CN109697400B - 判断使用者的姿势的影像检测方法以及影像检测装置 - Google Patents

判断使用者的姿势的影像检测方法以及影像检测装置 Download PDF

Info

Publication number
CN109697400B
CN109697400B CN201711077530.6A CN201711077530A CN109697400B CN 109697400 B CN109697400 B CN 109697400B CN 201711077530 A CN201711077530 A CN 201711077530A CN 109697400 B CN109697400 B CN 109697400B
Authority
CN
China
Prior art keywords
user
image
detected
information
posture
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.)
Active
Application number
CN201711077530.6A
Other languages
English (en)
Other versions
CN109697400A (zh
Inventor
赖郁仁
陈柏均
卓卿安
黄国庭
陈裕彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wistron Corp
Original Assignee
Wistron Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wistron Corp filed Critical Wistron Corp
Publication of CN109697400A publication Critical patent/CN109697400A/zh
Application granted granted Critical
Publication of CN109697400B publication Critical patent/CN109697400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0037—Performing a preliminary scan, e.g. a prescan for identifying a region of interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4806—Sleep evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • 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
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1121—Determining geometric values, e.g. centre of rotation or angular range of movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
    • A61B5/4561—Evaluating static posture, e.g. undesirable back curvature
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Image Analysis (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

一种用以判断使用者的姿势的影像检测方法，包括：取得一使用者于一待测区域中的一基准影像；取得该使用者于该待测区域中的一待测影像；对该待测影像的一特征参数以及该基准影像的一特征参数进行特征比对分析，以获得该待测影像以及该基准影像的一使用者相似程度信息；以及对该待测影像进行一像素分布分析，以获得一使用者像素分布信息；以及根据该使用者相似程度信息及该使用者像素分布信息，判断该使用者的一姿势。

