类方法的主要缺陷如下：

1.基于可穿戴传感器的人体行为感知方法，需要用户穿戴特殊的传感设备，以获取人体活动数据，易对用户的生活带来不便；

2.基于无线信号的方法，易受环境噪声以及设备噪声影响，鲁棒性不高；

3.基于视觉的方法所需的图像数据对光照等条件要求较高，在光照较弱、多人及存在遮挡等情况下准确率较低，且覆盖范围较小。

发明内容