CN108363977A - 一种人体卧姿状态识别方法及装置 - Google Patents
一种人体卧姿状态识别方法及装置 Download PDFInfo
- Publication number
- CN108363977A CN108363977A CN201810140355.9A CN201810140355A CN108363977A CN 108363977 A CN108363977 A CN 108363977A CN 201810140355 A CN201810140355 A CN 201810140355A CN 108363977 A CN108363977 A CN 108363977A
- Authority
- CN
- China
- Prior art keywords
- temperature
- prone position
- human
- temperature detecting
- detecting point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000012360 testing method Methods 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims description 27
- 238000005259 measurement Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000004378 air conditioning Methods 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/143—Sensing or illuminating at different wavelengths
Abstract
本发明提供了一种人体卧姿状态识别方法及装置,该方法包括:依次获取目标区域的至少两张图像;根据所述至少两张图像,从所述目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域;通过红外传感器对所述人体卧姿动态区域进行扫描,获取所述人体卧姿动态区域中至少两个温度检测点的温度;从各个所述温度检测点中确定对应温度最高的第一温度检测点;从各个所述温度检测点中确定在所述图像中对应位置与所述第一温度检测点在同一竖直方向上,且温度最低的第二温度检测点;根据所述第一温度检测点和所述第二温度检测点的温度,对所述人体卧姿动态区域中处于卧姿状态的人体进行识别。本方案能够提高智能家电对自身工作状态进行调整的合理性。
Description
技术领域
本发明涉及信号检测及处理技术领域,特别涉及一种人体卧姿状态识别方法及装置。
背景技术
随着传感器技术和数据处理技术的不断发展与进步,各类智能家电已经可以根据环境参数和用户状态,自动对自身工作状态进行调整,以提升用户的使用体验。根据用户的姿态,可以将用户状态区分为立姿(站立、坐立和蹲立)状态和卧姿(仰卧、俯卧和侧卧)状态,由于立姿状态和卧姿状态表征了用户不同的生活状态,比如卧姿状态表征用户可能处于睡眠状态,如果智能家电可以根据用户的立姿状态和卧姿状态对自身工作状态进行相应地调整,则可以进一步提升用户的使用体验。
目前,利用图像识别技术,通过对用户的面部特征或头部相对于肩部的位置特征可以识别出用户的立姿状态,但没有有效的方式对人体的卧姿状态进行识别,因此智能家电无法根据用户的卧姿状态对自身工作状态进行调整,导致智能家电对自身工作状态进行调整的合理性较差。
发明内容
本发明实施例提供了一种人体卧姿状态识别方法及装置,能够提高智能家电对自身工作状态进行调整的合理性。
第一方面,本发明实施例提供了一种人体卧姿状态识别方法,包括:
依次获取目标区域的至少两张图像;
根据所述至少两张图像,从所述目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域;
通过红外传感器对所述人体卧姿动态区域进行扫描,获取所述人体卧姿动态区域中至少两个温度检测点的温度;
从各个所述温度检测点中确定对应温度最高的第一温度检测点;
从各个所述温度检测点中确定在所述图像中对应位置与所述第一温度检测点在同一竖直方向上,且温度最低的第二温度检测点;
根据所述第一温度检测点和所述第二温度检测点的温度,对所述人体卧姿动态区域中处于卧姿状态的人体进行识别。
可选地,
所述根据所述第一温度检测点和所述第二温度检测点的温度,对所述人体卧姿动态区域中处于卧姿状态的人体进行识别,包括:
S1:判断所述第一温度检测点与所述第二温度检测点的温度之差是否大于或等于预先设定的温度差阈值,如果是执行S2,否则执行S5;
S2:计算所述人体卧姿动态区域内各个所述温度检测点所对应温度的方差;
S3:判断所述方差是否大于或等于预先设定的方差阈值,如果是执行S4,否则执行S5;
S4:确定所述人体卧姿动态区域中存在处于卧姿状态的人体,并结束当前流程;
S5:确定所述人体卧姿动态区域中不存在处于卧姿状态的人体。
可选地,
在所述S4之后,进一步包括:
S6:根据预先设定的检测周期,每经过一个所述检测周期,通过红外传感器对所述人体卧姿动态区域进行扫描,获取对应温度最高的第三温度检测点的温度;
S7:判断所述第三温度检测点与所述第一温度检测点的温度差值是否小于预先设定的温度偏差阈值,如果是,执行所述S6,否则执行S8;
S8:判断所述第三温度检测点与所述第一温度检测点的温度差值大于或等于所述温度偏差阈值的总次数是否小于预先设定的偏差次数阈值,如果是,执行所述S6,否则执行S9;
S9:确定所述人体卧姿动态区域中处于卧姿状态的人体消失。
可选地,
所述依次获取目标区域的至少两张图像,包括:
通过摄像头采集所述目标区域的视频;
从所述视频中获取相邻的两帧图像作为所述目标区域的图像。
可选地,
所述根据所述至少两张图像,从所述目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域,包括:
对所述两帧图像进行对比,确定所述两帧图像中色彩和/或亮度不同的至少一个第一矩形碎图块;
根据针对所述图像预先设定的高度基准线,将各个所述第一矩形碎图块中位于所述高度基准线之下的所述第一矩形碎图块确定为第二矩形碎图块;
根据各个所述第二矩形碎图块在所述图像上确定矩形区域,其中各个所述第二矩形碎图块位于所述矩形区域内;
将所述矩形区域中图像在所述目标区域内对应的区域确定为所述人体卧姿动态区域。
第二方面,本发明实施例还提供了一种人体卧姿状态识别装置,包括:图像处理模块、红外测温模块和姿态识别模块;