Description

判断使用者的姿势的影像检测方法以及影像检测装置
技术领域
本发明涉及一种影像检测方法以及影像检测装置，特别涉及一种用以判断使用者的姿势的影像检测方法以及影像检测装置。
背景技术
影像检测技术可应用于判断使用者的各种姿势，例如年长者的睡姿等，以实现监测与照护年长者的目的。对于使用者而言，虽然可通过检测脸部特征来判断使用者的睡姿，但脸部特征是相当不稳定的。正脸的特征较多所以检测率较高，侧脸的检测率就下降许多。如果使用者的脸被遮住则几乎无法检测。因此，需要一种能够提升辨识度以及检测效率的影像检测方法以及影像检测装置。
发明内容
为了解决上述问题，本发明提出一种用以判断使用者的姿势的影像检测方法以及影像检测装置。本发明是选择使用者的躯干或任一四肢等身体特征作为特征参数进行比对分析，获得待测影像以及基准影像的相似程度信息。此外，本发明的影像检测方法更对使用者的轮廓进行像素分布分析。通过上述特征比对分析以及像素分布分析，即使无法辨识出使用者的脸部，也能够通过其他特征精确地辨别使用者的姿势，实现照护的目的。
本发明的一实施例提供了一种用以判断使用者的姿势的影像检测方法。上述影像检测方法包括：取得一使用者于一待测区域中的一基准影像；取得该使用者于该待测区域中的一待测影像；对该待测影像的一特征参数以及该基准影像的一特征参数进行特征比对分析，以获得该待测影像以及该基准影像的一使用者相似程度信息；以及对该待测影像进行一像素分布分析，以获得一使用者像素分布信息；以及根据该使用者相似程度信息及该使用者像素分布信息，判断该使用者的一姿势。
像素分布分析是将该待测影像的一使用者轮廓沿着一第一方向累积像素，以获得该使用者像素分布信息。待测影像不同于基准影像。上述影像检测方法还包括依据对二个影像进行相减所得到的像素差，决定出上述基准影像。上述待测区域为上述使用者所躺卧的床铺，上述特征参数包括上述使用者的躯干、任一四肢、任一五官、或是上述使用者所穿着的服饰的特定图案。此外，上述特征比对分析是计算上述待测影像的特征参数以及上述基准影像的特征参数的上述相似程度信息是否大于一第一预设值。上述像素分布分析是对该使用者的轮廓，依照一第二方向的顺序，分别计算该轮廓沿着第一方向的像素累积值，计算该像素累积值的分布信息是否大于一第二预设值。上述第一方向是定义为从上述使用者的头部至上述使用者的脚部的延伸方向，上述第二方向是不同于上述第一方向。在一实施例中，第二方向垂直于第一方向。
当该相似程度信息大于该第一预设值，并且该分布信息大于该第二预设值时，判断该使用者的该姿势为正躺；当该相似程度信息大于该第一预设值，并且该分布信息小于或等于该第二预设值时，判断该使用者的该姿势为侧躺。当该相似程度信息小于或等于该第一预设值，并且该分布信息大于该第二预设值时，判断该使用者的该姿势为俯卧；当该相似程度信息小于或等于该第一预设值，并且该分布信息小于或等于该第二预设值时，判断该使用者的该姿势为侧躺。
本发明的另一实施例提供了一种影像检测装置，包括一感测器、一处理器以及一显示器。感测器检测一使用者于一待测区域中的一基准影像以及一待测影像。处理器包括特征比对模块、像素分布分析模块、判断模块以及提示模块。特征比对模块对该待测影像的一特征参数以及该基准影像的一特征参数进行特征比对分析。像素分布分析模块，比较该待测影像的该特征参数以及该基准影像的该特征参数，以获得该待测影像以及该基准影像的一使用者相似程度信息，并且对该待测影像进行一像素分布分析，以获得一使用者像素分布信息。判断模块根据该使用者相似程度信息及该使用者像素分布信息，判断该使用者的一姿势。显示器用以显示该使用者的该姿势。
关于本发明其他附加的特征与优点，本领域技术人员，在不脱离本发明的精神和范围内，当可根据本案实施方法中所公开的影像检测方法以及影像检测装置。
附图说明
根据以下的详细说明并配合附图做完整公开。应注意的是，根据本产业的一般作业，图示并未必按照比例绘制。事实上，可能任意的放大或缩小元件的尺寸，以做清楚的说明。
图1A是显示根据本发明一实施例所述的影像检测装置的示意图；
图1B是显示根据本发明另一实施例所述的影像检测装置的示意图；
图1C是显示根据本发明一实施例所述的处理器的示意图；
图2是显示根据本发明一实施例所述的影像检测方法的流程图；
图3A是显示根据本发明一实施例所述的影像的示意图；
图3B是显示根据本发明一实施例所述的对影像的轮廓进行二次微分的示意图；
图4A与4B是显示根据本发明另一实施例所述的影像检测方法的流程图；
图5A是显示根据本发明一实施例所述的计算像素累积值的分布信息的示意图；
图5B是显示根据本发明另一实施例所述的计算像素累积值的分布信息的示意图。
附图标记说明：
10、10A、10B～影像检测装置；
100～数据储存装置；
200～处理器；
202～特征比对模块；
204～像素分布分析模块；
206～判断模块；
208～提示模块；
300～显示器；
400、400A、400B～通信装置；
500～感测器；
HD1、HD2～统计图；
ROI～待测区域；
P1、P1’、P2～影像；
S200…S208、S400…S428～步骤。
具体实施方式
