專利名稱:基于熱釋電紅外信息的人體動作識別方法
技術(shù)領(lǐng)域:
本發(fā)明涉及一種人體動作識別方法。特別是涉及一種采用快速傅里葉變換O^St Fourier Transform, FFT)禾口小波包分析(Wavelet Packet Analysis, WPA)兩種算法提取不同動作熱釋電信號的頻譜特征和時頻特征,分別采用支持向量機(Support Vector Machine, SVM)和K均值聚類(K-means Cluster)算法對獲取的特征信息進(jìn)行分類識別的基于熱釋電紅外信息的人體動作識別方法。
背景技術(shù):
隨著計算正滲透和影響著人們生活的各個方面,根據(jù)傳感器數(shù)據(jù)來識別人的動作和行為逐漸成為“以人為中心的計算”中一個非?;钴S的研究領(lǐng)域。人的運動分析在高級人機交互、安全監(jiān)控、視頻會議、醫(yī)療診斷及基于內(nèi)容的圖像存儲與檢索等方面具有廣泛的應(yīng)用前景和潛在的經(jīng)濟價值,從而激發(fā)了國內(nèi)外廣大科研工作者及相關(guān)商家的濃厚興趣?;谝曈X的人的運動分析是近年來計算機視覺領(lǐng)域中備受關(guān)注的前沿方向,它針對包含人的圖像序列進(jìn)行運動檢測、目標(biāo)分類、跟蹤以及對人的運動進(jìn)行理解和識別,屬于圖像分析和理解的范疇;從技術(shù)角度而言,人的運動分析的研究內(nèi)容相當(dāng)豐富,既包含了圖像處理以及計算機視覺等知識,也涉及了模式識別以及人工智能的理論,是一個多學(xué)科交叉的研究方向。盡管有關(guān)人運動的視覺分析的研究已經(jīng)取得一定成果,但是在運動分割、遮擋處理、三維建模及性能評估等方面還存在著許多缺點和不足;各種成像設(shè)備價格昂貴,檢測及識別算法復(fù)雜度高,視頻、紅外圖像涉嫌隱私侵犯等問題,使得人體運動的視覺分析在某些特定場合難以得到適當(dāng)?shù)膽?yīng)用。
熱釋電紅外(pyroelectric infrared,PIR)傳感器一種基于熱釋電效應(yīng)原理的被動紅外探測器,它能夠檢測出探測區(qū)域內(nèi)的移動紅外輻射源,實現(xiàn)運動人體的檢測。由于其低成本、低功耗及環(huán)境適應(yīng)性強等特點,被廣泛應(yīng)用于安防系統(tǒng)、照明控制及攝像機的輔助監(jiān)控中。MR傳感器可以將探測到的運動人體的紅外輻射轉(zhuǎn)換為連續(xù)電壓信號輸出,在該模擬信號中包含有與人體運動形態(tài)有關(guān)的特征信息,利用統(tǒng)計學(xué)方法或特征提取算法可以從中獲取與人體某些特定動作(如行走、跑步、跳躍等)相對應(yīng)的特征參量,從而設(shè)計實現(xiàn)一種基于熱釋電信息的人體動作識別系統(tǒng)。目前,利用熱釋電信息進(jìn)行人體動作識別在國內(nèi)外的研究中尚屬少見清華大學(xué)的楊靖等人利用單個MR傳感器檢測一名受試者原地踏步與跳躍兩種動作的熱釋電信號,通過對信號的分析處理,實現(xiàn)了對這兩種動作的監(jiān)測和識別,但尚未考慮多個受試者以及多種動作模式的情況。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是,提供一種可以為安防系統(tǒng)、智能家居以及人機交互領(lǐng)域提供一種新的解決方案的基于熱釋電紅外信息的人體動作識別方法。
本發(fā)明所采用的技術(shù)方案是一種基于熱釋電紅外信息的人體動作識別方法,包括如下步驟
1)實驗設(shè)施的設(shè)置,
采用表面加蓋有菲涅爾透鏡的單只P^傳感器,設(shè)置傳感器距地面高度為H,傳感器與人體垂直距離為D ;
2)進(jìn)行人體動作數(shù)據(jù)采集;
3)進(jìn)行特征提取,
對實驗中建立的熱釋電紅外動作數(shù)據(jù)庫采用快速傅里葉變換和小波包分析兩種特征提取算法,分別提取信號的頻譜特征和時頻特征;
4)分別采用支持向量機和K均值聚類算法對提取出的頻譜特征和小波系數(shù)特征進(jìn)行分類識別,并對比不同算法下的識別效果。