所述图像处理模块,用于依次获取目标区域的至少两张图像,并根据所述至少两张图像从所述目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域;
所述红外测温模块,用于通过红外传感器对所述图像处理模块确定出的所述人体卧姿动态区域进行扫描,获取所述人体卧姿动态区域中至少两个温度检测点的温度;
所述姿态识别模块,用于根据所述红外测温模块获取到的各个所述温度检测点的温度,从各个所述温度检测点中确定对应温度最高的第一温度检测点,并从各个所述温度检测点中确定在所述图像中对应位置与所述第一温度检测点在同一竖直方向上,且温度最低的第二温度检测点,以及根据所述第一温度检测点和所述第二温度检测点的温度,对所述人体卧姿动态区域中处于卧姿状态的人体进行识别。
可选地,
所述姿态识别模块在执行所述对所述人体卧姿动态区域中处于卧姿状态的人体进行识别时,具体用于执行:
S1:判断所述第一温度检测点与所述第二温度检测点的温度之差是否大于或等于预先设定的温度差阈值,如果是执行S2,否则执行S5;
S2:计算所述人体卧姿动态区域内各个所述温度检测点所对应温度的方差;
S3:判断所述方差是否大于或等于预先设定的方差阈值,如果是执行S4,否则执行S5;
S4:确定所述人体卧姿动态区域中存在处于卧姿状态的人体,并结束当前流程;
S5:确定所述人体卧姿动态区域中不存在处于卧姿状态的人体。
可选地,
在所述姿态识别模块在执行所述S4之后,
所述红外测温模块,进一步用于根据预先设定的检测周期,每经过一个所述检测周期通过红外传感器对所述人体卧姿动态区域进行扫描,获取各个所述温度检测点的温度;
所述姿态识别模块,进一步用于执行:
A1:根据所述红外测温模块获取到的各个所述温度检测点的温度,确定对应温度最高的第三温度检测点的温度;
A2:判断所述第三温度检测点与所述第一温度检测点的温度差值是否小于预先设定的温度偏差阈值,如果是,触发所述红外测温模块执行所述每经过一个所述检测周期通过红外传感器对所述人体卧姿动态区域进行扫描,否则执行A3;
A3:判断所述第三温度检测点与所述第一温度检测点的温度差值大于或等于所述温度偏差阈值的总次数是否小于预先设定的偏差次数阈值,如果是,触发所述红外测温模块执行所述每经过一个所述检测周期通过红外传感器对所述人体卧姿动态区域进行扫描,否则执行A4;
A4:确定所述人体卧姿动态区域中处于卧姿状态的人体消失。
可选地,
所述图像处理模块在执行所述依次获取目标区域的至少两张图像时,具体用于执行:
通过摄像头采集所述目标区域的视频,并从所述视频中获取相邻的两帧图像作为所述目标区域的图像。
可选地,
所述图像处理模块在执行根据所述至少两张图像从所述目标区域中确定对应于人体卧姿状态的人体卧姿动态区域时,具体用于执行:
对所述两帧图像进行对比,确定所述两帧图像中色彩和/或亮度不同的至少一个第一矩形碎图块;
根据针对所述图像预先设定的高度基准线,将各个所述第一矩形碎图块中位于所述高度基准线之下的所述第一矩形碎图块确定为第二矩形碎图块;
根据各个所述第二矩形碎图块在所述图像上确定矩形区域,其中各个所述第二矩形碎图块位于所述矩形区域内;
将所述矩形区域中图像在所述目标区域内对应的区域确定为所述人体卧姿动态区域。
本发明实施例提供的人体卧姿状态识别方法及装置,依次获取目标区域的至少两张图像后,根据获取到的各张图像可以从目前区域中确定对应于人体处于卧姿状态的人体卧姿动态区域,该人体卧姿动态区域为可能存在处于卧姿状态人体的区域,之后通过红外传感器对人体卧姿动态区域进行扫描,获得人体卧姿动态区域内各个温度检测点的温度,从各个温度检测点中确定出温度最高的第一温度检测点,并确定出在图像中对应位置与第一温度检测点在同一竖直方面且温度最低的第二温度检测点,最终根据第一温度检测点和第二温度检测点的温度来识别人体卧姿动态区域中是否存在处于卧姿状态的人体。由此可见,首先通过图像识别确定可能存在处于卧姿状态人体的人体卧姿动态区域,然后根据人体卧姿动态区域的温度分布情况确定该人体卧姿动态区域是否存在处于人体卧姿状态的人体,实现人体卧姿状态的识别,从而使得智能家电可以根据用户的卧姿状态和立姿状态对自身工作状态进行调整,提高智能家电对自身工作状态进行调整的合理性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一个实施例提供的一种人体卧姿状态识别方法的流程图;
图2是本发明一个实施例提供的一种对人体卧姿状态区域进行识别的方法流程图;
图3是本发明一个实施例提供的识别处于卧姿状态人体是否消失的方法流程图;
图4是本发明一个实施例提供的一种人体卧姿状态识别装置所在设备的示意图;
图5是本发明一个实施例提供的一种人体卧姿状态识别装置的示意图;
图6是本发明一个实施例提供的另一种人体卧姿状态识别方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例,基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明实施例提供了一种人体卧姿状态识别方法,该方法可以包括以下步骤:
步骤101:依次获取目标区域的至少两张图像;
步骤102:根据至少两张图像,从目标区域中确定对应于人体卧姿状态的人体卧姿动态区域;
步骤103:通过红外传感器对人体卧姿动态区域进行扫描,获取人体卧姿动态区域中至少两个温度检测点的温度;
步骤104:从各个温度检测点中确定对应温度最高的第一温度检测点;
步骤105:从各个温度检测点中确定在图像中对应位置与第一温度检测点在同一竖直方向上,且温度最低的第二温度检测点;
步骤106:根据第一温度检测点和第二温度检测点的温度,对人体卧姿动态区域中处于卧姿状态的人体进行识别。
本发明实施例提供了一种人体卧姿状态识别方法,依次获取目标区域的至少两张图像后,根据获取到的各张图像可以从目前区域中确定对应于人体处于卧姿状态的人体卧姿动态区域,该人体卧姿动态区域为可能存在处于卧姿状态人体的区域,之后通过红外传感器对人体卧姿动态区域进行扫描,获得人体卧姿动态区域内各个温度检测点的温度,从各个温度检测点中确定出温度最高的第一温度检测点,并确定出在图像中对应位置与第一温度检测点在同一竖直方面且温度最低的第二温度检测点,最终根据第一温度检测点和第二温度检测点的温度来识别人体卧姿动态区域中是否存在处于卧姿状态的人体。由此可见,首先通过图像识别确定可能存在处于卧姿状态人体的人体卧姿动态区域,然后根据人体卧姿动态区域的温度分布情况确定该人体卧姿动态区域是否存在处于人体卧姿状态的人体,实现人体卧姿状态的识别,从而使得智能家电可以根据用户的卧姿状态和立姿状态对自身工作状态进行调整,提高智能家电对自身工作状态进行调整的合理性。
可选地,在图1中步骤106根据第一温度检测点和第二温度检测点的温度对人体卧姿动态区域中处于卧姿状态的人体进行识别时,如图2所示,具体可以通过以下步骤实现:
步骤201:判断第一温度检测点与第二温度检测点的温度之差是否大于或等于预先设定的温度差阈值,如果是执行步骤202,否则执行步骤204;
步骤202:计算人体卧姿动态区域内各个温度检测点所对应温度的方差;
步骤203:判断计算出的方差是否大于或等于预先设定的方差阈值,如果是执行步骤204,否则执行步骤205;
步骤204:确定人体卧姿动态区域中存在处于卧姿状态的人体,并结束当前流程;
步骤205:确定人体卧姿动态区域中不存在处于卧姿状态的人体。
人体卧姿动态区域中可能存在处于卧姿状态的人体,而人体的温度分布以及人体与环境的温差具有特定的规律。当人体卧姿动态区域中存在处于卧姿状态的人体时,第一温度检测点通常为人体上温度较高的位置,而第二温度检测点通常为人体所处环境中温度较低的温度,因此可以通过第一温度检测点与第二温度检测点的温度之差对人体卧姿动态区域中是否存在处于卧姿状态人体进行第一次判断。当人体卧姿动态区域中存在处于卧姿状态的人体时,人体卧姿动态区域除了包括处于卧姿状态的人体外还包括环境区域,通常情况下人体温度较高,而环境温度较低,人体卧姿动态区域内各个温度检测点分布于人体和环境中,因此人体卧姿动态区域内各个温度检测点的温度具有较大的离散程度,从而可以计算各个温度检测点所对应温度的方差,对第一次判断人体卧姿动态区域中存在处于卧姿状态人体的前提下进行第二次判断。仅有当两次判断的结果均为人体卧姿动态区域中存在处于卧姿状态人体时,才确定人体卧姿动态区域中存在处于卧姿状态的人体。
首先将第一温度检测点与第二温度检测点的温度之差与温度差阈值进行比较,对人体卧姿动态区域中是否存在处于卧姿状态人体进行第一判断,如果第一次判断的结果是人体卧姿动态区域中存在处于卧姿状态的人体,则将各个温度检测点所对应温度的方差与方差阈值进行比较,对人体卧姿动态区域中是否存在处于卧姿状态人体进行第二次判断,在第二次判断结果也为人体卧姿动态区域中存在处于卧姿状态人体时,才确定人体卧姿动态区域中存在处于卧姿状态的人体,通过以上双重判断,可以保证对人体卧姿状态进行识别的准确性。
人体卧姿状态识别的方法通常应用于需要持续性对人体卧姿状态进行识别的场景,因此在步骤205确定人体卧姿动态区域中不存在处于卧姿状态的人体后,可以返回执行图1中步骤101,重新获取目标区域的图像,对目标区域中是否存在处于卧姿状态的人体进行下一循环的识别。
可选地,在确定出人体卧姿动态区域中存在处于卧姿状态的人体后,需要周期性地对人体卧姿动态区域进行识别,以判断人体卧姿动态区域中处于卧姿状态的人体是否消失,从而保证智能家电可以根据人体的姿态采用相应的控制逻辑,如图3所示,检测人体卧姿动态区域中处于卧姿状态人体是否消失可以通过以下步骤实现:
步骤301:根据预先设定的检测周期,每经过一个检测周期,通过红外传感器对人体卧姿动态区域进行扫描,获取对应温度最高的第三温度检测点的温度;
步骤302:判断第三温度检测点与第一温度检测点的温度差值是否小于预先设定的温度偏差阈值,如果是,执行步骤301,否则执行步骤303;
步骤303:判断第三温度检测点与第一温度检测点的温度差值大于或等于温度偏差阈值的总次数是否小于预先设定的偏差次数阈值,如果是,执行步骤301,否则执行步骤304;
步骤304:确定人体卧姿动态区域中处于卧姿状态的人体消失。
处于卧姿状态的人体,人体温度在一定波动范围内处于稳定状态,因此可以周期性从人体卧姿动态区域中确定对应温度最高的第三温度检测点,每次确定出第三温度检测点后将该第三温度检测点的温度与第一温度检测点的温度进行对比,如果第三温度检测点与第一温度检测点的温度差值过大,则表征人体卧姿动态区域中处于卧姿状态的人体消失了。如果多个检测周期判断第三温度检测点与第一温度检测点的温度差值过大,且判断第三温度检测点与第一温度检测点的温度差值过大的检测周期个数达到一定数量后,可以确定人体卧姿动态区域中处于卧姿状态的人体已经消失。
在确定人体卧姿动态区域中存在处于卧姿状态的人体后,周期性通过红外传感器对人体卧姿动态区域进行扫描,每一次扫描后确定对应温度最高的第三温度检测点,如果第三温度检测点与第一温度检测点的温度差值大于预先设定的温度偏差阈值,则累计一次温度偏差异常,当温度偏差异常的累计次数达到预先设定的偏差次数阈值后,确定人体卧姿动态区域中处于卧姿状态的人体已经消失,通过温度偏差异常累计的方式来确定人体卧姿动态区域中处于卧姿状态的人体是否消失,保证可以较为准确地确定出人体卧姿动态区域中处于卧姿状态的人体是否消失,提升对人体卧姿状态结束进行识别的准确性。
需要说明的是,本发明实施例中所述的第三温度检测点与第一温度检测点的温度差值,以及第一温度检测点与第三温度检测点的温度差值,均指第三温度检测点所对应温度与第一温度检测点所对应温度差值的绝对值。而且,每一次通过红外传感器对人体卧姿动态区域进行扫描后,确定出的对应温度最高的第三温度检测点可能不是同一点,因为处于卧姿状态的人体可能在小范围的运动。但是,第一温度检测点始终为同一点,即图1中步骤104确定出的第一温度检测点。
还需要说明的是,步骤304中确定人体卧姿动态区域中处于卧姿状态的人体消失,可以包括以下几种情况:情况一,人体卧姿动态区域原本存在处于卧姿状态的人体,现该人体移出人体卧姿动态区域,或者该人体由卧姿变更为立姿;情况二,人体卧姿动态区域原本存在可动且温度分布情况与人体相似的物体,随着时间的推移该物体的温度不断降低。虽然上述两种情况各不相同,无论人体卧姿动态区域中是否存在过处于卧姿状态的人体,但是其最终结果均导致人体卧姿动态区域中处于卧姿状态的人体消失,并不会对人体卧姿动态区域中处于卧姿状态人体是否消失造成影响。
由于在确定人体卧姿动态区域中存在处于卧姿状态的人体后,随即通过红外传感器开始对人体卧姿动态区域进行周期性扫描,因此,即使由于上述情况二误判断人体卧姿动态区域中存在处于卧姿状态的人体,也可以在较短的时间内对误判断的结果进行纠正,不会对智能家电的自身调整造成较大的影响,使得智能家电可以依据本发明实施例所提到的人体卧姿状态识别方法对自身工作状态进行更加合理的调整。
另外,当该认为卧姿状态识别方法应用于需要持续性对人体卧姿状态进行识别的场景时,步骤304确定人体卧姿动态区域中处于卧姿状态人体消失后,随即开始执行图1中国的步骤101,重新获取目标区域的图像,对目标区域中是否存在处于卧姿状态的人体进行下一循环的识别。
可选地,如图1所示,步骤101获取目标区域的至少两张图像时,可以通过摄像头采集目标区域的视频,从采集到的视频中获取相邻两帧图像作为目标区域的图像。
具体地,在可以拍摄到目标区域的位置固定设置摄像头,通过摄像头实时采集目标区域的视频,按照预先设定的图像获取周期或触发条件,从采集到的视频中获取相邻的两帧图像作为目标区域的图像,以根据获取到的两帧图像从目标区域中确定人体卧姿动态区域。