以下的公开内容提供许多不同的实施例或范例以实施本案的不同特征。以下的公开内容叙述各个构件及其排列方式的特定范例，以简化说明。当然，这些特定的范例并非用以限定。例如，若是本公开书叙述了一第一特征形成于一第二特征之上或上方，即表示其可能包含上述第一特征与上述第二特征是直接接触的实施例，亦可能包含了有附加特征形成于上述第一特征与上述第二特征之间，而使上述第一特征与第二特征可能未直接接触的实施例。另外，以下公开书不同范例可能重复使用相同的参考符号及/或标记。这些重复为了简化与清晰的目的，并非用以限定所讨论的不同实施例及/或结构之间有特定的关系。
图1A是显示根据本发明一实施例所述的影像检测装置的示意图。影像检测装置10包括数据储存装置100、处理器200、显示器300、通信装置400以及感测器500。影像检测装置10可以为一独立的电子装置，或是内建于手机、平板电脑、笔记本电脑、游戏装置、电子书或是PDA等移动电子装置，或是台式电脑、服务器等电子装置，或是任何搭载有触控模块(例如触控集成电路)的电子装置。数据储存装置100可包括储存单元可包括随机存取存储器(Random Access Memory,RAM)、只读存储器(Read Only Memory,ROM)、快闪存储器(Flash)、硬盘、软碟、磁性存储器、光学碟片(Compact Disc,CD)、数字多功能影音光盘(Digital Video Disk,DVD)等。
此外，影像检测装置10的处理器200是耦接数据储存装置100，用以存取数据储存装置100的数据。处理器200可包含数字信号处理器(digital signal processing,DSP)、微处理器(microcontroller,MCU)、一单一中央处理单元(central-processing unit,CPU)或者是关连于平行运算环境(parallel processing environment)的多个平行处理单元，用以执行作业系统、模块以及应用程序。显示器300是用以显示数据储存装置100的数据。显示器300，举例来说，可为投影式显示器、立体成像显示器、有机发光二极管显示器、电子纸、系统整合型面板、发光二极管显示器液晶屏幕、或是触控显示面板，例如电阻式触控面板、电容式触控面板、光学式触控面板或电磁式触控面板。在一实施例中，当处理器200判断出使用者的姿势时，处理器200将上述姿势的信息传送至显示器300，使得显示器300能够显示使用者的姿势。
通信装置400是支援无线通信协定以进行与另一电子装置的数据传输。举例而言，无线通信的协定可包括GSM、GPRS、EDGE、UMTS、W-CDMA、CDMA2000、TD-CDMA、Bluetooth、NFC、WiFi、Wi-Fi Direct、WiMAX、LTE、LTE-A或TD-LTE等。感测器500是用感测使用者的影像、轮廓或身形。举例而言，感测器500为一种光学感测器，能够接收光信号，将光信号转换为像素等电信号，并且将电信号传送至处理器200以进行运算。举例而言，感测器500可包括有源像素传感器(APS)、CMOS图像传感器、感光耦合元件(CCD)、红外线感测元件、光感晶体管、或各种光学镜头等。因此，即使是在光线昏暗或是黑暗的环境中，也能通过感测器500检测到使用者的影像。
图1B是显示根据本发明另一实施例所述的影像检测装置10的示意图。在此实施例中，影像检测装置10采用分离式设计，亦即影像检测装置10是由两个影像检测装置10A以及10B所构成。影像检测装置10A包括感测器500以及通信装置400A，影像检测装置10B包括数据储存装置100、处理器200、显示器300以及通信装置400B。详细而言，影像检测装置10A是安装于使用者所处的环境中，而影像检测装置10B则为主机。举例来说，影像检测装置10B可为影像检测装置10的制造商的服务器、大型主机或是云端主机。影像检测装置10A的感测器500所感测到的影像，是通过通信装置400A、400B传送至影像检测装置10B以进行分析。
图1C是显示根据本发明一实施例所述的处理器200的示意图。处理器200包括一特征比对模块202、一像素分布分析模块204以及一判断模块206。处理器200更耦接一提示模块208。特征比对模块202是用以对待测影像的一特征参数以及基准影像的一特征参数进行特征比对分析。像素分布分析模块204比较待测影像的特征参数以及基准影像的特征参数，以获得待测影像以及基准影像的一使用者相似程度信息，并且对待测影像进行一像素分布分析，以获得一使用者像素分布信息。判断模块206根据使用者相似程度信息及使用者像素分布信息，判断使用者的姿势。提示模块208是用以当判断模块206判断使用者状况有异时，发出声音或光线以通知其他人，进而实现照护使用者的目的。举例而言，提示模块208可包括警报器、蜂鸣器、警示灯、闪光器、或声光喇叭等。
图2是显示根据本发明一实施例所述的影像检测方法的流程图。在步骤S200中，处理器200设定影像检测装置10所要检测的待测区域(Region Of Interest，ROI)。在一实施例中，影像检测装置10是用以判断使用者的睡姿，因此待测区域ROI为该使用者所躺卧的床铺。上述待测区域ROI可由影像检测装置10预先设定、或是由使用者依据自身环境来自行设定。当设定完成后，在步骤S201，感测器500开始进行拍摄，以取得关于待测区域ROI的多个影像。举例而言，感测器500每秒钟拍摄20～60张影像，以记录与检测使用者在待测区域ROI中的姿势。上述感测器500每秒钟拍摄的影像数量仅作为例示之用，而非用以限制本发明。详细而言，感测器500可依据使用者环境以及使用者需求调整每秒钟拍摄的影像数量。例如，当使用者需要提升判断的准确率，则可增加感测器500每秒钟拍摄的影像数量。
