一種基于體感技術(shù)的幼兒園智能監(jiān)控方法
【專利摘要】本發(fā)明涉及一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，它包括在幼兒園安裝3D體感設(shè)備，實(shí)時(shí)捕捉兒童3D人體骨架圖像，提取關(guān)鍵關(guān)節(jié)特征向量，將特征向量輸入到動作分類器中動作進(jìn)行分類，找出匹配度最高的動作，其中將動作分類通過機(jī)器學(xué)習(xí)方法提前訓(xùn)練。本發(fā)明通過三維視覺感知技術(shù)，能夠?qū)崿F(xiàn)對人體動作姿態(tài)和人物運(yùn)動軌跡的檢測、分析和跟蹤，動態(tài)的實(shí)時(shí)的捕捉兒童的動作，進(jìn)而預(yù)測出打架、跌倒、越界等危險(xiǎn)動作并提前發(fā)出告警，以減少幼兒園事故發(fā)生。
【專利說明】
一種基于體感技術(shù)的幼兒園智能監(jiān)控方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于體感監(jiān)控技術(shù)領(lǐng)域，特別是是涉及一種基于體感技術(shù)的幼兒園監(jiān)控方 法。
【背景技術(shù)】
[0002] 3D體感技術(shù)是新一代人機(jī)交互技術(shù)革命，通過體感技術(shù)來實(shí)現(xiàn)對人物運(yùn)動軌跡的 精確檢測和跟蹤，并對動作進(jìn)行分析，這將根本性的促進(jìn)智能安防的發(fā)展。
[0003] 近年來，幼兒園事故頻發(fā)，校園安全成為全社會關(guān)注的焦點(diǎn)，兒童在園期間的安全 也成為了家長擇校的必備條件;而目前的幼兒園監(jiān)控系統(tǒng)都是建立在視頻監(jiān)控的基礎(chǔ)上， 需要專人專時(shí)監(jiān)控，由于有限的人手、有限的精力，教師們無法預(yù)先得知危險(xiǎn)動作的發(fā)生， 所以不可能做到全面掌握園內(nèi)全部兒童的安全情況。
[0004] 中國專利申請201410223422公開了"一種幼兒園視頻監(jiān)控方法及裝置"，該方案提 供了一種遠(yuǎn)程視頻監(jiān)控裝置，需要人員實(shí)時(shí)的查看視頻，做不到實(shí)時(shí)智能分析兒童的動作 姿勢行為，從而達(dá)不到提前預(yù)警的效果。
[0005] 中國專利申請201320180777公開了"一種幼兒園人員監(jiān)控系統(tǒng)"，該方案使用定位 器、識別卡等技術(shù)來監(jiān)控幼兒園人員位置，僅能基于位置信息來進(jìn)行監(jiān)控，而不能智能識別 出人員的行為動作，滿足不了復(fù)雜的場景需求。
[0006] 綜上所述，如何克服現(xiàn)有技術(shù)所存在的不足已成為當(dāng)今體感監(jiān)控技術(shù)領(lǐng)域中亟待 解決的重點(diǎn)難題之一。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明的目的是為克服現(xiàn)有技術(shù)所存在的不足而提供一種基于體感技術(shù)的幼兒 園監(jiān)控方法，本發(fā)明通過三維視覺感知技術(shù)，能夠?qū)崿F(xiàn)對人體動作姿態(tài)和人物運(yùn)動軌跡的 檢測、分析和跟蹤，動態(tài)的實(shí)時(shí)的捕捉兒童的動作，進(jìn)而預(yù)測出打架、跌倒、越界等危險(xiǎn)動作 并提前發(fā)出告警，以減少幼兒園事故發(fā)生。
[0008] 根據(jù)本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，包括 如下基本步驟：
[0009] 步驟一，體感設(shè)備實(shí)時(shí)輸出空間三維測量數(shù)據(jù)，得到含深度圖信息的RGB圖像； [0010]步驟二，針對每幀RGB圖像的深度圖信息，同時(shí)提取及跟蹤1人或多人RGB圖像中的 人體3D骨架的動作特征向量，所述人體3D骨架為人體主要關(guān)節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù)；