所述的人體動作數(shù)據(jù)采集是,選擇多數(shù)個被測對象,每一個被測對象在與高度為H 的MR傳感器向下垂線的水平距離D處依次做六種動作,分別是走,跑,跳,撿,踢,攀爬,每種動作做十次,并建立人體熱釋電紅外動作數(shù)據(jù)庫。
所述的快速傅里葉變換具體是提取0 6Hz的頻譜信號作為特征參量。
步驟4所述的分別采用支持向量機和K均值聚類算法對提取出的頻譜特征和小波系數(shù)特征進(jìn)行分類識別是,支持向量機的軟件程序是在Matlab環(huán)境下采用LIBSVM工具包實現(xiàn)的,識別過程中采用五折交叉驗證方法評價分類器的性能;K均值聚類算法的識別過程同樣采用五折交叉驗證,即從15個人的樣本中每次選取三個人的樣本作為測試集,余下的作為訓(xùn)練集,通過計算樣本與各種動作的聚類中心的歐氏距離來進(jìn)行分類,求樣本Xi,Xj 之間歐氏距離的計算公式為P
權(quán)利要求
1.一種基于熱釋電紅外信息的人體動作識別方法,其特征在于,包括如下步驟1)實驗設(shè)施的設(shè)置,采用表面加蓋有菲涅爾透鏡的單只P^傳感器,設(shè)置傳感器距地面高度為H,傳感器與人體垂直距離為D ;2)進(jìn)行人體動作數(shù)據(jù)采集;3)進(jìn)行特征提取,對實驗中建立的熱釋電紅外動作數(shù)據(jù)庫采用快速傅里葉變換和小波包分析兩種特征提取算法,分別提取信號的頻譜特征和時頻特征;4)分別采用支持向量機和K均值聚類算法對提取出的頻譜特征和小波系數(shù)特征進(jìn)行分類識別,并對比不同算法下的識別效果。
2.根據(jù)權(quán)利要求1所述的基于熱釋電紅外信息的人體動作識別方法,其特征在于,所述的人體動作數(shù)據(jù)采集是,選擇多數(shù)個被測對象,每一個被測對象在與高度為H的P^傳感器向下垂線的水平距離D處依次做六種動作,分別是走,跑,跳,撿,踢,攀爬,每種動作做十次,并建立人體熱釋電紅外動作數(shù)據(jù)庫。
3.根據(jù)權(quán)利要求1所述的基于熱釋電紅外信息的人體動作識別方法,其特征在于,所述的快速傅里葉變換具體是提取0 6Hz的頻譜信號作為特征參量。
4.根據(jù)權(quán)利要求1所述的基于熱釋電紅外信息的人體動作識別方法,其特征在于,步驟4所述的分別采用支持向量機和K均值聚類算法對提取出的頻譜特征和小波系數(shù)特征進(jìn)行分類識別是,支持向量機的軟件程序是在Matlab環(huán)境下采用LIBSVM工具包實現(xiàn)的,識別過程中采用五折交叉驗證方法評價分類器的性能;K均值聚類算法的識別過程同樣采用五折交叉驗證,即從15個人的樣本中每次選取三個人的樣本作為測試集,余下的作為訓(xùn)練集,通過計算樣本與各種動作的聚類中心的歐氏距離來進(jìn)行分類,求樣本Xi,\之間歐氏距離的計算公式為
5.根據(jù)權(quán)利要求1所述的基于熱釋電紅外信息的人體動作識別方法,其特征在于,所述的小波包分析是采用db4小波對信號進(jìn)行5層小波包分解,并對小波包分解系數(shù)進(jìn)行重構(gòu),提取各頻帶范圍的信號。
全文摘要
一種基于熱釋電紅外信息的人體動作識別方法實驗設(shè)施的設(shè)置,采用表面加蓋有菲涅爾透鏡的單只PIR傳感器,設(shè)置傳感器距地面高度為H,傳感器與人體垂直距離為D;進(jìn)行人體動作數(shù)據(jù)采集;進(jìn)行特征提取,對實驗中建立的熱釋電紅外動作數(shù)據(jù)庫采用快速傅里葉變換和小波包分析兩種特征提取算法,分別提取信號的頻譜特征和時頻特征;分別采用支持向量機和K均值聚類算法對提取出的頻譜特征和小波系數(shù)特征進(jìn)行分類識別,并對比不同算法下的識別效果。本發(fā)明能夠?qū)崿F(xiàn)對數(shù)據(jù)庫中不同人的不同動作模式的特征提取和分類識別。本發(fā)明可以為安防系統(tǒng)、智能家居以及人機交互領(lǐng)域提供一種新的解決方案。
文檔編號G06K9/00GK102521574SQ20111041586
公開日2012年6月27日 申請日期2011年12月14日 優(yōu)先權(quán)日2011年12月14日
發(fā)明者萬柏坤, 馮莉, 明東, 李南南, 王璐, 綦宏志 申請人:天津大學(xué)