然后，在步骤S202中，处理器200判断是否取得使用者在待测区域ROI中的基准影像。由于本发明主要是用以检测使用者的睡眠姿势，因此要检测的是使用者在静止状态时的基准影像。当处理器200检测到第一个基准影像时，该第一个基准影像是作为判断使用者姿势的比对基准。如果没有取得基准影像，则继续执行步骤S202。如果有取得基准影像，则执行步骤S203，处理器200通过基准影像决定关于使用者的特征参数。在一实施例中，特征参数包括该使用者的躯干、任一四肢、任一五官、或是使用者所穿着的服饰的特定图案。
然后，在步骤S204中，处理器200判断是否取得使用者于待测区域ROI中的一待测影像。上述待测影像是不同于做为比对基准的基准影像。在另一实施例中，上述待测影像是相同于做为比对基准的基准影像。如果没有取得待测影像，则继续执行步骤S204。如果有取得待测影像，则执行步骤S206，处理器200对待测影像进行一特征比对分析，比较待测影像的特征参数以及基准影像的特征参数，以决定待测影像以及基准影像的相似程度信息。上述相似程度信息的判断是关联于使用者环境的光亮程度。在明亮的环境中，待测影像与基准影像之间有70％～90％为相同影像，则判断为相似。在阴暗的环境中，待测影像与基准影像之间有30％～50％为相同影像，则判断为相似。在步骤S208中，处理器200对待测影像进行一像素分布分析，统计待测影像的轮廓沿着一第一方向的延伸，以获得使用者的像素分布信息。上述第一方向是定义为从使用者的头部至脚部的延伸方向。此外，要注意的是，在此实施例中，处理器200先执行步骤S206的特征比对分析，再执行步骤S208的像素分布分析。在另一实施例中，处理器200亦可先执行步骤S208的像素分布分析，再执行步骤S206的特征比对分析。在另一实施例中，处理器200是同时执行步骤S206的特征比对分析以及步骤S208的像素分布分析，本发明并不加以限制。最后，于步骤S210中，根据使用者相似程度信息以及使用者像素分布信息，判断使用者的姿势。
图3A是显示根据本发明一实施例所述的影像P1的示意图。如图所示，影像P1主要包括使用者及其所躺卧的床铺(亦即待测区域ROI)。图3B是显示根据本发明一实施例所述的对影像的轮廓进行二次微分的示意图。在一实施例中，处理器200使用二次微分以检测出使用者的轮廓。换言之，处理器200对影像的轮廓进行两次以上的微分。详细而言，使用二次微分的目的在于获得使用者的明显的边缘特征，以检测出使用者的轮廓(如图3B的影像P1’所示)。
在另一实施例中，处理器200是使用一次微分或是边缘检测演算法(例如Sobel演算法)，以获得轮廓与边缘的细节特征。此外，在获得关于使用者的轮廓的影像P1’之后，处理器200可使用原则组件分析演算法(Principal Component Analysis，PCA)。PCA是一种分析、简化数据集的技术，可用于减少数据集的维数，同时保持数据集中的对变异数贡献最大的特征。在一实施例中，处理器200使用PCA搭配使用者的轮廓与身形，搭配躯干或四肢等特征参数，分析出使用者的身体轴向以及在待侧区域ROI中的躺卧方向。使用PCA可求得使用者的身体方向(亦即)使用者躺在床铺上的方向，以解决使用者躺歪的问题。
图4A与4B是显示根据本发明另一实施例所述的影像检测方法的流程图。在步骤S400中，处理器200设定待测区域ROI。在步骤S402中，感测器500取得多个影像。然后，在步骤S404中，处理器200对二个影像进行相减以得到像素差，判断是否具有移动量。当处理器200接收到关于多个影像的电信号时，便能萃取出像素、分辨率、色彩饱和度等各种光学参数。
在一实施例中，处理器200对连续的第一影像与第二影像进行相减以得到像素差，并且将上述像素差定义为移动量。如果像素差大于一预设值，就表示有移动量，则处理器200判断使用者处于活动状态，而非静止状态。如果像素差小于或等于上述预设值，就表示没有移动量，则处理器200判断使用者处于静止状态。举例而言，上述预设值为200。此数值仅作为例示之用，而非用以限制本发明。详细而言，处理器200可依据使用者环境以及影像处理的需求调整上述预设值。
在步骤S404中，如果处理器200判断具有移动量，则回到步骤S402。换言之，处理器200将放弃第一影像，取得第三影像，并且比较第二影像与第三影像以判断是否具有移动量。如果处理器200判断没有移动量，则执行步骤S406，判断使用者是否躺在影像中。因此，通过此流程能够找出使用者停止移动、且为静止状态时的第一个基准影像。
详细而言，在步骤S406中，处理器200是使用检测人体特征的演算法(例如OpenCV演算法)或是分类器(例如SVM分类器)，利用使用者的轮廓、身形或肤色等身体特征，判断使用者在影像中是否躺着。如果影像中没有上述身体特征，则处理器200判断使用者并未躺在床铺(或待测区域ROI)中，流程回到步骤S402。如果影像中具有上述身体特征，则处理器200判断使用者躺在床铺中，执行步骤S408。