[0011] 步驟三，根據(jù)人體3D骨架的動作特征向量，進(jìn)行包括對肢體尺寸、參考零點(diǎn)以及方 向的兒童危險(xiǎn)動作監(jiān)控目標(biāo)的歸一化處理；
[0012] 步驟四，篩選主要關(guān)節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù)；
[0013] 步驟五，從篩選后的坐標(biāo)數(shù)據(jù)中提取動作特征向量值，并構(gòu)建動作特征向量序列；
[0014] 步驟六，對動作特征向量序列進(jìn)行歸一化處理，形成當(dāng)前幀的η維多個(gè)人體動作特 征向量；
[0015] 步驟七，兒童危險(xiǎn)動作識別是將得到的η維多個(gè)人體動作特征向量輸入動作識別 模塊，進(jìn)行動作分類識別；如果識別出兒童危險(xiǎn)動作，則進(jìn)入步驟八，否則繼續(xù)重復(fù)步驟一、 二、三、四、五和六；
[0016] 步驟八，啟動視頻錄制，通過RGB攝像頭錄制錄像；
[0017]步驟九，生成告警信息，上報(bào)至預(yù)警模塊；
[0018] 步驟十，預(yù)警模塊在預(yù)定場所播放預(yù)設(shè)的對應(yīng)不同的人體危險(xiǎn)動作的告警聲，以 警示兒童危險(xiǎn)動作的繼續(xù)發(fā)生；
[0019] 步驟十一，通過網(wǎng)絡(luò)將信息報(bào)送至對應(yīng)管理人員隨身的其它智能設(shè)備，以便由相 關(guān)人員采取恰當(dāng)?shù)拇胧﹣碜柚箖和ｋU(xiǎn)動作的發(fā)生。
[0020] 本發(fā)明的實(shí)現(xiàn)原理是:在幼兒園安裝3D體感設(shè)備，實(shí)時(shí)捕捉兒童3D人體骨架圖像， 提取關(guān)鍵關(guān)節(jié)特征向量，將特征向量輸入到動作分類器中動作進(jìn)行分類，找出匹配度最高 的動作，從而達(dá)到對危險(xiǎn)行為動作的預(yù)警，其中將動作分類通過機(jī)器學(xué)習(xí)方法提前訓(xùn)練。
[0021] 本發(fā)明與現(xiàn)有技術(shù)相比其顯著優(yōu)點(diǎn)在于：
[0022] -是更加智能化，傳統(tǒng)的視頻監(jiān)控方法，需要人員實(shí)時(shí)查看，而本發(fā)明利用體感技 術(shù)，通過計(jì)算機(jī)來識別出危險(xiǎn)行為動作。
[0023] 二是更具有擴(kuò)展性，傳統(tǒng)的監(jiān)控方法，只能對人員的位置進(jìn)行監(jiān)控，而不能實(shí)時(shí)分 析人員的動作行為，而本發(fā)明能夠定制采集不同的警告動作，以滿足不同場景的需求。
[0024] 三是更好的實(shí)用性，本發(fā)明的智能設(shè)別手段具有較強(qiáng)的預(yù)警和告警功能，便于防 范于未然，廣泛適用于幼兒園的兒童活動區(qū)、以及與銀幼兒園的兒童活動區(qū)具有同類安全 要求的如兒童體育活動室、兒童運(yùn)動場、動物園等場所的智能監(jiān)控。
【附圖說明】
[0025] 圖1為本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控系統(tǒng)的原理方框示意 圖。
[0026] 圖2為本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法的流程方框示意 圖。
[0027] 圖3為本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法的兒童危險(xiǎn)動作之 摔倒動作時(shí)空序列示意圖。
[0028] 圖4為本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法的兒童危險(xiǎn)動作之 快跑動作時(shí)空序列不意圖。
[0029] 圖5為本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法的兒童危險(xiǎn)動作之 跳躍動作時(shí)空序列示意圖。
