一种基于TOF相机的坐姿识别遮挡判定方法及智能台灯技术

本申请公开了一种基于TOF相机的坐姿识别遮挡判定方法及智能台灯，用于判定拍摄人体坐姿的深度图像中是否存在遮挡，从而在坐姿识别过程中排除遮挡带来干扰。本申请方法包括：获取人体坐姿的深度图像；在所述深度图像中提取目标深度区间图像，所述目标深度区间图像为人体所在的深度区间图像；在所述目标深度区间图像中确定主体区域；通过目标公式对所述主体区域进行有效点离散程度计算，得到第一计算结果；判断所述第一计算结果是否大于第一阈值；若所述第一计算结果大于第一阈值，则确定存在遮挡。遮挡。遮挡。

A sitting posture recognition occlusion determination method based on TOF camera and intelligent table lamp

【技术实现步骤摘要】
一种基于TOF相机的坐姿识别遮挡判定方法及智能台灯


[0001]本申请涉及图像处理领域，尤其涉及一种基于TOF相机的坐姿识别遮挡判定方法及智能台灯。

技术介绍

[0002]不同的坐姿能够表达用户的不同状态，通过坐姿识别技术能够识别出人们的坐姿种类和坐姿状态，并反馈给用户，实现坐姿干预。
[0003]坐姿识别的技术有很多，以前主要是通过传感器来实现，通过传感器实现的方法具有准确度高的优点，但安装传感器过程麻烦，成本高，容易让用户感到不适；随着科技的发展，近些年主要通过机器学习的方法来实现，但机器学习的方法需要大量的人力物力，检测的准确性与训练集的优质程度相关，如果出现一些样本中没有涉及的情况就可能会出现误判，并且机器学习要实现精度高，就可能要更多的卷积层，意味着更高的算力消耗，运算时间可能会更长，实时性低。
[0004]基于这些问题，现有技术中还提出了基于深度图像进行坐姿识别的方法，采用深度图像进行坐姿识别，这样不仅能够有效保护用户的个人隐私，并且还能够节省算力，提高识别效率。但是在基于深度图像进行坐姿识别时，由于人体姿势多变，或者衣服以及其他因素造成镜头遮挡的干扰，容易导致误判，影响坐姿识别结果。