由于视频是多帧图像的顺序组合,根据采集视频摄像头的不同,视频的帧率可以为15-20fps,即每一秒视频包括15-20帧图像。从视频中获取相邻的两帧图像作为目标区域的图像,使得获取到的两张目标区域的图像具有较短的采集间隔时间。如果获取到的两张目标区域的图像具有较长的采集间隔时间,两张图像会存在较大的差异,不利于根据两张图像确定出可能存在处于卧姿状态人体的人体卧姿动态区域。因此,通过摄像头采集目标区域的视频,从视频中获取相邻两帧图像作为目标区域的图像来确定人体卧姿动态区域,可以缩小确定人体卧姿动态区域所需的计算量,并可以提高所确定出的人体卧姿动态区域的准确性。
摄像头用于采集目标区域的视频,根据视频中相邻两帧图像可以确定出人体卧姿动态区域,人体卧姿动态区域可以位于目标区域的任意位置,为了保证红外传感器能够扫描到人体卧姿动态区域,红外传感器可以扫描到的范围应当与摄像头所能够拍摄到的范围相同。具体地,摄像头可以采用广角摄像头,即摄像头所能够拍摄到的范围为圆锥形空间,红外传感器可以对该圆锥形空间内任意区域进行扫描。红外传感器对人体卧姿动态区域进行扫描时,从人体卧姿动态区域的一侧扫描到人体卧姿动态区域的另一侧,此过程可以对人体卧姿动态区域内呈阵列分布的多个温度检测点的温度进行检测。
为了保证上述摄像头拍摄区域和红外传感器扫描区域之间的关系,摄像头可以设置在红外传感器的下方,红外传感器由步进电机带动沿竖直方向轴线在水平面内转动,其中,摄像头所能够拍摄到的圆锥形空间的顶点通过红外传感器转动所沿竖直方向轴线。
可选地,当从摄像头拍摄的视频中获取相邻的两帧图像作为目标区域的图像后,从图像色彩和亮度两个方面对获取到的两帧图像进行比对,从中确定出对应色彩和/或亮度不同的至少一个第一矩形碎图块,根据针对获取到的两帧图像预先设定的高度基准线,从各个第一矩形碎图块中将位于高度基准线之上的第一矩形碎图块去除,将剩余部分的第一矩形碎图块确定为第二矩形碎图块,从获取到的两帧图像中确定可以将各个第二矩形碎图块包含在内的矩形区域,所获取到的两帧图像中位于该矩形区域内图像在目标区域内对应的区域被确定为人体卧姿动态区域。
首先,如果目标区域中存在可动对象,在摄像头采集被作为目标区域图像的相邻两帧图像过程中,如果该可动对象发生了动作,则两帧图像中会存在色彩和/或亮度不同的一个或多个区域,在两帧图像上利用矩形对每一个对应色彩和/或亮度不同的区域进行标记,其中,用于标记的矩形的边分别位于平方向和竖直方向,且为能够使对应色彩和/或亮度不同的区域位于其内的最小矩形,将两帧图像中位于每一个上述矩形内的图像作为一个第一矩形碎图块。
其次,在目标区域内处于卧姿状态的人体,其高度具有一定的上限,比如用户躺在床上后其身体在竖直方向上的最大高度,根据摄像头的安装位置和目标区域内床具的尺寸,可以预先设定对应于摄像头所拍摄每一帧图像的高度基准线。这样,在确定出第一矩形碎图块后,由于高度基准线以上的第一矩形碎图块不可能是处于卧姿状态人体运动产生的,因此可以将位于高度基准线以上的第一碎图块去除,保留位于高度基准线之下的第一碎图块作为第二碎图块来确定人体卧姿动态区域,在减小确定人体卧姿动态区域过程计算量的同时,可以保证确定出的人体卧姿动态区域具有较高的准确性。
其次,在确定出各个第二碎图块后,从两帧图像上确定一个矩形区域,该矩形区域的边位于水平方向和竖直方向,且为可以使得各个第二碎图块位于其内的最小矩形,位于该矩形区域中图像在目标区域内对应的区域即为人体卧姿动态区域。具体地,在确定上述矩形区域时,预先创建直角坐标系,该直角坐标系所在平面与摄像头拍摄方向垂直,X轴在水平方向,Y轴竖直向下,在该直角坐标系中对每一个第二矩形碎图块进行标记,具体包括第二矩形碎图块左上角坐标值、X轴方向宽度和Y轴方向高度,这样,在该直角坐标系中,以最左侧第二矩形碎图块中最左侧一条边所在直线为第一边,以最上侧第二矩形碎图块最上侧一条边所在直线为第二边,以最右侧第二矩形碎图块最右侧一条边所在直线为第三边,以最下侧第二矩形碎图块最下侧一条边所在直线为第四边,上述第一边、第二边、第三边和第四边相交获得的矩形区域即为上述人体卧姿动态区域对应的矩形区域。
需要说明的是,确定出的人体卧姿动态区域不一定是包括整个卧姿状态人体的区域,因为在获取到的两帧图像时处于卧姿状态人体可能不是所有部位都发生了运动,而仅有运动了的部分部位才会形成相对应的第二矩形碎图块。比如,在摄像头采集作为目标区域图像的相邻两帧图像时,躺在床上用户的头部和手部发生了运动,则最终确定出的人体卧姿动态区域仅包括了用户的上半身,并不会包括用户的下半身。
如图4、图5所示,本发明实施例提供了一种人体卧姿状态识别装置。装置实施例可以通过软件实现,也可以通过硬件或者软硬件结合的方式实现。从硬件层面而言,如图4所示,为本发明实施例提供的人体卧姿状态识别装置所在设备的一种硬件结构图,除了图4所示的处理器、内存、网络接口、以及非易失性存储器之外,实施例中装置所在的设备通常还可以包括其他硬件,如负责处理报文的转发芯片等等。以软件实现为例,如图5所示,作为一个逻辑意义上的装置,是通过其所在设备的CPU将非易失性存储器中对应的计算机程序指令读取到内存中运行形成的。本实施例提供的人体卧姿状态识别装置,包括:图像处理模块501、红外测温模块502和姿态识别模块503;
图像处理模块501,用于依次获取目标区域的至少两张图像,并根据至少两张图像从目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域;
红外测温模块502,用于通过红外传感器对图像处理模块501确定出的人体卧姿动态区域进行扫描,获取人体卧姿动态区域中至少两个温度检测点的温度;
状态识别模块503,用于根据红外测温模块502获取到的各个温度检测点的温度,从各个温度检测点中确定对应温度最高的第一温度检测点,并从各个温度检测点中确定在图像中对应位置与第一温度检测点在同一竖直方向上,且温度最低的第二温度检测点,以及根据第一温度检测点和第二温度检测点的温度,对人体卧姿动态区域中处于卧姿状态的人体进行识别。
可选地,
状态识别模块503在执行对人体卧姿动态区域中处于卧姿状态的人体进行识别时,具体用于执行:
S1:判断第一温度检测点与第二温度检测点的温度之差是否大于或等于预先设定的温度差阈值,如果是执行S2,否则执行S5;
S2:计算人体卧姿动态区域内各个温度检测点所对应温度的方差;
S3:判断方差是否大于或等于预先设定的方差阈值,如果是执行S4,否则执行S5;
S4:确定人体卧姿动态区域中存在处于卧姿状态的人体,并结束当前流程;
S5:确定人体卧姿动态区域中不存在处于卧姿状态的人体。
可选地,
在状态识别模块503在执行S4之后,
红外测温模块502,进一步用于根据预先设定的检测周期,每经过一个检测周期通过红外传感器对人体卧姿动态区域进行扫描,获取各个温度检测点的温度;