【具體實(shí)施方式】
[0030] 下面結(jié)合附圖和實(shí)施例對本發(fā)明的【具體實(shí)施方式】作進(jìn)一步的詳細(xì)描述。
[0031] 結(jié)合圖1-5,本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，包括如下具 體步驟：
[0032]步驟一，體感設(shè)備實(shí)時(shí)輸出空間三維測量數(shù)據(jù)，得到含深度圖信息的RGB圖像； [0033]步驟二，針對每幀RGB圖像的深度圖信息，同時(shí)提取及跟蹤1人或多人RGB圖像中的 人體3D骨架的動作特征向量，所述人體3D骨架為人體主要關(guān)節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù)；
[0034]步驟三，根據(jù)人體3D骨架的動作特征向量，進(jìn)行包括對肢體尺寸、參考零點(diǎn)以及方 向的兒童危險(xiǎn)動作監(jiān)控目標(biāo)的歸一化處理；
[0035] 步驟四，篩選主要關(guān)節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù)，具體是指針對兒童跑、跳動作的特點(diǎn)，選取 兒童危險(xiǎn)動作中權(quán)重最高的關(guān)節(jié)點(diǎn)：左腳、右腳、左膝、右膝、右手、左手、左肘、右肘、頭、肩 中心、脊柱、臀關(guān)節(jié)的關(guān)節(jié)點(diǎn)坐標(biāo)的數(shù)據(jù)作為特征向量的原始輸入值，記為V= [ν^,ν3， V4，V5，V6，V 7，V8，V9，V10，V11，V 12 ];所述w為取樣關(guān)節(jié)點(diǎn)的個(gè)數(shù)，其數(shù)值為12;鑒于兒童的云力作 相對于成人較慢，同時(shí)又要兼顧到告警的實(shí)時(shí)性，時(shí)間序列的長度T設(shè)置ls，每秒取30幀骨 架數(shù)據(jù);最終根據(jù)關(guān)節(jié)點(diǎn)動作特征包括速度、位置、角度的空間關(guān)系進(jìn)行特征提取，得到行 為序列二維WXT特征矩陣Q =Uo,!/,(O7丨為時(shí)刻t的特征向量；
[0036] 步驟五，從篩選后的坐標(biāo)數(shù)據(jù)中提取動作特征向量值，并構(gòu)建動作特征向量序列； 所述動作特征向量序列為二維的空間及時(shí)間的序列，J= IJ1, ...，jt，.. .jT}，其中T為樣本 序列的長度，而：
為時(shí)刻t關(guān)節(jié)點(diǎn)原始特征向量，其中(vf)表示關(guān)節(jié) 點(diǎn)歸一化后的三位坐標(biāo)，包括朝向、身高、三維空間位置的歸一化；
[0037] 步驟六，對動作特征向量序列進(jìn)行歸一化處理，形成當(dāng)前幀的η維多個(gè)人體動作特 征向量；
[0038] 步驟七，兒童危險(xiǎn)動作識別是將得到的η維多個(gè)人體動作特征向量輸入動作識別 模塊，進(jìn)行動作分類識別；如果識別出兒童危險(xiǎn)動作，則進(jìn)入步驟八，否則繼續(xù)重復(fù)步驟一 至六;其中：
[0039] 所述動作識別模塊是指一個(gè)兒童危險(xiǎn)動作分類器，輸入待分類的動作特征向量， 輸出是否為危險(xiǎn)動作類別，該分類器由動作訓(xùn)練模塊提前訓(xùn)練完成；
[0040] 所述動作識別模塊是指一個(gè)多層的動作分類器，第一層包括對危險(xiǎn)動作、正常動 作進(jìn)行分類的兩類分類器;第二層包括對摔倒、快速跑動、打架危險(xiǎn)動作進(jìn)行具體分類的多 類分類器；
[0041] 所述動作識別模塊是指一個(gè)兒童危險(xiǎn)動作分類器，由兒童動作訓(xùn)練模塊訓(xùn)練生 成，訓(xùn)練方法為，在幼兒園的活動中，通過步驟一至六采集大量動作特征向量的樣本，并進(jìn) 行人工標(biāo)定分類，采用監(jiān)督學(xué)習(xí)方法訓(xùn)練動作分類器;包括針對兒童運(yùn)動特點(diǎn)而訓(xùn)練的摔 倒、快跑、跳躍需要告警的典型動作并形成摔倒動作序列；
