一种基于Kinect的人体行为检测方法
【技术领域】
[0001] 本发明涉及智能家庭监控技术领域，具体是一种基于Kinect的人体行为检测方 法。
【背景技术】
[0002] 随着近年智能家庭监控的飞速发展，越来越多的人通过智能化的产品提高生活体 验。人体行为检测是智能家庭监控的一个重要组成部分，传统的检测方法是用摄像头来捕 捉图像并分析，但是从实际使用来说，这种视频分析效果受干扰非常大，并且只能通过人体 的轮廓来判断人体的姿态，准确度不高。
[0003] 微软公司推出了一款名为Kinect的产品，这款产品提供了实时表示人体姿态的 方法，也能捕捉人体全身上下的动作，并用三维链式骨骼的形式对检测到的人体姿态进行 表示，可以准确表达人体的头、手、腰、腿等关节处节点的位置。
【发明内容】
[0004] 本发明的目的在于提供一种检测结果更加准确的基于Kinect的人体行为检测方 法。
[0005] 本发明的技术方案为：
[0006] -种基于Kinect的人体行为检测方法，该方法包括以下步骤：
[0007] (1)采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到 测试样本；
[0008] (2)计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合 作为测试样本的特征向量；
[0009] (3)将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体 姿态的类别。
[0010] 所述的基于Kinect的人体行为检测方法，步骤（2)中，所述计算测试样本各个骨 骼节点两两之间的相对距离，采用以下公式：
[0012] 其中，Cl1,表示第i个骨骼节点与第j个骨骼节点之间的相对距离，（X p yi，Z1)表 示第i个骨骼节点的坐标，（X]，y,， Z])表示第j个骨骼节点的坐标。
[0013] 所述的基于Kinect的人体行为检测方法，步骤（3)中，所述人体姿态分类器的获 得，包括：
[0014] a、采用Kinect体感设备采集各种预设人体姿态下的各个骨骼节点的坐标数据， 得到若干训练样本；
[0015] b、对每一个训练样本，计算各个骨骼节点两两之间的相对距离，将得到的相对距 离的集合作为该训练样本的特征向量；
[0016] c、将所有训练样本的特征向量输入SVM分类器进行训练，得到人体姿态分类器。
[0017] 由上述技术方案可知，本发明采用Kinect体感设备对人体姿态进行实时捕捉，与 传统的对摄像头捕捉的视频图像进行分析相比，较少受外部环境的影响，检测结果更加准 确。
【附图说明】
[0018] 图1是本发明的方法流程图；
[0019] 图2是人体骨骼节点示意图；
[0020] 图3是数据采集示意图一；
[0021] 图4是数据采集示意图二。
【具体实施方式】
[0022] 下面结合附图和具体实施例进一步说明本发明。
[0023] 如图1所示，一种基于Kinect的人体行为检测方法，包括：
[0024] S1、采用Kinect体感设备采集各种预设人体姿态下的各个骨骼节点的坐标数据， 得到若干训练样本；
[0025] 如图2所示，人体骨骼节点共有20个，通过这些骨骼节点的相互位置关系，可以判 断人体姿态。
[0026] 如图3、图4所示，采集数据时，需要不同的实验者来重复做需要检测的动作姿态， 比如坐姿（包括正坐、跷二郎腿等坐姿）、站立、举手、弯腰等动作，采用Kinect体感设备提 取各种姿态下的各个骨骼节点的坐标数据（所有动作如果有不同姿态需要分开采集数据， 比如正坐和跷二郎腿都属于坐姿，但需要分开采集数据）。
[0027] 让多个实验者按照预定动作进行演示，如可以选实验者50人，每个人做8组动作， 每组动作都按设定的姿态做一遍，这样每组动作都有50组数据。也可以只用上半身的骨骼 节点展示简单的动作，如图4中右边的坐姿男生所示。实验者越多越好，少量的数据也可以 使用，多的话实验结果更加精准。
[0028] S2、对每一个训练样本，采用以下公式计算20个骨骼节点两两之间的相对距离， 将得到的相对距离的集合作为该训练样本的特征向量；
[0030] 其中，Cl1,表示第i个骨骼节点与第j个骨骼节点之间的相对距离，（X P yi，Z1)表 示第i个骨骼节点的坐标，（X]，y,， Z])表示第j个骨骼节点的坐标。
[0031] S3、将所有训练样本的特征向量输入SVM分类器进行训练，得到人体姿态分类器。
[0032] S4、采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到 测试样本。
[0033] S5、计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合 作为测试样本的特征向量。
[0034] S6、将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体 姿态的类别。
[0035] 本发明通过Kinect体感设备获取使用者的人体骨骼节点坐标数据，通过训练完 成的人体姿态分类器预测使用者的姿态，可以用来智能控制家电或家居，也可以用来对使 用者的状态进行统计分析以给使用者提供相应的健康建议。本发明针对家庭智能监控提出 了一种全新的解决方案，具有很高的实用价值。
[0036] 以上所述实施方式仅仅是对本发明的优选实施方式进行描述，并非对本发明的范 围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方 案作出的各种变形和改进，均应落入本发明的权利要求书确定的保护范围内。
【主权项】
1. 一种基于Kinect的人体行为检测方法，其特征在于，该方法包括以下步骤： (1) 采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到测试 样本； (2) 计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合作为 测试样本的特征向量； (3) 将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体姿态 的类别。2. 根据权利要求1所述的基于Kinect的人体行为检测方法，其特征在于，步骤（2)中， 所述计算测试样本各个骨骼节点两两之间的相对距离，采用以下公式：其中，屯表示第i个骨骼节点与第j个骨骼节点之间的相对距离，（Xyyi，Z1)表示第i个骨骼节点的坐标，（X]，y,，Z])表示第j个骨骼节点的坐标。3. 根据权利要求1所述的基于Kinect的人体行为检测方法，其特征在于，步骤（3)中， 所述人体姿态分类器的获得，包括： a、 采用Kinect体感设备采集各种预设人体姿态下的各个骨骼节点的坐标数据，得到 若干训练样本； b、 对每一个训练样本，计算各个骨骼节点两两之间的相对距离，将得到的相对距离的 集合作为该训练样本的特征向量； c、 将所有训练样本的特征向量输入SVM分类器进行训练，得到人体姿态分类器。
【专利摘要】本发明提供一种基于Kinect的人体行为检测方法，包括：采用Kinect体感设备捕捉待测人体姿态下的各个骨骼节点的坐标数据，得到测试样本；计算测试样本各个骨骼节点两两之间的相对距离，将得到的相对距离的集合作为测试样本的特征向量；将测试样本的特征向量输入训练完成的人体姿态分类器，识别得到待测人体姿态的类别。本发明采用Kinect体感设备对人体姿态进行实时捕捉，与传统的对摄像头捕捉的视频图像进行分析相比，较少受外部环境的影响，检测结果更加准确。
【IPC分类】G06K9/62
【公开号】CN105046281
【申请号】CN201510502314
【发明人】谢宝, 纪勇, 张传金, 姚莉莉, 万海峰
【申请人】安徽创世科技有限公司
【公开日】2015年11月11日
【申请日】2015年8月14日