状态识别模块503,进一步用于执行:
A1:根据红外测温模块502获取到的各个温度检测点的温度,确定对应温度最高的第三温度检测点的温度;
A2:判断第三温度检测点与第一温度检测点的温度差值是否小于预先设定的温度偏差阈值,如果是,触发红外测温模块502执行每经过一个检测周期通过红外传感器对人体卧姿动态区域进行扫描,否则执行A3;
A3:判断第三温度检测点与第一温度检测点的温度差值大于或等于温度偏差阈值的总次数是否小于预先设定的偏差次数阈值,如果是,触发红外测温模块502执行每经过一个检测周期通过红外传感器对人体卧姿动态区域进行扫描,否则执行A4;
A4:确定人体卧姿动态区域中处于卧姿状态的人体消失。
可选地,
图像处理模块501在执行依次获取目标区域的至少两张图像时,具体用于执行:
通过摄像头采集目标区域的视频,并从视频中获取相邻的两帧图像作为目标区域的图像。
可选地,
图像处理模块501在执行根据至少两张图像从目标区域中确定对应于人体卧姿状态的人体卧姿动态区域时,具体用于执行:
对两帧图像进行对比,确定两帧图像中色彩和/或亮度不同的至少一个第一矩形碎图块;
根据针对图像预先设定的高度基准线,将各个第一矩形碎图块中位于高度基准线之下的第一矩形碎图块确定为第二矩形碎图块;
根据各个第二矩形碎图块在图像上确定矩形区域,其中各个第二矩形碎图块位于矩形区域内;
将矩形区域中图像在目标区域内对应的区域确定为人体卧姿动态区域。
需要说明的是,上述装置内的各模块之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
下面以通过两帧图像确定人体卧姿动态区域为例,对本发明实施例提供的任务卧姿状态识别方法作进一步详细说明,如图6所示,该方法可以包括以下步骤:
步骤601:通过摄像头采集目标区域的视频。
在本发明实施例中,在可以拍摄到目标区域的位置固定设置摄像头,通过摄像头实时采集目标区域的视频。
步骤602:从视频中获取最近拍摄且相邻的两帧图像。
在本发明实施例中,从摄像头拍摄的视频中获取最近拍摄,且在视频中相邻的两帧图像。
步骤603:根据获取到的两帧图像,从目标区域中确定人体卧姿动态区域。
在本发明实施例中,从视频中获取到相邻的两帧图像后,根据两帧图像色彩和亮度的区别,从目标区域中确定可能存在处于卧姿状态人体的人体卧姿动态区域。具体确定过程已经在上述实施例中进行了详细说明,此处不再赘述。
步骤604:判断人体卧姿动态区域是否获取成功,如果是执行步骤605,否则执行步骤602。
在本发明实施例中,在根据获取到的两帧图像从目标区域中确定人体卧姿动态区域,如果两帧图像各个区域的色彩和亮度完全相同,将无法根据这两帧图像从目标区域中确定出人体卧姿动态区域,此时需要返回执行步骤602,重新从视频中获取相邻两帧图像,如果已经成功从目标区域中确定出人体卧姿动态区域,则执行步骤605继续执行后续识别步骤。
步骤605:通过红外传感器对人体卧姿动态区域进行扫描,获得人体卧姿动态区域内各个温度检测点的温度。
在本发明实施例中,通过红外传感器对人体卧姿动态区域进行扫描,获得人体卧姿动态区域内呈矩阵分布的各个温度检测点的温度。具体地,在确定出人体卧姿动态区域后,在人体卧姿动态区域中确定呈矩形阵列分布的多个温度检测点。比如,在人体卧姿动态区域中确定每行包括100个温度检测点,每列包括60个温度检测点的温度检测点矩阵,当红外传感器完成对人体卧姿动态区域进行扫描后,可以获取到这600个温度检测点的温度。
步骤606:从各个温度检测点中确定对应温度最高的第一温度检测点和与第一温度检测点在同一竖直方向上的第二温度检测点。
在本发明实施例中,在获取到各个温度检测点的温度后,从各个温度检测点中确定对应温度最高的一个温度检测点,将该温度检测点作为第一温度检测点;在确定出第一温度检测点后,从各个温度检测点中确定在两帧图像张与第一温度检测点位于同一竖直方向,且温度最低的第二温度检测点。
步骤607:判断第一温度检测点与第二温度检测点的温度之差是否大于或等于温度差阈值,如果是执行步骤608,否则执行步骤610。
在本发明实施例中,在确定出第一温度检测点和第二温度检测点后,计算第一温度检测点与第二温度检测点所对应温度的差值,如果该差值大于或等于预先设定的温度差阈值,是则执行步骤608,否则执行步骤610。
步骤608:判断各个温度检测点所对应温度的方差是否大于或等于方差阈值,如果是执行步骤609,否则执行步骤610。
在本发明实施例中,计算各个温度检测点所对应温度的方差,并判断计算出的方差是否大于或等于余下设定的方差阈值,如果是执行步骤609,否则执行步骤610。
步骤609:确定人体卧姿动态区域内存在处于卧姿状态的人体,并执行步骤611。
在本发明实施例中,在确定人体卧姿动态区域内存在处于卧姿状态的人体后,向第三方关联产品发送目标区域内存在处于卧姿状态人体的指令。比如,向智能空调发送相应房间内存在处于卧姿状态人体的指令,使空调对制冷量、风扇等进行调节。
步骤610:确定人体卧姿动态区域内不存在处于卧姿状态的人体,并执行步骤602。
步骤611:每经过一个检测周期,通过红外传感器对人体卧姿动态区域进行一次扫描,获得对应温度最高的第三温度检测点。
在本发明实施例中,在确定人体卧姿动态区域内存在处于卧姿状态的人体后,每经过一个预先设定的检测周期,通过红外传感器对人体卧姿动态区域进行一次扫描,获得人体卧姿动态区域内各个温度检测点的温度,从而获得对应温度最高的第三温度检测点。
步骤612:判断第一温度检测点与第三温度检测点的温度差值是否小于温度偏差阈值,如果是执行步骤611,否则执行步骤613。
在本发明实施例中,如果第一温度检测点与第三温度检测点的温度差值(绝对值)小于预先设定的温度偏差阈值,说明处于卧姿状态的人体仍处于人体卧姿动态区域内,相应地执行步骤611继续检测人体卧姿动态区域内处于卧姿状态的人体是否消失;如果第一温度检测点与第三温度检测点的温度差值(绝对值)大于或等于温度偏差阈值,说明卧姿状态人体的位置可能发生了较大程度的改变,或可能已经不再处于人体卧姿动态区域内,相应地执行步骤613。
步骤613:判断第三温度检测点与第一温度检测点的温度差值大于或等于温度偏差阈值的总次数是否小于偏差次数阈值,如果是执行步骤611,否则执行步骤614。
在本发明实施例中,在确定人体卧姿动态区域内存在处于卧姿状态人体后,初始化获得等于零的偏差统计值,每次步骤612的判断结果为否时对偏差统计值加1,并判断加1后的偏差统计值是否小于预先设定的偏差数阈值,如果是执行步骤614,否则执行步骤611。
步骤614:确定人体卧姿动态区域中处于卧姿状态的人体已经消失,并执行步骤602。