在步骤S408中，处理器200判断影像是否为第一次基准影像。依据S402至S408目前为止的步骤，如果处理器200判断此影像没有移动量、使用者躺在此床铺中，就表示此影像为第一次基准影像。然后，执行步骤S410，处理器200决定关于使用者的特征参数，举例来说，使用Hessian Matrix或Gabor Filter，但不限于此。处理器200是使用Hessian Matrix或Gabor Filter来撷取使用者的纹理特征，以记录使用者当下的状态。上述特征参数包括该使用者的躯干、任一四肢、任一五官、或是该使用者所穿着的服饰的特定图案。
此外，如果处理器200判断此影像不是第一次基准影像，则执行步骤S412的特征比对分析以及步骤S414的像素分布分析。在步骤S412中，处理器200对待测影像进行特征比对分析，计算待测影像的特征参数以及基准影像的特征参数的相似程度信息。在步骤S414中，处理器200对待测影像进行像素分布分析，使用二次微分，依照第二方向的顺序，分别计算该轮廓沿着第一方向的像素累积值。举例而言，上述第二方向是从使用者的最左边到最右边的延伸方向。上述第二方向的定义是作为说明之用，而非用以限制本发明。然后，处理器200依据步骤S412的特征比对分析以及步骤S414的像素分布分析，判断使用者的睡眠姿势。
详细而言，在步骤S414的像素分布分析中，处理器200是依照第二方向的顺序，分别计算使用者的轮廓沿着第一方向的像素累积值。第一方向是定义为从使用者的头部至使用者的脚部的延伸方向，并且第二方向是不同于第一方向。在一实施例中，第二方向与第一方向是不平行的。在另一实施例中，第二方向是垂直于第一方向，本发明并不加以限制。图5A与5B是显示根据本发明实施例所述的计算像素累积值的分布信息的示意图。如图所示，影像P1与P2皆包括了使用者及其所躺卧的待侧区域ROI，其中Y轴方向为从使用者的头部延伸至脚部的第一方向，X轴方向为第二方向。然后，处理器200计算使用者的轮廓在Y轴上的像素累积值，并且统计每个像素累积值在X轴上的分布趋势，而得到统计图HD1与HD2。
由此可知，像素累积值是正比于身体分布的权重。如图5A所示，由于影像P1中的使用者为正躺，因此其统计图HD1的分布较为对称。换言之，身体中间的像素累积值较高，身体两侧的像素累积值较低。在图5B的实施例中，由于影像P2中的使用者为侧躺，因此其统计图HD2的分布较不对称，并且倾向于身体侧躺之处。亦即，对于统计图HD2而言，在身体侧躺之处具有较高的像素累积值。要注意的是，在图5B的实施例中，使用者侧躺会造成身体轴向的改变。因此，处理器200对应调整待侧区域ROI的检测角度，使用PCA以精确计算像素累积值及其分布状况。处理器200使用PCA可求得使用者的身体方向(亦即)使用者躺在床铺上的方向，以解决使用者躺歪的问题。
此外，要注意的是，处理器200是同时执行步骤S412的特征比对分析以及步骤S414的像素分布分析。在一实施例中，处理器200先执行步骤S412的特征比对分析，再执行步骤S414的像素分布分析。在另一实施例中，处理器200先执行步骤S414的像素分布分析，再执行步骤S412的特征比对分析，本发明并不加以限制。
然后，在步骤S416中，处理器200判断上述相似程度信息是否大于第一预设值。举例而言，处理器200判断待测影像的特征参数以及基准影像的特征参数的相似程度信息是否大于80％。举例而言，上述80％的阈值仅作为例示之用，而非用以限制本发明。处理器200可依据使用者环境以及影像处理的需求调整上述阈值。如果是，则执行步骤S418；如果否，则执行步骤S420。
在步骤S418以及S420中，处理器200判断上述像素累积值的分布信息是否大于第二预设值。分布信息的数值越高，表示分布较对称。在步骤S418中，如果像素累积值的分布信息没有大于第二预设值，则执行步骤S422，处理器200判断使用者为的姿势为侧躺。如果像素累积值的分布信息大于第二预设值，则执行步骤S424，处理器200判断使用者为的姿势为正躺。
此外，在步骤S420中，如果像素累积值的分布信息大于第二预设值，则执行步骤S426，处理器200判断使用者为的姿势为俯卧。如果像素累积值的分布信息没有大于第二预设值，则执行步骤S428，处理器200判断使用者为的姿势为侧躺。
本发明是选择使用者的躯干或任一四肢等身体特征作为特征参数进行比对分析，并且计算使用者的轮廓的像素累积值以进行像素分布分析。即使使用者的身体被寝具或其他衣物所覆盖，也能通过覆盖后的身形与轮廓变化，判断出使用者的睡眠姿势。即使无法辨识出使用者的脸部，也能够通过上述身体特征精确地辨别使用者的睡眠姿势，实现照护使用者的目的。
在本说明书以及权利要求中的序数，例如「第一」、「第二」、「第三」等等，彼此之间并没有顺序上的先后关系，其仅用于标示区分两个具有相同名字的不同元件。本发明说明书中「耦接」一词是泛指各种直接或间接的电性连接方式。
本发明虽以较佳实施例公开如上，然其并非用以限定本发明的范围，任何本领域技术人员，在不脱离本发明的精神和范围内，当可做些许的变动与润饰，因此本发明的保护范围当视所附的权利要求所界定者为准。

