一種基于Kinect的人體行為檢測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及智能家庭監(jiān)控技術(shù)領(lǐng)域，具體是一種基于Kinect的人體行為檢測方 法。
【背景技術(shù)】
[0002] 隨著近年智能家庭監(jiān)控的飛速發(fā)展，越來越多的人通過智能化的產(chǎn)品提高生活體 驗。人體行為檢測是智能家庭監(jiān)控的一個重要組成部分，傳統(tǒng)的檢測方法是用攝像頭來捕 捉圖像并分析，但是從實際使用來說，這種視頻分析效果受干擾非常大，并且只能通過人體 的輪廓來判斷人體的姿態(tài)，準(zhǔn)確度不高。
[0003] 微軟公司推出了一款名為Kinect的產(chǎn)品，這款產(chǎn)品提供了實時表示人體姿態(tài)的 方法，也能捕捉人體全身上下的動作，并用三維鏈?zhǔn)焦趋赖男问綄z測到的人體姿態(tài)進(jìn)行 表示，可以準(zhǔn)確表達(dá)人體的頭、手、腰、腿等關(guān)節(jié)處節(jié)點的位置。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于提供一種檢測結(jié)果更加準(zhǔn)確的基于Kinect的人體行為檢測方 法。
[0005] 本發(fā)明的技術(shù)方案為：
[0006] -種基于Kinect的人體行為檢測方法，該方法包括以下步驟：
[0007] (1)采用Kinect體感設(shè)備捕捉待測人體姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)，得到 測試樣本；
[0008] (2)計算測試樣本各個骨骼節(jié)點兩兩之間的相對距離，將得到的相對距離的集合 作為測試樣本的特征向量；
[0009] (3)將測試樣本的特征向量輸入訓(xùn)練完成的人體姿態(tài)分類器，識別得到待測人體 姿態(tài)的類別。
[0010] 所述的基于Kinect的人體行為檢測方法，步驟（2)中，所述計算測試樣本各個骨 骼節(jié)點兩兩之間的相對距離，采用以下公式：
[0012] 其中，Cl1,表示第i個骨骼節(jié)點與第j個骨骼節(jié)點之間的相對距離，（X p yi，Z1)表 示第i個骨骼節(jié)點的坐標(biāo)，（X]，y,， Z])表示第j個骨骼節(jié)點的坐標(biāo)。
[0013] 所述的基于Kinect的人體行為檢測方法，步驟（3)中，所述人體姿態(tài)分類器的獲 得，包括：
[0014] a、采用Kinect體感設(shè)備采集各種預(yù)設(shè)人體姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)， 得到若干訓(xùn)練樣本；
[0015] b、對每一個訓(xùn)練樣本，計算各個骨骼節(jié)點兩兩之間的相對距離，將得到的相對距 離的集合作為該訓(xùn)練樣本的特征向量；
[0016] c、將所有訓(xùn)練樣本的特征向量輸入SVM分類器進(jìn)行訓(xùn)練，得到人體姿態(tài)分類器。
[0017] 由上述技術(shù)方案可知，本發(fā)明采用Kinect體感設(shè)備對人體姿態(tài)進(jìn)行實時捕捉，與 傳統(tǒng)的對攝像頭捕捉的視頻圖像進(jìn)行分析相比，較少受外部環(huán)境的影響，檢測結(jié)果更加準(zhǔn) 確。
【附圖說明】
[0018] 圖1是本發(fā)明的方法流程圖；
[0019] 圖2是人體骨骼節(jié)點示意圖；
[0020] 圖3是數(shù)據(jù)采集示意圖一；
[0021] 圖4是數(shù)據(jù)采集示意圖二。
【具體實施方式】
[0022] 下面結(jié)合附圖和具體實施例進(jìn)一步說明本發(fā)明。
[0023] 如圖1所示，一種基于Kinect的人體行為檢測方法，包括：
[0024] S1、采用Kinect體感設(shè)備采集各種預(yù)設(shè)人體姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)， 得到若干訓(xùn)練樣本；
[0025] 如圖2所示，人體骨骼節(jié)點共有20個，通過這些骨骼節(jié)點的相互位置關(guān)系，可以判 斷人體姿態(tài)。
[0026] 如圖3、圖4所示，采集數(shù)據(jù)時，需要不同的實驗者來重復(fù)做需要檢測的動作姿態(tài)， 比如坐姿（包括正坐、蹺二郎腿等坐姿）、站立、舉手、彎腰等動作，采用Kinect體感設(shè)備提 取各種姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)（所有動作如果有不同姿態(tài)需要分開采集數(shù)據(jù)， 比如正坐和蹺二郎腿都屬于坐姿，但需要分開采集數(shù)據(jù)）。
[0027] 讓多個實驗者按照預(yù)定動作進(jìn)行演示，如可以選實驗者50人，每個人做8組動作， 每組動作都按設(shè)定的姿態(tài)做一遍，這樣每組動作都有50組數(shù)據(jù)。也可以只用上半身的骨骼 節(jié)點展示簡單的動作，如圖4中右邊的坐姿男生所示。實驗者越多越好，少量的數(shù)據(jù)也可以 使用，多的話實驗結(jié)果更加精準(zhǔn)。