在本发明实施例中,当第三温度检测点与第一温度检测点的温度差值大于或等于温度偏差阈值的总次数是否小于偏差次数阈值后,可以确定人体卧姿动态区域内处于卧姿状态的人体已经消失,重新开始执行步骤602来识别目标区域中是否存在处于卧姿状态的人体。另外,在确定人体卧姿动态区域中处于卧姿状态的人体已经消失后,向第三方关联产品发送目标区域内处于卧姿状态人体已经消失的指令。比如,向智能空调发送相应房间内处于卧姿状态人体已经消失的指令,使空调对制冷量、风扇等进行调节。
本发明实施例还提供了一种可读介质,包括执行指令,当存储控制器的处理器执行所述执行指令时,所述存储控制器执行上述各个实施例提供的人体卧姿状态识别方法。
本发明实施例还提供了一种存储控制器,包括:处理器、存储器和总线;
所述存储器用于存储执行指令,所述处理器与所述存储器通过所述总线连接,当所述存储控制器运行时,所述处理器执行所述存储器存储的所述执行指令,以使所述存储控制器执行上述各个实施例提供的人体卧姿状态识别方法。
综上所述,本发明各个实施例提供的人体卧姿状态识别方法及装置,至少具有如下有益效果:
1、在本发明实施例中,依次获取目标区域的至少两张图像后,根据获取到的各张图像可以从目前区域中确定对应于人体处于卧姿状态的人体卧姿动态区域,该人体卧姿动态区域为可能存在处于卧姿状态人体的区域,之后通过红外传感器对人体卧姿动态区域进行扫描,获得人体卧姿动态区域内各个温度检测点的温度,从各个温度检测点中确定出温度最高的第一温度检测点,并确定出在图像中对应位置与第一温度检测点在同一竖直方面且温度最低的第二温度检测点,最终根据第一温度检测点和第二温度检测点的温度来识别人体卧姿动态区域中是否存在处于卧姿状态的人体。由此可见,首先通过图像识别确定可能存在处于卧姿状态人体的人体卧姿动态区域,然后根据人体卧姿动态区域的温度分布情况确定该人体卧姿动态区域是否存在处于人体卧姿状态的人体,实现人体卧姿状态的识别,从而使得智能家电可以根据用户的卧姿状态和立姿状态对自身工作状态进行调整,提高智能家电对自身工作状态进行调整的合理性。
2、在本发明实施例中,首先将第一温度检测点与第二温度检测点的温度之差与温度差阈值进行比较,对人体卧姿动态区域中是否存在处于卧姿状态人体进行第一判断,如果第一次判断的结果是人体卧姿动态区域中存在处于卧姿状态的人体,则将各个温度检测点所对应温度的方差与方差阈值进行比较,对人体卧姿动态区域中是否存在处于卧姿状态人体进行第二次判断,在第二次判断结果也为人体卧姿动态区域中存在处于卧姿状态人体时,才确定人体卧姿动态区域中存在处于卧姿状态的人体,通过以上双重判断,可以保证对人体卧姿状态进行识别的准确性。
3、在本发明实施例中,在确定人体卧姿动态区域中存在处于卧姿状态的人体后,周期性通过红外传感器对人体卧姿动态区域进行扫描,每一次扫描后确定对应温度最高的第三温度检测点,如果第三温度检测点与第一温度检测点的温度差值大于预先设定的温度偏差阈值,则累计一次温度偏差异常,当温度偏差异常的累计次数达到预先设定的偏差次数阈值后,确定人体卧姿动态区域中处于卧姿状态的人体已经消失,通过温度偏差异常累计的方式来确定人体卧姿动态区域中处于卧姿状态的人体是否消失,保证可以较为准确地确定出人体卧姿动态区域中处于卧姿状态的人体是否消失,提升对人体卧姿状态结束进行识别的准确性。
4、在本发明实施例中,由于在确定人体卧姿动态区域中存在处于卧姿状态的人体后,随即通过红外传感器开始对人体卧姿动态区域进行周期性扫描,因此,即使由于上述情况二误判断人体卧姿动态区域中存在处于卧姿状态的人体,也可以在较短的时间内对误判断的结果进行纠正,不会对智能家电的自身调整造成较大的影响,使得智能家电可以依据本发明实施例所提到的人体卧姿状态识别方法对自身工作状态进行更加合理的调整。
5、在本发明实施例中,通过摄像头采集目标区域的视频,从视频中获取相邻两帧图像作为目标区域的图像来确定人体卧姿动态区域,可以缩小确定人体卧姿动态区域所需的计算量,并可以提高所确定出的人体卧姿动态区域的准确性。
需要说明的是,在本文中,诸如第一和第二之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个······”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储在计算机可读取的存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。
最后需要说明的是:以上所述仅为本发明的较佳实施例,仅用于说明本发明的技术方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、等同替换、改进等,均包含在本发明的保护范围内。
Claims (10)
1.一种人体卧姿状态识别方法,其特征在于,包括:
依次获取目标区域的至少两张图像;
根据所述至少两张图像,从所述目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域;
通过红外传感器对所述人体卧姿动态区域进行扫描,获取所述人体卧姿动态区域中至少两个温度检测点的温度;
从各个所述温度检测点中确定对应温度最高的第一温度检测点;
从各个所述温度检测点中确定在所述图像中对应位置与所述第一温度检测点在同一竖直方向上,且温度最低的第二温度检测点;
根据所述第一温度检测点和所述第二温度检测点的温度,对所述人体卧姿动态区域中处于卧姿状态的人体进行识别。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一温度检测点和所述第二温度检测点的温度,对所述人体卧姿动态区域中处于卧姿状态的人体进行识别,包括:
S1:判断所述第一温度检测点与所述第二温度检测点的温度之差是否大于或等于预先设定的温度差阈值,如果是执行S2,否则执行S5;
S2:计算所述人体卧姿动态区域内各个所述温度检测点所对应温度的方差;
S3:判断所述方差是否大于或等于预先设定的方差阈值,如果是执行S4,否则执行S5;
S4:确定所述人体卧姿动态区域中存在处于卧姿状态的人体,并结束当前流程;
S5:确定所述人体卧姿动态区域中不存在处于卧姿状态的人体。
3.根据权利要求2所述的方法,其特征在于,在所述S4之后,进一步包括:
S6:根据预先设定的检测周期,每经过一个所述检测周期,通过红外传感器对所述人体卧姿动态区域进行扫描,获取对应温度最高的第三温度检测点的温度;
S7:判断所述第三温度检测点与所述第一温度检测点的温度差值是否小于预先设定的温度偏差阈值,如果是,执行所述S6,否则执行S8;
S8:判断所述第三温度检测点与所述第一温度检测点的温度差值大于或等于所述温度偏差阈值的总次数是否小于预先设定的偏差次数阈值,如果是,执行所述S6,否则执行S9;
S9:确定所述人体卧姿动态区域中处于卧姿状态的人体消失。
4.根据权利要求1所述的方法,其特征在于,所述依次获取目标区域的至少两张图像,包括:
