一种基于Kinect的人体行为检测方法技术

本发明专利技术提供一种基于Kinect的人体行为检测方法，包括：采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到测试样本；计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合作为测试样本的特征向量；将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体姿态的类别。本发明专利技术采用Kinect体感设备对人体姿态进行实时捕捉，与传统的对摄像头捕捉的视频图像进行分析相比，较少受外部环境的影响，检测结果更加准确。

【技术实现步骤摘要】

本专利技术涉及智能家庭监控
，具体是一种基于Kinect的人体行为检测方 法。
技术介绍
随着近年智能家庭监控的飞速发展，越来越多的人通过智能化的产品提高生活体 验。人体行为检测是智能家庭监控的一个重要组成部分，传统的检测方法是用摄像头来捕 捉图像并分析，但是从实际使用来说，这种视频分析效果受干扰非常大，并且只能通过人体 的轮廓来判断人体的姿态，准确度不高。 微软公司推出了一款名为Kinect的产品，这款产品提供了实时表示人体姿态的 方法，也能捕捉人体全身上下的动作，并用三维链式骨骼的形式对检测到的人体姿态进行 表示，可以准确表达人体的头、手、腰、腿等关节处节点的位置。
技术实现思路
本专利技术的目的在于提供一种检测结果更加准确的基于Kinect的人体行为检测方 法。 本专利技术的技术方案为： -种基于Kinect的人体行为检测方法，该方法包括以下步骤： (1)采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到 测试样本； (2)计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合 作为测试样本的特征向量； (3)将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体 姿态的类别。 所述的基于Kinect的人体行为检测方法，步骤（2)中，所述计算测试样本各个骨 骼节点两两之间的相对距离，采用以下公式： 其中，Cl1,表示第i个骨骼节点与第j个骨骼节点之间的相对距离，（X p yi，Z1)表 示第i个骨骼节点的坐标，（X]，y,， Z])表示第j个骨骼节点的坐标。 所述的基于Kinect的人体行为检测方法，步骤（3)中，所述人体姿态分类器的获 得，包括： a、采用Kinect体感设备采集各种预设人体姿态下的各个骨骼节点的坐标数据， 得到若干训练样本； b、对每一个训练样本，计算各个骨骼节点两两之间的相对距离，将得到的相对距 离的集合作为该训练样本的特征向量； c、将所有训练样本的特征向量输入SVM分类器进行训练，得到人体姿态分类器。 由上述技术方案可知，本专利技术采用Kinect体感设备对人体姿态进行实时捕捉，与 传统的对摄像头捕捉的视频图像进行分析相比，较少受外部环境的影响，检测结果更加准 确。【附图说明】 图1是本专利技术的方法流程图； 图2是人体骨骼节点示意图； 图3是数据采集示意图一； 图4是数据采集示意图二。【具体实施方式】 下面结合附图和具体实施例进一步说明本专利技术。 如图1所示，，包括： S1、采用Kinect体感设备采集各种预设人体姿态下的各个骨骼节点的坐标数据， 得到若干训练样本； 如图2所示，人体骨骼节点共有20个，通过这些骨骼节点的相互位置关系，可以判 断人体姿态。 如图3、图4所示，采集数据时，需要不同的实验者来重复做需要检测的动作姿态， 比如坐姿（包括正坐、跷二郎腿等坐姿）、站立、举手、弯腰等动作，采用Kinect体感设备提 取各种姿态下的各个骨骼节点的坐标数据（所有动作如果有不同姿态需要分开采集数据， 比如正坐和跷二郎腿都属于坐姿，但需要分开采集数据）。 让多个实验者按照预定动作进行演示，如可以选实验者50人，每个人做8组动作， 每组动作都按设定的姿态做一遍，这样每组动作都有50组数据。也可以只用上半身的骨骼 节点展示简单的动作，如图4中右边的坐姿男生所示。实验者越多越好，少量的数据也可以 使用，多的话实验结果更加精准。 S2、对每一个训练样本，采用以下公式计算20个骨骼节点两两之间的相对距离， 将得到的相对距离的集合作为该训练样本的特征向量； 其中，Cl1,表示第i个骨骼节点与第j个骨骼节点之间的相对距离，（X P yi，Z1)表 示第i个骨骼节点的坐标，（X]，y,， Z])表示第j个骨骼节点的坐标。 S3、将所有训练样本的特征向量输入SVM分类器进行训练，得到人体姿态分类器。 S4、采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到 测试样本。 S5、计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合 作为测试样本的特征向量。 S6、将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体 姿态的类别。 本专利技术通过Kinect体感设备获取使用者的人体骨骼节点坐标数据，通过训练完 成的人体姿态分类器预测使用者的姿态，可以用来智能控制家电或家居，也可以用来对使 用者的状态进行统计分析以给使用者提供相应的健康建议。本专利技术针对家庭智能监控提出 了一种全新的解决方案，具有很高的实用价值。 以上所述实施方式仅仅是对本专利技术的优选实施方式进行描述，并非对本专利技术的范 围进行限定，在不脱离本专利技术设计精神的前提下，本领域普通技术人员对本专利技术的技术方 案作出的各种变形和改进，均应落入本专利技术的权利要求书确定的保护范围内。【主权项】1. ，其特征在于，该方法包括以下步骤： (1) 采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到测试 样本； (2) 计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合作为 测试样本的特征向量； (3) 将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体姿态 的类别。2. 根据权利要求1所述的基于Kinect的人体行为检测方法，其特征在于，步骤（2)中， 所述计算测试样本各个骨骼节点两两之间的相对距离，采用以下公式：其中，屯表示第i个骨骼节点与第j个骨骼节点之间的相对距离，（Xyyi，Z1)表示第i个骨骼节点的坐标，（X]，y,，Z])表示第j个骨骼节点的坐标。3. 根据权利要求1所述的基于Kinect的人体行为检测方法，其特征在于，步骤（3)中， 所述人体姿态分类器的获得，包括： a、 采用Kinect体感设备采集各种预设人体姿态下的各个骨骼节点的坐标数据，得到 若干训练样本； b、 对每一个训练样本，计算各个骨骼节点两两之间的相对距离，将得到的相对距离的 集合作为该训练样本的特征向量； c、 将所有训练样本的特征向量输入SVM分类器进行训练，得到人体姿态分类器。【专利摘要】本专利技术提供，包括：采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到测试样本；计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合作为测试样本的特征向量；将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体姿态的类别。本专利技术采用Kinect体感设备对人体姿态进行实时捕捉，与传统的对摄像头捕捉的视频图像进行分析相比，较少受外部环境的影响，检测结果更加准确。【IPC分类】G06K9/62【公开号】CN105046281【申请号】CN201510502314【专利技术人】谢宝, 纪勇, 张传金, 姚莉莉, 万海峰 【申请人】安徽创世科技有限公司【公开日】2015年11月11日【申请日】2015年8月14日本文档来自技高网...

【技术保护点】
一种基于Kinect的人体行为检测方法，其特征在于，该方法包括以下步骤：(1)采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到测试样本；(2)计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合作为测试样本的特征向量；(3)将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体姿态的类别。

【技术特征摘要】

【专利技术属性】
技术研发人员：谢宝，纪勇，张传金，姚莉莉，万海峰，
申请(专利权)人：安徽创世科技有限公司，
类型：发明
国别省市：安徽;34