[0042] 所述兒童危險(xiǎn)動作是指摔倒動作時(shí)空序列，包括肩中心關(guān)節(jié)、臀中心關(guān)節(jié)垂直坐 標(biāo)在序列周期內(nèi)快速下降，肩中心相對角度快速變化；
[0043] 所述兒童危險(xiǎn)動作是指快跑動作時(shí)空序列，包括序列周期內(nèi)骨架朝向一致;左右 膝關(guān)節(jié)、左右腳關(guān)節(jié)垂直坐標(biāo)快速變化;骨架在空間坐標(biāo)快速移動；
[0044] 所述兒童危險(xiǎn)動作是指跳躍動作時(shí)空序列，包括周期內(nèi)左右腳在空間中垂直坐標(biāo) 相對地面坐標(biāo)高出閾值，并停留一定時(shí)間；
[0045] 所述兒童危險(xiǎn)動作分類器為基于二維的空間時(shí)序隱馬爾科夫模型（HMM)訓(xùn)練完 成，模型通過尋找連續(xù)人體運(yùn)動來自動學(xué)習(xí)構(gòu)成動作的序列，并對序列分類，進(jìn)而實(shí)現(xiàn)對動 作的識別，隱馬爾科夫模型非常適合處理多變量時(shí)變數(shù)據(jù)匹配問題，故采用隱馬爾科夫模 型來對行為特征序列進(jìn)行分類和識別；一個(gè)隱馬爾科夫模型可用5元組表示:λ= {S，V，H， B，JT }，Sw為狀態(tài)集合，Vw為空間維度上狀態(tài)轉(zhuǎn)移矩陣，Hw為時(shí)間維度上狀態(tài)轉(zhuǎn)移矩陣，B w為輸 出概率密度，#為各狀態(tài)集初始分布概率;或者采用K近鄰算法、支持向量機(jī)的多種分類、回 歸和數(shù)據(jù)聚類機(jī)器學(xué)習(xí)算法來訓(xùn)練的兒童危險(xiǎn)動作分類器；
[0046]步驟八，啟動視頻錄制，通過RGB攝像頭錄制錄像;所述RGB攝像頭錄制錄像是指拍 攝當(dāng)時(shí)小段視頻推送至相關(guān)管理人員手機(jī)或其他能夠及時(shí)收到信息的設(shè)備;所述小段視頻 是指既能夠保證管理人員能準(zhǔn)確判斷當(dāng)時(shí)情況，又能夠保證及時(shí)傳輸?shù)?秒鐘或幾秒鐘以 內(nèi)的視頻。
[0047]步驟九，生成告警信息，上報(bào)至預(yù)警模塊；
[0048] 步驟十，預(yù)警模塊在預(yù)定場所播放預(yù)設(shè)的對應(yīng)不同的人體危險(xiǎn)動作的告警聲，以 警示兒童危險(xiǎn)動作的繼續(xù)發(fā)生；
[0049] 步驟十一，通過網(wǎng)絡(luò)將信息報(bào)送至對應(yīng)管理人員隨身的其它智能設(shè)備，以便由相 關(guān)人員采取恰當(dāng)?shù)拇胧﹣碜柚箖和ｋU(xiǎn)動作的發(fā)生。
[0050] 下面結(jié)合附圖進(jìn)一步說明本發(fā)明的具體實(shí)施例，所舉實(shí)施例只用于解釋本發(fā)明， 并非用于限定本發(fā)明的范圍。
[0051] 如圖1所示，本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法是對基于體 感技術(shù)的幼兒園智能監(jiān)控系統(tǒng)的具體應(yīng)用，所述基于體感技術(shù)的幼兒園智能監(jiān)控系統(tǒng)，包 括體感設(shè)備、動作識別模塊、預(yù)設(shè)動作庫訓(xùn)練輸入模塊、預(yù)警模塊;其中：體感設(shè)備包括一個(gè) 紅外發(fā)射器、紅外接收器、RGB攝像頭、3D體感芯片，能夠?qū)崟r(shí)輸出空間的三維數(shù)據(jù)測量，可 選用Kinect體感攝像頭、Xtion PRO等體感設(shè)備;所述預(yù)警模塊，該模塊連接互聯(lián)網(wǎng)，對接各 類即時(shí)通應(yīng)用;收到預(yù)警信息時(shí)，播放預(yù)警信息，并通過網(wǎng)絡(luò)推送照片或短視頻到相關(guān)管理 人員的其它智能設(shè)備。
[0052]如圖2所示，根據(jù)本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法的歸類 步驟的具體實(shí)施例如下：
