本发明专利技术提出一种基于红外图像的夜间人体睡姿监测方法及系统，该方法主要包括基于红外图像的人体睡姿轮廓检测步骤，在该步骤实现视频图像读取，图像预处理，图像分割等操作，最终检测出人体睡姿轮廓；人体睡姿轮廓特征提取与识别步骤，在该步骤实现人体睡姿特征的提取，并以此对睡姿实现分类，判断出舒适程度，该系统包括图像获取模块、预处理模块、差分处理模块、图像分割处理模块、去除冗余分割模块、特征提取模块、分类识别模块。本发明专利技术在不干扰睡眠体验的情况下，能够在夜间实时监测人体睡姿，判断出人体实时的舒适程度，从而智能空调输出合适的温度。
【技术实现步骤摘要】
本专利技术涉及图像处理领域，特别是涉及一种基于红外图像的夜间人体睡姿监测方法及系统。
技术介绍
睡眠质量的重要性不言而喻，人们也越来越关注如何改善它。环境温度是睡眠质量的重要影响因素。即使睡觉时开着空调，许多人也会因为室内温度不合适而半夜醒来。虽然有人认为空调温度过高，有人认为空调温度过低，这可能与他们醒来时所处的睡眠阶段不同有关，但他们醒来的原因是一致的，即恒定空调温度不利于提高睡眠质量。人们处于不同的睡眠阶段，所需要的舒适温度是不同的。只有一直在处于舒适的温度下，才会一直感到舒适，才能会有好的睡眠质量。因此，研究出适用于夜间室内人体睡觉状态，以人体舒适度，改善人体睡眠质量为控制目标的室内智能空调是由必要的。目前睡姿和睡眠行为的测试方法主要有多导睡眠图记录法、体动记录图分析法。其中多导睡眠图记录法虽然可以获得睡眠结构的详细信息，但该方法只能在实验室内完成，并且需要将多导电极置于人体之上，因此，对正常睡眠有一定程度的影响。体动记录图分析法是一种测试具体人体肢体动作的较好的方法，但为了获得全面的睡眠动作行为，需要给人体肢体部位的多处佩戴体动记录装置，因此，也会对睡眠产生一定程度的影响。而以人体舒适度，改善人体睡眠质量为控制目标的室内智能空调是由必要的。但现在,国内还缺少实用的冷媒的变流量技术、人体活动量传感技术、单相空调压缩机的变频调速技术、着衣量预测技术等,即没有集以上 技术于一体的以追求舒适度指标为目的的室内智能空调，因此亟需一种对于用户睡眠行为无影响，而又能精确对人体睡姿进行监测方案，通过实时监测人体睡姿，判断出人体实时的舒适程度，空调能够依据人体睡姿实时地改变空调的输出温度，输出最适温度。
技术实现思路
本专利技术提出一种基于红外图像的夜间人体睡姿监测方法及系统，在不干扰睡眠体验的情况下，能够在夜间实时监测人体睡姿，判断出人体实时的舒适程度，从而智能空调输出合适的温度。具体方案如下：一种基于红外图像的夜间人体睡姿监测方法，包括步骤：S1、获取人体睡姿红外图像；S2、对人体睡姿红外图像进行预处理，获得人体睡姿去噪图像；S3、对预处理后的图像进行背景差分处理，获得人体睡姿差分图像；S4、对人体睡姿差分图像进行图像分割处理，获得存在冗余分割的人体睡姿二值图像；S5、对存在冗余分割的人体睡姿二值图像进行去除冗余的处理，得到去除冗余分割的人体睡姿二值图像，获得人体睡姿轮廓；S6、对人体睡姿轮廓特征量双脚间的距离W与人体身高L的比值WL、头部到脚的距离H与人体身高L的比值HL进行提取； S7、对人体睡姿进行分类识别。其中，对人体睡姿红外图像进行预处理包括灰度化处理、滤波去噪处理。进一步的，滤波去噪处理为中值滤波去噪处理。进一步的，对预处理后的图像进行背景差分处理的方法为统计平均背景模型法。进一步的，对人体睡姿差分图像进行图像分割处理的方法为距离保持水平集分割方法。进一步的，对存在冗余分割的人体睡姿二值图像进行去除冗余的处理的方法为对象移除法。进一步的，对人体睡姿进行分类识别的方法为基于人体睡姿简单特征的睡姿分类识别法，方法如下：将睡姿按人体舒适程度很热、微热、舒适、微冷、很冷划分为依次相对应的第一类、第二类、第三类、第四类、第五类，当WL为0时，HL小于0.95且大于等于0.8时，睡姿类别为第四类；当HL小于0.8的时候，睡姿类别为第五类；当WL大于等于0时，当WL小于0.3时，睡姿类别为第三类；当WL大于等于0.3，小于等于0.4时，睡姿类别为第二类；当WL大于0.4时，睡姿类别为第一类。一种基于红外图像的夜间人体睡姿监测系统，包括：图像获取模块，用于获取人体睡姿红外图像，预处理模块，用于对人体睡姿红外图像进行预处理，获得人体睡姿去噪图像，差分处理模块，用于采用统计平均背景模型法对预处理后的图像进行背景差分处理，获得人体睡姿差分图像；图像分割处理模块，用于采用水平集分割算法对人体睡姿差分图像进行图像分割处理，获得存在冗余分割的人体睡姿二值图像；去除冗余分割模块，用于采用对象移除法对存在冗余分割的人体睡姿二值 图像进行去除冗余的处理，得到去除冗余分割的人体睡姿二值图像，获得人体睡姿轮廓；特征提取模块，用于对人体睡姿轮廓特征量双脚间的距离W与人体身高L的比值WL、头部到脚的距离H与人体身高L的比值HL进行提取；；分类识别模块、用于对人体睡姿进行分类识别。其中，所述的预处理模块包括灰度化处理模块、滤波去噪处理模块。