技术实现思路

[0005]本申请提供了一种基于TOF相机的坐姿识别遮挡判定方法及智能台灯，用于判定拍摄人体坐姿的深度图像中是否存在遮挡，从而在坐姿识别过程中排除遮挡带来干扰。
[0006]本申请第一方面提供了一种基于TOF相机的坐姿识别遮挡判定方法，包括：
[0007]获取人体坐姿的深度图像；
[0008]在所述深度图像中提取目标深度区间图像，所述目标深度区间图像为人体所在的深度区间图像；
[0009]在所述目标深度区间图像中确定主体区域；
[0010]通过目标公式对所述主体区域进行有效点离散程度计算，得到第一计算结果；
[0011]判断所述第一计算结果是否大于第一阈值；
[0012]若所述第一计算结果大于第一阈值，则确定存在遮挡。
[0013]可选的，所述在所述目标深度区间图像中确定主体区域包括：
[0014]在所述目标深度区间图像中确定主体区域及边缘区域；
[0015]所述若所述第一计算结果大于第一阈值，则确定存在遮挡包括：
[0016]若所述第一计算结果大于第一阈值，则对所述边缘区域进行有效点占比统计，得到第二计算结果；
[0017]判断所述第二计算结果是否小于第二阈值；
[0018]若是，则确定存在遮挡。
[0019]可选的，所述在所述深度图像中提取目标深度区间图像包括：
[0020]去除所述深度图像中的背景部分；
[0021]对所述深度图像进行深度划分，得到若干深度区间图像；
[0022]分别计算所述若干深度区间图像中的有效点占比；
[0023]将所述有效点占比最高的两个深度区间图像确定为目标深度区间图像。
[0024]可选的，在所述目标深度区间图像中确定主体区域和边缘区域之前，所述方法还包括：
[0025]对所述目标深度区间图像进行去噪处理。
[0026]可选的，所述去噪处理包括侵蚀和膨胀处理。
[0027]可选的，所述目标公式为：
[0028]var＝∑(x
‑
average(x))2/n；
[0029]average(x)＝∑x/n；
[0030]其中，var表示所述第一计算结果，x表示所述主体区域中有效点的横坐标，n表示所述主体区域中有效点的数量。
[0031]可选的，在所述判断所述第一计算结果是否大于第一阈值之后，所述方法还包括：
[0032]若所述第一计算结果小于第一阈值，则确定不存在遮挡，并根据所述深度图像进行坐姿识别。
[0033]可选的，在所述确定所述深度图像中存在遮挡之后，所述方法还包括：
[0034]发送提示信息，所述提示信息用于提示用户去除遮挡。
[0035]本申请第二方面提供了一种智能台灯，所述智能台灯包括台灯、控制单元和TOF相机，所述智能台灯执行第一方面以及第一方面中任一项可选的基于TOF相机的坐姿识别遮挡判定方法。
[0036]本申请第三方面提供了一种基于TOF相机的坐姿识别遮挡判定的装置，包括：
[0037]获取单元，用于获取人体坐姿的深度图像；
[0038]提取单元，用于在所述深度图像中提取目标深度区间图像，所述目标深度区间图像为人体所在的深度区间图像；
[0039]区域确定单元，用于在所述目标深度区间图像中确定主体区域；
[0040]计算单元，用于通过目标公式对所述主体区域进行有效点离散程度计算，得到第一计算结果；
[0041]判断单元，用于判断所述第一计算结果是否大于第一阈值；
[0042]遮挡判定单元，用于当所述判断单元的判断结果为是时，确定存在遮挡。
[0043]可选的，所述区域确定单元具体用于：
[0044]在所述目标深度区间图像中确定主体区域及边缘区域；
[0045]所述遮挡判定单元包括：
[0046]统计模块，用于当所述判断单元的判断结果为是时，对所述边缘区域进行有效点占比统计，得到第二计算结果；
[0047]判断模块，用于判断所述第二计算结果是否小于第二阈值；
[0048]确定模块，用于当所述判断模块的判断结果为是时，确定存在遮挡。
[0049]可选的，所述提取单元具体用于：
[0050]去除所述深度图像中的背景部分；
[0051]对所述深度图像进行深度划分，得到若干深度区间图像；
[0052]分别计算所述若干深度区间图像中的有效点占比；
[0053]将所述有效点占比最高的两个深度区间图像确定为目标深度区间图像。
[0054]可选的，所述装置还包括：
[0055]处理单元，用于对所述目标深度区间图像进行去噪处理。
[0056]可选的，所述去噪处理包括侵蚀和膨胀处理。
[0057]可选的，所述目标公式为：
[0058]var＝∑(x
‑
average(x))2/n；
[0059]average(x)＝∑x/n；
[0060]其中，var表示所述第一计算结果，x表示所述主体区域中有效点的横坐标，n表示所述主体区域中有效点的数量。
[0061]可选的，所述遮挡判定单元还用于：
[0062]当所述判断单元的判断结果为否时，确定不存在遮挡，并根据所述深度图像进行坐姿识别。
[0063]可选的，所述装置还包括：
[0064]发送单元，用于发送提示信息，所述提示信息用于提示用户去除遮挡。
[0065]本申请第四方面提供了一种基于TOF相机的坐姿识别遮挡判定的装置，所述装置包括：
[0066]处理器、存储器、输入输出单元以及总线；
[0067]所述处理器与本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于TOF相机的坐姿识别遮挡判定方法，其特征在于，所述方法包括：获取人体坐姿的深度图像；在所述深度图像中提取目标深度区间图像，所述目标深度区间图像为人体所在的深度区间图像；在所述目标深度区间图像中确定主体区域；通过目标公式对所述主体区域进行有效点离散程度计算，得到第一计算结果；判断所述第一计算结果是否大于第一阈值；若所述第一计算结果大于第一阈值，则确定存在遮挡。2.根据权利要求1所述的方法，其特征在于，所述在所述目标深度区间图像中确定主体区域包括：在所述目标深度区间图像中确定主体区域及边缘区域；所述若所述第一计算结果大于第一阈值，则确定存在遮挡包括：若所述第一计算结果大于第一阈值，则对所述边缘区域进行有效点占比统计，得到第二计算结果；判断所述第二计算结果是否小于第二阈值；若是，则确定存在遮挡。3.根据权利要求1所述的方法，其特征在于，所述在所述深度图像中提取目标深度区间图像包括：去除所述深度图像中的背景部分；对所述深度图像进行深度划分，得到若干深度区间图像；分别计算所述若干深度区间图像中的有效点占比；将所述有效点占比最高的两个深度区间图像确定为目标深度区间图像。4.根据权利要求1所述的方法，其特征在于，在所述目标深度区间图像中确定主体区域和边缘区域之前，所述方法还包括：对所述目标深度区间图像进行去噪处理。5.根据权利要求4所述的方法，其特征在于，所述去噪处理包括侵蚀和膨胀处理。6.根据权利要求1所述的方法，其特征在于，所述目标公式为：var＝∑(x
‑
average(x))2/n；average(x)＝∑x/n；其中，var表示所述第一计算结果，x表示...

【专利技术属性】
技术研发人员：潘颢文，张勇，赵荣杰，
申请(专利权)人：珠海视熙科技有限公司，
类型：发明
国别省市：