[0053]步驟1，體感設(shè)備實(shí)時(shí)輸出空間三維測量數(shù)據(jù)，得到含深度圖信息的RGB圖像；
[0054]步驟2,提取人體3D骨架，骨架即為人體重要關(guān)節(jié)點(diǎn)的數(shù)據(jù)；
[0055]步驟3，動作識別模塊通過骨架信息，識別出動作，具體包括：
[0056]步驟3.1將人體3D關(guān)節(jié)坐標(biāo)進(jìn)行歸一化處理，具體方法為選擇一個(gè)人體關(guān)節(jié)坐標(biāo) 為模型，將得到的肢體矢量放大至模型的長度；
[0057]步驟3.2篩選出兒童動作關(guān)鍵的關(guān)節(jié)點(diǎn)數(shù)據(jù)，共有12個(gè)關(guān)節(jié)點(diǎn)，左腳、右腳、左膝、 右膝、右手、左手、左肘、右肘、頭、肩中心、脊柱、臀關(guān)節(jié)關(guān)節(jié)點(diǎn)；
[0058] 步驟3.3從骨架關(guān)節(jié)點(diǎn)數(shù)據(jù)中提取動作特征值，具體是指包括身體高度、傾斜角 度、傾斜速度、運(yùn)動軌跡的特征，并構(gòu)建動作特征向量序列；
[0059] 步驟3.4將動作特征向量進(jìn)行歸一化處理，形成當(dāng)前幀的人體動作的η維特征向 量，歸一化包括大小歸一化、位置歸一化;歸一化的目的在于減少人體差異性和位置差異帶 來的影響。
[0060] 步驟3.5兒童危險(xiǎn)動作識別是將得到的η維動作特征向量輸入動作識別模塊，進(jìn)行 動作分類識別，如果識別出為危險(xiǎn)動作，進(jìn)入步驟3.6，否則繼續(xù)重復(fù)上述各步驟;動作識別 模塊是一個(gè)多層的動作分類器，第一層為二類的分類器，分為危險(xiǎn)動作類、正常動作類，第 二層對危險(xiǎn)動作進(jìn)行多類分類器，對危險(xiǎn)動作進(jìn)行具體分類，如摔倒、快速跑動、打架等；由 兒童動作訓(xùn)練模塊訓(xùn)練生成;訓(xùn)練方法是，在幼兒園的活動中，通過上述各步驟采集大量動 作特征向量樣本，并進(jìn)行人工標(biāo)定分類，采用監(jiān)督學(xué)習(xí)方法訓(xùn)練動作分類器；
[0061 ] 步驟3.6啟動視頻錄制，通過RGB攝像頭錄制1秒錄像；
[0062]步驟3.7生成告警信息，上報(bào)至預(yù)警模塊；
[0063]步驟4,預(yù)警模塊收到告警信息后的實(shí)時(shí)處理，包括：
[0064]步驟4.1預(yù)警模塊在場所播放預(yù)設(shè)的對應(yīng)動作的告警聲，以警示兒童危險(xiǎn)動作的 繼續(xù)發(fā)生；
[0065]步驟4.2通過網(wǎng)絡(luò)將信息報(bào)送至對應(yīng)管理人員隨身的其它智能設(shè)備，相關(guān)人員采 取恰當(dāng)?shù)拇胧┳柚箖和ｋU(xiǎn)動作的發(fā)生。
[0066]本發(fā)明的【具體實(shí)施方式】中凡未涉到的說明屬于本領(lǐng)域的公知技術(shù)，可參考公知技 術(shù)加以實(shí)施。
[0067]本發(fā)明經(jīng)反復(fù)試驗(yàn)驗(yàn)證，取得了滿意的試用效果。
[0068]以上【具體實(shí)施方式】及實(shí)施例是對本發(fā)明提出的一種基于體感技術(shù)的幼兒園智能 監(jiān)控方法技術(shù)思想的具體支持，不能以此限定本發(fā)明的保護(hù)范圍，凡是按照本發(fā)明提出的 技術(shù)思想，在本技術(shù)方案基礎(chǔ)上所做的任何等同變化或等效的改動，均仍屬于本發(fā)明技術(shù) 方案保護(hù)的范圍。
【主權(quán)項(xiàng)】