与现有技术相比，本专利技术具有如下优点：a)采用中值滤波在滤除随机干扰噪声(椒盐噪声)和脉冲噪声的效果上较好，并且能更好好的保留细节信息；b)在差分处理时采用统计平均法背景模型与真实的情况更贴合，统计平均法背景模型一般适用于背景无变化的情况，因而能获得更好的差分处理效果；c)采用距离保持水平集分割法进行图像分割处理能够适应较复杂的情况，不管人体本身与背景颜色是否可以明显区分开，皆可以很好地分割；d)选择对象移除来消除我们的人体睡姿二值图像的冗余分割，能够更好地消除背景当中的较大的孤立白块，更符合实际当中的需要；e)最后采用基于人体睡姿简单特征的睡姿分类识别法，分类后识别率高。附图说明图1为本专利技术方法的主要流程图；图2(a)为本专利技术一实施例样本输入图像；图2(b)为本专利技术一实施例样本背景图像；图2(c)为本专利技术一实施例样本预处理后的去噪图像；图2(d)为本专利技术一实施例样本背景差分后的差分图像；图2(e)为本专利技术一实施例样本图像分割后存在冗余分割的二值图像；图2(f)为本专利技术一实施例样本去除冗余分割后的二值图像；图3(a)为本专利技术一实施例样本人体睡姿红外原图；图3(b)为本专利技术一实施例样本灰度化处理后的灰度图像；图3(c)为本专利技术一实施例样本中值滤波去噪后的去噪图像；图4(a)为本专利技术一实施例样本去噪图像；图4(b)为本专利技术一实施例样本背景图像；图4(c)为本专利技术一实施例样本背景差分后的差分图像；图5(a)为本专利技术一实施例样本输入原红外图像；图5(b)为本专利技术一实施例样本差分图像；图5(c)为本专利技术一实施例样本阈值分割结果图像；图5(d)为本专利技术一实施例样本Sobel算子检测结果图像；图5(e)为本专利技术一实施例样本LOG算子检测结果图像；图5(f)为本专利技术一实施例样本水平集分割结果图像；图6(a)为本专利技术一实施例样本人体睡姿轮廓二值图像；图6(b)为本专利技术一实施例样本经开运算后的人体睡姿轮廓二值图像；图6(c)为本专利技术一实施例样本经对象移除后的人体睡姿轮廓二值图像；图7为本专利技术实施例人体睡姿分类示意图。具体实施方式为进一步说明各实施例，本专利技术提供有附图。这些附图为本专利技术揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本专利技术的优点。现结合附图和具体实施方式对本专利技术进一步说明。结合图1，示出本专利技术方法的主要流程图，该基于红外图像的夜间人体睡姿 监测方法实施例方法的主要步骤包括：S1、获取人体睡姿红外图像；S2、基于红外图像的人体睡姿轮廓检测，在该步骤中希望实现视频图像读取，图像预处理，图像分割等操作，最终检测出人体睡姿轮廓；结合图2(a)至图2(f)示出了该过程的系列图像。S21、图像预处理，图像的预处理本文档来自技高网...
【技术保护点】
一种基于红外图像的夜间人体睡姿监测方法，包括步骤：S1、获取人体睡姿红外图像；S2、对人体睡姿红外图像进行预处理，获得人体睡姿去噪图像；S3、对预处理后的图像进行背景差分处理，获得人体睡姿差分图像；S4、对人体睡姿差分图像进行图像分割处理，获得存在冗余分割的人体睡姿二值图像；S5、对存在冗余分割的人体睡姿二值图像进行去除冗余的处理，得到去除冗余分割的人体睡姿二值图像，获得人体睡姿轮廓；S6、对人体睡姿轮廓特征量双脚间的距离W与人体身高L的比值WL、头部到脚的距离H与人体身高L的比值HL进行提取；S7、对人体睡姿进行分类识别。
【技术特征摘要】
1.一种基于红外图像的夜间人体睡姿监测方法，包括步骤：S1、获取人体睡姿红外图像；S2、对人体睡姿红外图像进行预处理，获得人体睡姿去噪图像；S3、对预处理后的图像进行背景差分处理，获得人体睡姿差分图像；S4、对人体睡姿差分图像进行图像分割处理，获得存在冗余分割的人体睡姿二值图像；S5、对存在冗余分割的人体睡姿二值图像进行去除冗余的处理，得到去除冗余分割的人体睡姿二值图像，获得人体睡姿轮廓；S6、对人体睡姿轮廓特征量双脚间的距离W与人体身高L的比值WL、头部到脚的距离H与人体身高L的比值HL进行提取；S7、对人体睡姿进行分类识别。2.根据权利要求1所述的方法，所述的S2中对人体睡姿红外图像进行预处理包括灰度化处理、滤波去噪处理。3.根据权利要求2所述的方法，所述的滤波去噪处理为中值滤波去噪处理。4.根据权利要求1所述的方法，所述的S3中对预处理后的图像进行背景差分处理的方法为统计平均背景模型法。5.根据权利要求1所述的方法，所述的S4中对人体睡姿差分图像进行图像分割处理的方法为距离保持水平集分割方法。6.根据权利要求1所述的方法，所述的S5中对存在冗余分割的人体睡姿二值图像进行去除冗余的处理的方法为对象移除法。7.根据权利要求1所述的方法，所述的S7中对人体睡姿进行分类识别的方法为基于人体睡姿简单特征的睡姿分类识别法，方法如下...
【专利技术属性】
技术研发人员：苏鹭梅，张辑，徐敏，
申请(专利权)人：厦门理工学院，
类型：发明
国别省市：福建;35
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。