Claims (16)

1.一种用以判断使用者的睡眠姿势的影像检测方法，该影像检测方法包括：
针对睡眠姿势设定一待测区域；
取得一使用者于该待测区域中的一基准影像，通过该基准影像决定关于该使用者的一特征参数；
取得该使用者于该待测区域中的一待测影像，通过该待测影像决定关于该使用者的一特征参数；
对该待测影像的该特征参数以及该基准影像的该特征参数进行特征比对分析，关联于使用者环境的光亮程度以获得该待测影像以及该基准影像的一使用者相似程度信息；
对该待测影像进行一像素分布分析，以获得一使用者像素分布信息；以及
根据该使用者相似程度信息及该使用者像素分布信息，判断该使用者的一姿势，其中，该特征比对分析是计算该待测影像的特征参数以及该基准影像的特征参数的该相似程度信息是否大于一第一预设值，并且该像素分布分析是对该使用者的轮廓，依照一第二方向的顺序，分别计算该轮廓沿着第一方向的像素累积值，计算该像素累积值的分布信息是否大于一第二预设值。
2.如权利要求1所述的影像检测方法，其中该像素分布分析是将该待测影像的一使用者轮廓沿着一第一方向累积像素，以获得该使用者像素分布信息。
3.如权利要求1所述的影像检测方法，其中该待测影像不同于该基准影像。
4.如权利要求1所述的影像检测方法，还包括：
依据对二个影像进行相减所得到的像素差小于一预设值，决定出该基准影像。
5.如权利要求1所述的影像检测方法，其中当该相似程度信息大于该第一预设值，并且该分布信息大于该第二预设值时，判断该使用者的该姿势为正躺；当该相似程度信息大于该第一预设值，并且该分布信息小于或等于该第二预设值时，判断该使用者的该姿势为侧躺。
6.如权利要求1所述的影像检测方法，其中当该相似程度信息小于或等于该第一预设值，并且该分布信息大于该第二预设值时，判断该使用者的该姿势为俯卧；当该相似程度信息小于或等于该第一预设值，并且该分布信息小于或等于该第二预设值时，判断该使用者的该姿势为侧躺。
7.如权利要求1所述的影像检测方法，其中该第一方向是定义为从该使用者的头部至该使用者的脚部的延伸方向，该第二方向是不同于该第一方向。
8.如权利要求7所述的影像检测方法，其中该第二方向垂直于该第一方向。
9.一种用以判断使用者的姿势的影像检测方法，该影像检测方法包括：
取得一使用者于一待测区域中的一基准影像，通过该基准影像决定关于该使用者的一特征参数；
取得该使用者于该待测区域中的一待测影像，通过该待测影像决定关于该使用者的一特征参数；
对该待测影像的该特征参数以及该基准影像的该特征参数进行特征比对分析，关联于使用者环境的光亮程度以获得该待测影像以及该基准影像的一使用者相似程度信息；
对该待测影像进行一像素分布分析，以获得一使用者像素分布信息；以及
根据该使用者相似程度信息及该使用者像素分布信息，判断该使用者的一姿势，其中该待测区域为该使用者所躺卧的床铺，该特征参数包括该使用者的躯干、任一四肢、任一五官、或是该使用者身上的特定图案，并且其中，该特征比对分析是计算该待测影像的特征参数以及该基准影像的特征参数的该相似程度信息是否大于一第一预设值，并且该像素分布分析是对该使用者的轮廓，依照一第二方向的顺序，分别计算该轮廓沿着第一方向的像素累积值，计算该像素累积值的分布信息是否大于一第二预设值。
10.一种影像检测装置，其用于执行根据权利要求1至9中任一项所述的影像检测方法，包括：
一感测器，用以检测一使用者于一待测区域中的一基准影像以及一待测影像；以及
一处理器，包括：
一特征比对模块，对该待测影像的一特征参数以及该基准影像的一特征参数进行特征比对分析；
一像素分布分析模块，比较该待测影像的该特征参数以及该基准影像的该特征参数，以获得该待测影像以及该基准影像的一使用者相似程度信息，并且对该待测影像进行一像素分布分析，以获得一使用者像素分布信息；以及
一判断模块，根据该使用者相似程度信息及该使用者像素分布信息，判断该使用者的一姿势。
11.如权利要求10所述的影像检测装置，其中该像素分布分析是将该待测影像的一使用者轮廓沿着一第一方向累积像素，以获得该使用者像素分布信息。
12.如权利要求10所述的影像检测装置，其中该处理器是计算该待测影像的特征参数以及该基准影像的特征参数的该相似程度信息是否大于一第一预设值，并且该处理器是对该使用者的轮廓，依照一第二方向的顺序，分别计算该轮廓沿着第一方向的像素累积值，计算该像素累积值的分布信息是否大于一第二预设值。
13.如权利要求12所述的影像检测装置，其中当该相似程度信息大于该第一预设值，并且该分布信息大于该第二预设值时，判断该使用者的该姿势为正躺；当该相似程度信息大于该第一预设值，并且该分布信息小于或等于该第二预设值时，判断该使用者的该姿势为侧躺。
14.如权利要求12所述的影像检测装置，其中当该相似程度信息小于或等于该第一预设值，并且该分布信息大于该第二预设值时，判断该使用者的该姿势为俯卧；当该相似程度信息小于或等于该第一预设值，并且该分布信息小于或等于该第二预设值时，判断该使用者的该姿势为侧躺。
15.如权利要求12所述的影像检测装置，其中该第一方向是定义为从该使用者的头部至该使用者的脚部的延伸方向，该第二方向是不同于该第一方向。
16.如权利要求15所述的影像检测装置，其中该第二方向垂直于该第一方向。
CN201711077530.6A 2017-10-23 2017-11-06 判断使用者的姿势的影像检测方法以及影像检测装置 Active CN109697400B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW106136329 2017-10-23
TW106136329A TWI647625B (zh) 2017-10-23 2017-10-23 判斷使用者之姿勢之影像偵測方法以及影像偵測裝置