1. 一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，包括如下基本步驟： 步驟一，體感設(shè)備實(shí)時(shí)輸出空間三維測量數(shù)據(jù)，得到含深度圖信息的RGB圖像； 步驟二，針對每幀RGB圖像的深度圖信息，同時(shí)提取及跟蹤1人或多人RGB圖像中的人體 3D骨架，所述人體3D骨架為人體主要關(guān)節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù)； 步驟三，根據(jù)人體3D骨架的動作特征向量，進(jìn)行包括對肢體尺寸、參考零點(diǎn)以及方向的 兒童危險(xiǎn)動作監(jiān)控目標(biāo)的歸一化處理； 步驟四，篩選主要關(guān)節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù)； 步驟五，從篩選后的坐標(biāo)數(shù)據(jù)中提取動作特征向量值，并構(gòu)建動作特征向量序列； 步驟六，對動作特征向量序列進(jìn)行歸一化處理，形成當(dāng)前幀的η維多個(gè)人體動作特征向 量； 步驟七，兒童危險(xiǎn)動作識別是將得到的η維多個(gè)人體動作特征向量輸入動作識別模塊， 進(jìn)行動作分類識別;如果識別出兒童危險(xiǎn)動作，則進(jìn)入步驟八，否則繼續(xù)重復(fù)步驟一至六； 步驟八，啟動視頻錄制，通過RGB攝像頭錄制錄像； 步驟九，生成告警信息，上報(bào)至預(yù)警模塊； 步驟十，預(yù)警模塊在預(yù)定場所播放預(yù)設(shè)的對應(yīng)不同的人體危險(xiǎn)動作的告警聲，以警示 兒童危險(xiǎn)動作的繼續(xù)發(fā)生； 步驟十一，通過網(wǎng)絡(luò)將信息報(bào)送至對應(yīng)管理人員隨身的其它智能設(shè)備，以便由相關(guān)人 員采取恰當(dāng)?shù)拇胧﹣碜柚箖和ｋU(xiǎn)動作的發(fā)生。2. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，步驟 四所述篩選主要關(guān)節(jié)點(diǎn)的坐標(biāo)數(shù)據(jù)是指針對兒童跑、跳動作的特點(diǎn)，選取兒童危險(xiǎn)動作中 權(quán)重最高的關(guān)節(jié)點(diǎn)：左腳、右腳、左膝、右膝、右手、左手、左肘、右肘、頭、肩中心、脊柱、臀關(guān) 節(jié)的關(guān)節(jié)點(diǎn)坐標(biāo)的數(shù)據(jù)作為特征向量原始輸入值并記為V，該V= [ v1，v2，v3，v4，v5，v 6，v7，V8， vVW2]。3. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，步驟 五所述動作特征向量序列為二維的時(shí)空序列并記為J，該JilJi，. . .，jt，. . . jT}，其中T為樣 本序列的長度，而J<(v,(1>)，…，?，，…?")]為時(shí)亥Ut各關(guān)節(jié)點(diǎn)的原始特征向量輸入值V，而 (v廣>)表示關(guān)節(jié)點(diǎn)歸一化后的三位坐標(biāo)，包括朝向、身高、三維空間位置的歸一化。4. 根據(jù)權(quán)利要求3所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，所述 w為取樣關(guān)節(jié)點(diǎn)的個(gè)數(shù)，其數(shù)值為12;鑒于兒童的動作相對于成人較慢，同時(shí)又要兼顧到告 警的實(shí)時(shí)性，時(shí)間序列的長度T設(shè)置ls，每秒取30幀骨架數(shù)據(jù);最終根據(jù)關(guān)節(jié)點(diǎn)動作特征包 括速度、位置、角度的空間關(guān)系進(jìn)行特征提取，得到行為序列二維W XT特征矩陣 A (<八為時(shí)刻t的特征向量。5. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，步驟 七所述動作識別模塊是指一個(gè)兒童危險(xiǎn)動作分類器，輸入待分類的動作特征向量，輸出是 否為危險(xiǎn)動作類別，該分類器由動作訓(xùn)練模塊提前訓(xùn)練完成。6. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，步驟 七所述動作識別模塊是指一個(gè)多層的動作分類器，第一層包括對危險(xiǎn)動作、正常動作進(jìn)行 分類的兩類分類器;第二層包括對摔倒、快速跑動、打架危險(xiǎn)動作進(jìn)行具體分類的多類分類 器。7. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于步驟 七所述的動作識別模塊是指一個(gè)兒童危險(xiǎn)動作分類器，由兒童動作訓(xùn)練模塊訓(xùn)練生成，訓(xùn) 練方法為，在幼兒園的活動中，通過步驟一至六采集大量特征向量的樣本，并進(jìn)行人工標(biāo)定 分類，采用監(jiān)督學(xué)習(xí)方法訓(xùn)練動作分類器;包括針對兒童運(yùn)動特點(diǎn)而訓(xùn)練的摔倒、快跑、跳 躍需要告警的典型動作并形成摔倒動作序列。8. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于步驟 七所述兒童危險(xiǎn)動作是指摔倒動作時(shí)空序列，包括肩中心關(guān)節(jié)、臀中心關(guān)節(jié)垂直坐標(biāo)在序 列周期內(nèi)快速下降，肩中心相對角度快速變化。9. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于步驟 七所述兒童危險(xiǎn)動作是指快跑動作時(shí)空序列，包括序列周期內(nèi)骨架朝向一致;左右膝關(guān)節(jié)、 左右腳關(guān)節(jié)垂直坐標(biāo)快速變化;骨架在空間坐標(biāo)快速移動。10. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于步驟 七所述兒童危險(xiǎn)動作是指跳躍動作時(shí)空序列，包括周期內(nèi)左右腳在空間中垂直坐標(biāo)相對地 面坐標(biāo)高出閾值，并停留一定時(shí)間。11. 根據(jù)權(quán)利要求6所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于，所 述兒童危險(xiǎn)動作分類器為基于二維的空間時(shí)序隱馬爾科夫模型(HMM)訓(xùn)練完成，模型通過 尋找連續(xù)人體運(yùn)動來自動學(xué)習(xí)構(gòu)成動作的序列，并對序列分類，進(jìn)而實(shí)現(xiàn)對動作的識別，隱 馬爾科夫模型非常適合處理多變量時(shí)變數(shù)據(jù)匹配問題，故采用隱馬爾科夫模型來對行為特 征序列進(jìn)行分類和識別；一個(gè)隱馬爾科夫模型可用5元組表示:A={S，V，H，B，3i}，S wSW· 集合，Vw為空間維度上狀態(tài)轉(zhuǎn)移矩陣，HW為時(shí)間維度上狀態(tài)轉(zhuǎn)移矩陣，B W為輸出概率密度，# 為各狀態(tài)集初始分布概率;或者采用K近鄰算法、支持向量機(jī)的多種分類、回歸和數(shù)據(jù)聚類 機(jī)器學(xué)習(xí)算法來訓(xùn)練的兒童危險(xiǎn)動作分類器。12. 根據(jù)權(quán)利要求1所述的一種基于體感技術(shù)的幼兒園智能監(jiān)控方法，其特征在于步驟 八所述RGB攝像頭錄制錄像是指拍攝當(dāng)時(shí)小段視頻推送至相關(guān)管理人員手機(jī)或其他能夠及 時(shí)收到信息的其他智能設(shè)備;所述小段視頻是指既能夠保證管理人員能準(zhǔn)確判斷當(dāng)時(shí)情 況，又能夠保證及時(shí)傳輸?shù)?秒鐘或幾秒鐘以內(nèi)的視頻。
【文檔編號】G06K9/62GK106056035SQ201610210171
【公開日】2016年10月26日
【申請日】2016年4月6日 公開號201610210171.6, CN 106056035 A, CN 106056035A, CN 201610210171, CN-A-106056035, CN106056035 A, CN106056035A, CN201610210171, CN201610210171.6
【發(fā)明人】周曉軍, 楊高峰, 李驪, 盛贊
【申請人】南京華捷艾米軟件科技有限公司