[0028] S2、對每一個訓(xùn)練樣本，采用以下公式計算20個骨骼節(jié)點兩兩之間的相對距離， 將得到的相對距離的集合作為該訓(xùn)練樣本的特征向量；
[0030] 其中，Cl1,表示第i個骨骼節(jié)點與第j個骨骼節(jié)點之間的相對距離，（X P yi，Z1)表 示第i個骨骼節(jié)點的坐標(biāo)，（X]，y,， Z])表示第j個骨骼節(jié)點的坐標(biāo)。
[0031] S3、將所有訓(xùn)練樣本的特征向量輸入SVM分類器進(jìn)行訓(xùn)練，得到人體姿態(tài)分類器。
[0032] S4、采用Kinect體感設(shè)備捕捉待測人體姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)，得到 測試樣本。
[0033] S5、計算測試樣本各個骨骼節(jié)點兩兩之間的相對距離，將得到的相對距離的集合 作為測試樣本的特征向量。
[0034] S6、將測試樣本的特征向量輸入訓(xùn)練完成的人體姿態(tài)分類器，識別得到待測人體 姿態(tài)的類別。
[0035] 本發(fā)明通過Kinect體感設(shè)備獲取使用者的人體骨骼節(jié)點坐標(biāo)數(shù)據(jù)，通過訓(xùn)練完 成的人體姿態(tài)分類器預(yù)測使用者的姿態(tài)，可以用來智能控制家電或家居，也可以用來對使 用者的狀態(tài)進(jìn)行統(tǒng)計分析以給使用者提供相應(yīng)的健康建議。本發(fā)明針對家庭智能監(jiān)控提出 了一種全新的解決方案，具有很高的實用價值。
[0036] 以上所述實施方式僅僅是對本發(fā)明的優(yōu)選實施方式進(jìn)行描述，并非對本發(fā)明的范 圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計精神的前提下，本領(lǐng)域普通技術(shù)人員對本發(fā)明的技術(shù)方 案作出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明的權(quán)利要求書確定的保護(hù)范圍內(nèi)。
【主權(quán)項】
1. 一種基于Kinect的人體行為檢測方法，其特征在于，該方法包括以下步驟： (1) 采用Kinect體感設(shè)備捕捉待測人體姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)，得到測試 樣本； (2) 計算測試樣本各個骨骼節(jié)點兩兩之間的相對距離，將得到的相對距離的集合作為 測試樣本的特征向量； (3) 將測試樣本的特征向量輸入訓(xùn)練完成的人體姿態(tài)分類器，識別得到待測人體姿態(tài) 的類別。2. 根據(jù)權(quán)利要求1所述的基于Kinect的人體行為檢測方法，其特征在于，步驟（2)中， 所述計算測試樣本各個骨骼節(jié)點兩兩之間的相對距離，采用以下公式：其中，屯表示第i個骨骼節(jié)點與第j個骨骼節(jié)點之間的相對距離，（Xyyi，Z1)表示第i個骨骼節(jié)點的坐標(biāo)，（X]，y,，Z])表示第j個骨骼節(jié)點的坐標(biāo)。3. 根據(jù)權(quán)利要求1所述的基于Kinect的人體行為檢測方法，其特征在于，步驟（3)中， 所述人體姿態(tài)分類器的獲得，包括： a、 采用Kinect體感設(shè)備采集各種預(yù)設(shè)人體姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)，得到 若干訓(xùn)練樣本； b、 對每一個訓(xùn)練樣本，計算各個骨骼節(jié)點兩兩之間的相對距離，將得到的相對距離的 集合作為該訓(xùn)練樣本的特征向量； c、 將所有訓(xùn)練樣本的特征向量輸入SVM分類器進(jìn)行訓(xùn)練，得到人體姿態(tài)分類器。
【專利摘要】本發(fā)明提供一種基于Kinect的人體行為檢測方法，包括：采用Kinect體感設(shè)備捕捉待測人體姿態(tài)下的各個骨骼節(jié)點的坐標(biāo)數(shù)據(jù)，得到測試樣本；計算測試樣本各個骨骼節(jié)點兩兩之間的相對距離，將得到的相對距離的集合作為測試樣本的特征向量；將測試樣本的特征向量輸入訓(xùn)練完成的人體姿態(tài)分類器，識別得到待測人體姿態(tài)的類別。本發(fā)明采用Kinect體感設(shè)備對人體姿態(tài)進(jìn)行實時捕捉，與傳統(tǒng)的對攝像頭捕捉的視頻圖像進(jìn)行分析相比，較少受外部環(huán)境的影響，檢測結(jié)果更加準(zhǔn)確。
【IPC分類】G06K9/62
【公開號】CN105046281
【申請?zhí)枴緾N201510502314
【發(fā)明人】謝寶, 紀(jì)勇, 張傳金, 姚莉莉, 萬海峰
【申請人】安徽創(chuàng)世科技有限公司
【公開日】2015年11月11日
【申請日】2015年8月14日