Publications (2)

Publication Number Publication Date
CN109697400A CN109697400A (zh) 2019-04-30
CN109697400B true CN109697400B (zh) 2021-10-08

Family

ID=65804132

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711077530.6A Active CN109697400B (zh) 2017-10-23 2017-11-06 判断使用者的姿势的影像检测方法以及影像检测装置

Country Status (3)

Country Link
US (1) US10685220B2 (zh)
CN (1) CN109697400B (zh)
TW (1) TWI647625B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110858286B (zh) * 2018-08-23 2023-08-11 杭州海康威视数字技术股份有限公司 一种用于目标识别的图像处理方法及装置
EP3671530A1 (en) * 2018-12-17 2020-06-24 Koninklijke Philips N.V. Device, system and method for object recognition
WO2021146031A1 (en) * 2020-01-19 2021-07-22 Udisense Inc. Measurement calibration using patterned sheets
CN113645435A (zh) * 2020-04-27 2021-11-12 财团法人工业技术研究院 影像监控装置与方法
USD937007S1 (en) 2020-07-30 2021-11-30 Udisense Inc. Bedsheet
CN115100600B (zh) * 2022-06-30 2024-05-31 苏州市新方纬电子有限公司 一种电池包的产线智能检测方法及系统
CN115239979B (zh) * 2022-07-27 2024-08-23 中国人民解放军96901部队 基于结构方向相似度的异构图像匹配方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103003845A (zh) * 2011-03-02 2013-03-27 松下电器产业株式会社 姿势估计装置、姿势估计系统、及姿势估计方法
CN106056089A (zh) * 2016-06-06 2016-10-26 中国科学院长春光学精密机械与物理研究所 一种三维姿态识别方法及系统
CN106599792A (zh) * 2016-11-23 2017-04-26 南京信息工程大学 一种手部驾驶违规行为的检测方法
CN107219925A (zh) * 2017-05-27 2017-09-29 成都通甲优博科技有限责任公司 姿势检测方法、装置及服务器
WO2017170875A1 (ja) * 2016-03-30 2017-10-05 株式会社エクォス・リサーチ 画像認識装置、及び画像認識プログラム