通过摄像头采集所述目标区域的视频;
从所述视频中获取相邻的两帧图像作为所述目标区域的图像。
5.根据权利要求4所述的方法,其特征在于,所述根据所述至少两张图像,从所述目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域,包括:
对所述两帧图像进行对比,确定所述两帧图像中色彩和/或亮度不同的至少一个第一矩形碎图块;
根据针对所述图像预先设定的高度基准线,将各个所述第一矩形碎图块中位于所述高度基准线之下的所述第一矩形碎图块确定为第二矩形碎图块;
根据各个所述第二矩形碎图块在所述图像上确定矩形区域,其中各个所述第二矩形碎图块位于所述矩形区域内;
将所述矩形区域中图像在所述目标区域内对应的区域确定为所述人体卧姿动态区域。
6.一种人体卧姿状态识别装置,其特征在于,包括:图像处理模块、红外测温模块和姿态识别模块;
所述图像处理模块,用于依次获取目标区域的至少两张图像,并根据所述至少两张图像从所述目标区域中确定对应于人体处于卧姿状态的人体卧姿动态区域;
所述红外测温模块,用于通过红外传感器对所述图像处理模块确定出的所述人体卧姿动态区域进行扫描,获取所述人体卧姿动态区域中至少两个温度检测点的温度;
所述姿态识别模块,用于根据所述红外测温模块获取到的各个所述温度检测点的温度,从各个所述温度检测点中确定对应温度最高的第一温度检测点,并从各个所述温度检测点中确定在所述图像中对应位置与所述第一温度检测点在同一竖直方向上,且温度最低的第二温度检测点,以及根据所述第一温度检测点和所述第二温度检测点的温度,对所述人体卧姿动态区域中处于卧姿状态的人体进行识别。
7.根据权利要求6所述的装置,其特征在于,
所述姿态识别模块在执行所述对所述人体卧姿动态区域中处于卧姿状态的人体进行识别时,具体用于执行:
S1:判断所述第一温度检测点与所述第二温度检测点的温度之差是否大于或等于预先设定的温度差阈值,如果是执行S2,否则执行S5;
S2:计算所述人体卧姿动态区域内各个所述温度检测点所对应温度的方差;
S3:判断所述方差是否大于或等于预先设定的方差阈值,如果是执行S4,否则执行S5;
S4:确定所述人体卧姿动态区域中存在处于卧姿状态的人体,并结束当前流程;
S5:确定所述人体卧姿动态区域中不存在处于卧姿状态的人体。
8.根据权利要求7所述的装置,其特征在于,在所述姿态识别模块在执行所述S4之后,
所述红外测温模块,进一步用于根据预先设定的检测周期,每经过一个所述检测周期通过红外传感器对所述人体卧姿动态区域进行扫描,获取各个所述温度检测点的温度;
所述姿态识别模块,进一步用于执行:
A1:根据所述红外测温模块获取到的各个所述温度检测点的温度,确定对应温度最高的第三温度检测点的温度;
A2:判断所述第三温度检测点与所述第一温度检测点的温度差值是否小于预先设定的温度偏差阈值,如果是,触发所述红外测温模块执行所述每经过一个所述检测周期通过红外传感器对所述人体卧姿动态区域进行扫描,否则执行A3;
A3:判断所述第三温度检测点与所述第一温度检测点的温度差值大于或等于所述温度偏差阈值的总次数是否小于预先设定的偏差次数阈值,如果是,触发所述红外测温模块执行所述每经过一个所述检测周期通过红外传感器对所述人体卧姿动态区域进行扫描,否则执行A4;
A4:确定所述人体卧姿动态区域中处于卧姿状态的人体消失。
9.根据权利要求6所述的装置,其特征在于,
所述图像处理模块在执行所述依次获取目标区域的至少两张图像时,具体用于执行:
通过摄像头采集所述目标区域的视频,并从所述视频中获取相邻的两帧图像作为所述目标区域的图像。
10.根据权利要求9所述的装置,其特征在于,
所述图像处理模块在执行根据所述至少两张图像从所述目标区域中确定对应于人体卧姿状态的人体卧姿动态区域时,具体用于执行:
对所述两帧图像进行对比,确定所述两帧图像中色彩和/或亮度不同的至少一个第一矩形碎图块;
根据针对所述图像预先设定的高度基准线,将各个所述第一矩形碎图块中位于所述高度基准线之下的所述第一矩形碎图块确定为第二矩形碎图块;
根据各个所述第二矩形碎图块在所述图像上确定矩形区域,其中各个所述第二矩形碎图块位于所述矩形区域内;
将所述矩形区域中图像在所述目标区域内对应的区域确定为所述人体卧姿动态区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810140355.9A CN108363977B (zh) | 2018-02-11 | 2018-02-11 | 一种人体卧姿状态识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810140355.9A CN108363977B (zh) | 2018-02-11 | 2018-02-11 | 一种人体卧姿状态识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108363977A true CN108363977A (zh) | 2018-08-03 |
CN108363977B CN108363977B (zh) | 2020-08-04 |
Family
ID=63005970
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810140355.9A Active CN108363977B (zh) | 2018-02-11 | 2018-02-11 | 一种人体卧姿状态识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108363977B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109285197A (zh) * | 2018-08-14 | 2019-01-29 | 四川虹美智能科技有限公司 | 一种gif图像处理方法和移动终端 |
CN109405206A (zh) * | 2018-10-10 | 2019-03-01 | 广东美的制冷设备有限公司 | 空气调节设备的送风控制方法和装置 |
CN111721420A (zh) * | 2020-04-27 | 2020-09-29 | 浙江智物慧云技术有限公司 | 基于红外阵列时序的半监督人工智能人体检测嵌入式算法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103375877A (zh) * | 2012-04-25 | 2013-10-30 | 珠海格力电器股份有限公司 | 空调器及其控制方法 |
CN104091408A (zh) * | 2014-05-09 | 2014-10-08 | 郑州轻工业学院 | 一种基于热红外成像的婴幼儿睡姿智能识别方法及装置 |
