论文部分内容阅读
近来中国已经逐渐步入老年型社会,随着经济发展,外出打工的人数增多,独生子女数量增加,独居老人也随之增多。在独居过程中,老年人体质下降,伤病,又被疏于照料等原因,使他们容易发生一些事故。因此老年监护系统的研究的重要性日益彰显,而人体姿态识别技术是老年监护系统的核心内容。本文采用机器视觉的方法来做人体姿态识别,目前使用机器视觉结合人工智能神经网络算法来进行姿态识别的并不多,本文的研究有效结合二者,能提高识别的准确率。 本文所用的Xtion红外摄像头是机器视觉的范畴,它能快速的获取所需要的数据,且识别过程中让老人免受设备的束缚。人体姿态识别技术受很多因素影响,包括光照,距离,和摄像头畸变。本文通过使用红外摄像头XtionProLive来对人体的姿态进行研究,它受光照影响比较弱,且距离因素也不会干扰,在室内环境下都能完成检测。XtionProLive红外摄像头通过点云阵列可以获取空间中的深度图。深度图是用灰度来表示景深的图像,每一个像素点都表示了该点处空间物体到摄像头的距离,以此来获得一个三维坐标图像。采集的图像会有噪声,采用高斯滤波对图像进行了滤波,使图像减少噪点,更为清晰。 获取深度图之后对图像进行背景建模,从图像中分离出我们需要的人体目标信息,对该前景目标进行特征提取,作为分类的依据。本文要识别人体站立、躺、坐、摔倒等动作,采用人体质心三维坐标信息和头部朝向信息作为特征值来进行分类。对每种状态采样提取了多组数据作为样本进行训练。 本文使用人工神经网络中的BP神经网络算法来做分类识别。BP神经网络算法有分类准确、非线性分类准确率高的优点。训练的过程中采用梯度下降算法来实现参数的调整,并增加了动态摔倒动作的识别。完成算法设计之后在室内环境下进行试验,试验结果表明:本系统的稳定性和准确率都比较高。最后将本算法系统应用到开发板中并进行性能分析。