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030236474A1 (en) 2002-06-24 2003-12-25 Balbir Singh Seizure and movement monitoring
US8675059B2 (en) 2010-07-29 2014-03-18 Careview Communications, Inc. System and method for using a video monitoring system to prevent and manage decubitus ulcers in patients
TWI242380B (en) 2004-08-12 2005-10-21 Chunghwa Telecom Co Ltd Digital image monitoring system for motion detection
US9866797B2 (en) 2012-09-28 2018-01-09 Careview Communications, Inc. System and method for monitoring a fall state of a patient while minimizing false alarms
TWM361902U (en) * 2009-01-22 2009-08-01 Univ Lunghwa Sci & Technology Framework with human body posture identification function
TWI478695B (zh) 2010-06-10 2015-04-01 Univ Nat Cheng Kung 睡眠效率分析方法及其裝置
WO2012075924A1 (en) 2010-12-07 2012-06-14 J.T. Labs Limited Sleep-posture sensing and monitoring system
JP2014518729A (ja) * 2011-05-30 2014-08-07 コーニンクレッカ フィリップス エヌ ヴェ 就寝中の体位の検出のための装置及び方法
TWI469765B (zh) 2011-11-17 2015-01-21 Ind Tech Res Inst 無線量測睡眠深度的裝置與方法
TWM468728U (zh) * 2013-05-24 2013-12-21 Univ Central Taiwan Sci & Tech 人體姿態動作辨識系統
JP6547563B2 (ja) 2015-09-30 2019-07-24 富士通株式会社 検出プログラム、検出方法及び検出装置
CN205814297U (zh) * 2016-02-18 2016-12-21 深圳市云享智联科技有限公司 睡眠智能监测系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103003845A (zh) * 2011-03-02 2013-03-27 松下电器产业株式会社 姿势估计装置、姿势估计系统、及姿势估计方法
WO2017170875A1 (ja) * 2016-03-30 2017-10-05 株式会社エクォス・リサーチ 画像認識装置、及び画像認識プログラム
CN106056089A (zh) * 2016-06-06 2016-10-26 中国科学院长春光学精密机械与物理研究所 一种三维姿态识别方法及系统
CN106599792A (zh) * 2016-11-23 2017-04-26 南京信息工程大学 一种手部驾驶违规行为的检测方法
CN107219925A (zh) * 2017-05-27 2017-09-29 成都通甲优博科技有限责任公司 姿势检测方法、装置及服务器

Also Published As

Publication number Publication date
TW201917638A (zh) 2019-05-01
CN109697400A (zh) 2019-04-30
US10685220B2 (en) 2020-06-16
US20190122038A1 (en) 2019-04-25
TWI647625B (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109697400B (zh) 判断使用者的姿势的影像检测方法以及影像检测装置
US10212324B2 (en) Position detection device, position detection method, and storage medium
WO2018121428A1 (zh) 一种活体检测方法、装置及存储介质
CN109697401B (zh) 判断使用者的姿势的影像检测方法以及影像检测装置
US10956736B2 (en) Methods and apparatus for power-efficient iris recognition
US10423848B2 (en) Method, system, and computer-readable recording medium for long-distance person identification
TWI646941B (zh) 生理訊號量測系統及其量測生理訊號之方法
US9082000B2 (en) Image processing device and image processing method
JP6351243B2 (ja) 画像処理装置、画像処理方法
US20150227789A1 (en) Information processing apparatus, information processing method, and program
TWI680440B (zh) 判斷使用者之姿勢之影像偵測方法以及影像偵測裝置
WO2019196075A1 (zh) 电子设备及其面部识别方法
CN117373110A (zh) 可见光-热红外成像的婴幼儿行为识别方法、装置及设备
CN110457981B (zh) 活体侦测的方法、装置及电子装置
CN110211021B (zh) 图像处理装置、图像处理方法和存储介质
KR101961266B1 (ko) 시선 추적 장치 및 이의 시선 추적 방법
US20200074199A1 (en) IMAGE DETECTION METHOD AND IMAGE DETECTION DEVICE utilizing dual analysis
JP6296769B2 (ja) 物体検出装置
KR101407070B1 (ko) 영상기반 사람 검출을 위한 특징 추출 방법 및 장치
JP6939065B2 (ja) 画像認識用コンピュータプログラム、画像認識装置及び画像認識方法
KR101385263B1 (ko) 가상 키보드를 위한 시스템 및 방법
KR102381204B1 (ko) 열화상을 이용한 호흡 모니터링 장치 및 방법
Huang et al. Accurate and efficient pulse measurement from facial videos on smartphones
TWI702570B (zh) 選取使用者之代表性影像之影像偵測方法以及影像偵測裝置
JP2017076272A (ja) 見守り装置、見守り方法および見守りプログラム

Legal Events

Date Code Title Description
PB01 Publication
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