US20160171309A1 (en) * | 2014-12-11 | 2016-06-16 | Jeffrey R. Hay | Non-contacting monitor for bridges and civil structures |
CN105760816A (zh) * | 2016-01-27 | 2016-07-13 | 四川长虹电器股份有限公司 | 一种强风制冷下智能识别人体睡姿的方法 |
CN105930778A (zh) * | 2016-04-14 | 2016-09-07 | 厦门理工学院 | 一种基于红外图像的夜间人体睡姿监测方法及系统 |
-
2018
- 2018-02-11 CN CN201810140355.9A patent/CN108363977B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103375877A (zh) * | 2012-04-25 | 2013-10-30 | 珠海格力电器股份有限公司 | 空调器及其控制方法 |
CN104091408A (zh) * | 2014-05-09 | 2014-10-08 | 郑州轻工业学院 | 一种基于热红外成像的婴幼儿睡姿智能识别方法及装置 |
US20160171309A1 (en) * | 2014-12-11 | 2016-06-16 | Jeffrey R. Hay | Non-contacting monitor for bridges and civil structures |
CN105760816A (zh) * | 2016-01-27 | 2016-07-13 | 四川长虹电器股份有限公司 | 一种强风制冷下智能识别人体睡姿的方法 |
CN105930778A (zh) * | 2016-04-14 | 2016-09-07 | 厦门理工学院 | 一种基于红外图像的夜间人体睡姿监测方法及系统 |
Non-Patent Citations (1)
Title |
---|
郭文强,侯勇严: "《数字图像处理》", 31 May 2009 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109285197A (zh) * | 2018-08-14 | 2019-01-29 | 四川虹美智能科技有限公司 | 一种gif图像处理方法和移动终端 |
CN109405206A (zh) * | 2018-10-10 | 2019-03-01 | 广东美的制冷设备有限公司 | 空气调节设备的送风控制方法和装置 |
CN109405206B (zh) * | 2018-10-10 | 2021-02-26 | 广东美的制冷设备有限公司 | 空气调节设备的送风控制方法和装置 |
CN111721420A (zh) * | 2020-04-27 | 2020-09-29 | 浙江智物慧云技术有限公司 | 基于红外阵列时序的半监督人工智能人体检测嵌入式算法 |
CN111721420B (zh) * | 2020-04-27 | 2021-06-29 | 浙江智物慧云技术有限公司 | 基于红外阵列时序的半监督人工智能人体检测嵌入式算法 |
Also Published As
Publication number | Publication date |
---|---|
CN108363977B (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105611230B (zh) | 图像处理装置及图像处理方法 | |
CN110044486B (zh) | 用于人体检验检疫系统避免重复报警的方法、装置、设备 | |
US7428318B1 (en) | Method for capturing, measuring and analyzing motion | |
CN108363977A (zh) | 一种人体卧姿状态识别方法及装置 | |
US6677969B1 (en) | Instruction recognition system having gesture recognition function | |
US9367734B2 (en) | Apparatus, control method, and storage medium for setting object detection region in an image | |
CN104930643B (zh) | 房间立体温度图像的检测系统以及控制方法 | |
JP6174968B2 (ja) | 撮像シミュレーション装置 | |
CN108989796A (zh) | 一种图像采集设备选择方法及装置 | |
TW200820099A (en) | Target moving object tracking device | |
CN106327461B (zh) | 一种用于监测的图像处理方法及装置 | |
US20040220767A1 (en) | Image processing method and apparatus therefor | |
JP2009064199A (ja) | ジェスチャー認識装置及びジェスチャー認識方法 | |
CN105843374B (zh) | 互动系统、遥控器及其运作方法 | |
JP4214291B1 (ja) | 接地点推定装置、接地点推定方法、動線表示システムおよびサーバ | |
JP2018182593A (ja) | 画像処理装置、画像処理方法 | |
US20210042576A1 (en) | Image processing system | |
US11363241B2 (en) | Surveillance apparatus, surveillance method, and storage medium | |
CN109285135B (zh) | 人脸图像处理方法及装置 | |
CN109389082A (zh) | 视线采集方法、装置、系统、计算机可读存储介质 | |
JP6920949B2 (ja) | 物体分布推定装置 | |
CN114037758A (zh) | 基于图像的摄像机姿态感知系统 | |
JP6452738B2 (ja) | 画像処理装置、画像処理方法及びプログラム | |
TWI762951B (zh) | 溫度測量裝置以及溫度測量方法 | |
CN112598738B (zh) | 一种基于深度学习的人物定位方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |