婴儿踢被识别方法、系统及装置与流程

本发明涉及监控处理技术领域，具体地说，涉及一种婴儿踢被识别方法、系统及装置。

背景技术：

随着现代社会的进步，孩子成为一个家庭的重心，婴儿不懂得如何去保护自己，常常因为晚上睡觉乱翻乱踢而受凉。由于婴儿的体制问题，药物使用又受到了极大的限制，于是家长就没日没夜的守护在婴儿旁边，造成家长的疲劳度日渐增大。踢被子是婴儿受凉、生病的一个极大的诱导因素，因而，人们设计了各种方案来防止婴儿踢被子。

最简单的一种方案是采用婴儿睡袋。将婴儿直接包裹在睡袋里，虽然防止了婴儿将被子踢开受凉的问题，但是却极大地限制了婴儿的活动，不利于婴儿的发育。

另外的方案是给婴儿佩戴报警器，这些报警器以采集信号的不同，分为两种，一种是采用温度检测器的报警器。根据婴儿身上的温度检测器检测得到的温度信号，如果婴儿踢开被子，因为没有被子保暖，则婴儿的温度下降，此时报警器报警，通知看护人员。这种方法虽然能检测出婴儿踢被子，但是不能在第一时间报警，只有在婴儿体温下降时报警器才能起作用，而此时孩子可能已经踢开被子了，体质差的婴儿可能此时已受凉。另一种采用重力传感器采集重力信号，当婴儿开始折腾时，佩戴的重力传感器感测的重力信号发生变化，然后报警。这两种方式都要给婴儿带上的一些器具，会影响婴儿的舒适感，从而哭闹。

技术实现要素：

本发明要解决的技术问题在于，针对现有技术的不足，提供一种婴儿踢被识别方法、系统及装置，在不需要为婴儿佩戴任何器具的情况下，准确、及时地识别出婴儿踢被子的状态。

为了解决上述的技术问题，本发明提供了一种婴儿踢被识别方法，其中，包括：

采集婴儿监控区的原始图像；

对采集到的原始图像进行预处理，得到待分析图像；

对所述待分析图像进行特征化处理，生成多个特征图；

将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较，如果设定数量的特定特征图与相应的参考特征图相符，则判断婴儿没有踢被子；如果有特定特征图不符合对应参考特征图，则判断婴儿踢被子。

优选地，所述将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较的步骤包括：

计算所述多个特征图的特征值；

分别比较所述多个特征图的特征值是否位于对应参考特征图的参考特征值范围内；

通过以下步骤判断特征图是否与相应的参考特征图相符：

如果特征图的特征值位于对应参考特征值范围内，则特征图与相应的参考特征图相符；如果特征图的特征值超过对应参考特征值范围，则所述特征图不符合相应的参考特征图。

优选地，所述对所述待分析图像进行特征化处理，生成多个特征图的步骤包括：

在预定数量的图像中，从每一帧图像中识别出一个特征子照，得到多个特征子照；

计算每一个特征子照与取得该特征子照的图像帧的图片比率；

根据每一个特征子照的图片比率，将所述多个特征子照组合成一个完整的特征照；

根据预设的特征图数量，将所述特征照分成多个特征图。

优选地，在组合成一个完整的特征照之后，对所述完整的特征照进行平滑处理；

所述根据预设的特征图数量，将所述特征照分成多个特征图的步骤具体为：

根据预设的特征图数量，将经过平滑处理的特征照分成多个特征图。

优选地，所述参考特征图及参考特征值范围存在数据库中，通过以下步骤获得：

采集婴儿睡觉时的原始图像；

对所述原始图像进行预处理，得到待分析图像；

对所述待分析图像进行特征化处理，生成多个体现不同特征的参考特征图；

计算所述多个参考特征图的特征值；

重复多次对待分析图像的特征化处理和对特征值的计算过程，得到多个符合同一特征的参考特征图的不同特征值，得到参考特征值范围。

优选地，所述对采集到的原始图像进行预处理的步骤包括：

将所述原始图像进行灰度化处理，得到灰度图像。

矫正所述灰度图像的方向；

从所述矫正后的灰度图像中截取所要使用的图片主体，作为待分析图像。

优选地，在采集所述原始图像时，采用不同比例的搜索窗口多次扫描监控区婴儿，以获取目标物体大小合适的原始图像。

本发明还提供了一种婴儿踢被识别系统，其中，包括：

图像采集模块，用于采集婴儿监控区的原始图像；

图像预处理模块，用于对对采集到的原始图像进行预处理，得到待分析图像；和

特征化模块，用于对所述待分析图像进行特征化处理，生成多个特征图；

比较模块，用于将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较；

判断模块，用于根据设定数量的特定特征图与相应的参考特征图是否相符判断婴儿是否踢被子。

优选地，所述图像预处理模块包括：

灰度化处理单元，用于将所述原始图像进行灰度化处理，得到灰度图像；

图像矫正单元，用于矫正所述灰度图像的方向；和

图片截取单元，用于从所述矫正后的灰度图像中截取所要使用的图片主体，作为待分析图像。

优选地，所述特征化模块包括：

特征子照获取单元，用于在预定数量的原始图像中，从每一帧图像中识别出一个特征子照，从而得到多个特征子照；

图片比率计算单元，用于计算每一个特征子照与取得该特征子照的图像帧的图片比率；

组合单元，用于根据每一个特征子照的图片比率，将所述多个特征子照组合成一个完整的特征照；

切分单元，用于根据预设的特征图数量，将所述特征照分成多个特征图。

优选地，所述比较模块包括：

计算单元，用于计算所述多个特征图的特征值；

对比单元，用于比较所述多个特征图的特征值是否位于对应参考特征图的参考特征值范围内；

所述判断模块根据特征图的特征值是否位于对应参考特征图的参考特征值范围内判断特征图是否与参考特征图相符。

优选地，所述判断模块在判断得到婴儿踢被子时，发送信号给相应的报警装置。

优选地，所述图像采集模块包括比例调整单元，调整用于所述采集的原始图像的搜索窗口的大小。

优选地，还包括：

数据库，用于存储参考特征图及对应的参考特征值范围。

本发明还提供了一种婴儿踢被识别装置，其中，包括：

摄像模组，用于采集婴儿监控区的原始图像；

存储器，用于存储指令及相关数据；

处理器，根据所述指令配置如下：

采集婴儿监控区的原始图像；

对采集到的原始图像进行预处理，得到待分析图像；

对所述待分析图像进行特征化处理，生成多个特征图；

将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较，如果设定数量的特定特征图与相应的参考特征图相符，则判断婴儿没有踢被子；如果有特定特征图不符合对应参考特征图，则判断婴儿踢被子。

优选地，对于所述将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较的指令，所述处理器进一步配置为：

计算所述多个特征图的特征值；

分别比较所述多个特征图的特征值是否位于对应参考特征图的参考特征值范围内；

通过以下步骤判断特征图是否与相应的参考特征图相符：

如果特征图的特征值位于对应参考特征值范围内，则特征图与相应的参考特征图相符；如果特征图的特征值超过对应参考特征值范围，则所述特征图不符合相应的参考特征图。

优选地，对于所述对所述待分析图像进行特征化处理，生成多个特征图的指令，所述处理器进一步配置为：

在预定数量的图像中，从每一帧图像中识别一个特征子照，得到多个特征子照；

计算每一个特征子照与取得该特征子照的图像帧的图片比率；

根据每一个特征子照的图片比率，将所述多个特征子照组合成一个完整的特征照；

根据预设的特征图数量，将所述特征照分成多个特征图。

本发明基于图像识别技术，动态获取婴儿的当前状态，不需要进行大量图像的比较便可以有效识别出婴儿的被子是否被踢开，可以在踢开被子的第一时间，向家长发送提示信息，准确及时；不需要给婴儿穿戴任何物品，不会给婴儿造成不适。

附图说明

通过参照以下附图对本发明实施例的描述，本发明的上述以及其它目的、特征和优点将更为清楚，在附图中：

图1为本发明所述婴儿踢被识别方法一实施例的总体流程示意图；

图2为本发明所述特征化的处理流程示意图；

图3为特征照及特征图的形成过程示意图；

图4为本发明判断特征图是否与参考特征图相符的流程示意图；

图5为本发明所述数据库中参考特征图的生成流程示意图；

图6为本发明所述对原始图像预处理的流程示意图；

图7a-7b为本发明所述婴儿踢被识别方法中图像在矫正前后的对比图；

图8为本发明所述婴儿踢被识别系统的原理结构图；

图9为本发明所述图像预处理模块的原理结构图；

图10为本发明所述特征化模块的原理结构图；

图11为本发明所述比较模块的原理结构图；

图12为本发明所述婴儿踢被识别装置的原理结构图；

图13为本发明一应用实施例的结构原理结构图。

具体实施方式

以下基于实施例对本发明进行描述，但是本发明并不仅仅限于这些实施例。在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。为了避免混淆本发明的实质，公知的方法、过程、流程没有详细叙述。另外附图不一定是按比例绘制的。

附图中的流程图、框图图示了本发明实施例的系统、方法、装置的可能的体系框架、功能和操作，流程图和框图上的方框可以代表一个模块、程序段或仅仅是一段代码，所述模块、程序段和代码都是用来实现规定逻辑功能的可执行指令。也应当注意，所述实现规定逻辑功能的可执行指令可以重新组合，从而生成新的模块和程序段。因此附图的方框以及方框顺序只是用来更好的图示实施例的过程和步骤，而不应以此作为对发明本身的限制。

如图1所示，为本发明提供的一种婴儿踢被识别方法一实施例的总体流程图，在该实施例中，所述方法包括：

步骤s1，采集婴儿监控区的原始图像；

步骤s2，对采集到的原始图像进行预处理，得到待分析图像；

步骤s3，对所述待分析图像进行特征化处理，生成多个特征图；

步骤s4，从生成的多个特征图中取出一个；

步骤s5，比较所述特征图与数据库中对应的参考特征图是否相符，如果不相符，执行步骤s6,如果相符，执行步骤s8；

步骤s6，判断所述特征图是否为特定的特征图，即该特征图表现的特征是否为代表了可以判断婴儿是否踢被子的部位，如婴儿胸部、腹部、腿部等，根据经验，这类部位可以作为判断是否踢被子的特征，并设定了确定婴儿盖好被子的特征数量，当都满足这些特征，则可以判断没有踢被子，而只要有一个不符合，便可以认为踢被子。如果与参考特征图不相符的特征图是这些特定的特征图，则在步骤s7判定婴儿已踢被子。如果不是特定的特征图，需要再继续比较，则转到步骤s8；

步骤s8，判断是否已比较完预定数量的特定特征图，例如5个特定特征图，如果没有，则返回步骤s4，继续取特征图进行比较，如果已达到预定数量，则在步骤s9判断婴儿没有踢被子。

在前述步骤中，本发明采用主元分析法(principalcomponentanalysis，简称pca)对所述待分析图像进行分析处理。所述主元分析法是一种数据分析方法，通过线性变换将原始数据变换为一组各维度线性无关的表示，可用于提取数据的主要特征分量，常用于高维数据的降维。在本发明中，将采集到的图像按照主元分析法分成多个特征图，在进行图片对比时，通过对比特征图，不但极大地减少了数据处理量，而且也达到了足够的精度。

如图2所示，为步骤s3中对所述待分析图像进行特征化处理，生成多个特征图的具体处理流程：

步骤s311，将预定数量的图像帧中，从每一帧图像中识别一个特征子照。其中，在识别特征子照时，如图3所示，取出一帧图像n1，从该帧图像的主体区域开始识别，即第一个特征子照m1为当前图像帧的主体区域，然后取下一帧图像n2，在该帧图像中，在除去主体区域后的一个次要区域识别出第二个特征子照m2……,以此类推，得到多个特征子照m1，m2，m3……。

步骤s312，计算每一个特征子照与取得该特征子照的图像帧的图片比率；

步骤s313，根据每一个特征子照的图片比率，将所述多个特征子照组合成一个完整的特征照im1。

例如，一张特征照可能是由100帧图像组成，其组成关系如下所示：

(baby)+(11.5％ofbaby1)–(36.3％ofbaby2)+(7.2％ofbaby3)+…+(0.1％ofbaby99)

其中的百分比为图片比率，babyn为第n张特征子照。

其中，比率排在最前面的几个特征子照显示了一些主要的踢被子比较容易暴露出来的地方，而最后的特征子照主要是图片噪声等。

经过上述组合处理，可以复现孩子当前的睡眠状，避免一帧一帧图像的处理，在不影响准确率的情况下，减少了数据处理量。

步骤s314，对所述组合而成的特征照进行平滑处理，得到平滑的特征照im2；

步骤s315，根据预设的特征图数量，将经过平滑处理的特征照im2分成多个特征图c1，c2，c3……。

在步骤s5中，如图4所示，通过以下步骤判断所述特征图与数据库中对应的参考特征图是否相符：

步骤s51，计算所述多个特征图的特征值；

步骤s52，取一特征图的特征值；

步骤s53，比较所述特征图的特征值是否位于对应参考特征图的参考特征值范围内；即与所述参考特征值范围的两个端点值相比较，如果所述特征值大于或等于较小端点值，小于或等于较大的端点值，也就是说，特征图的特征值位于对应参考特征值范围内，则可判断所述特征图的特征值位于对应参考特征图的参考特征值范围内，在步骤s54判断所述特征图与数据库中对应的参考特征图相符；如果所述特征值小于较小端点值，或者，大于较大的端点值，也就是说，特征图的特征值超出了对应参考特征值范围，在步骤s55判断所述特征图与数据库中对应的参考特征图不相符。

在本发明中，为了实现在监测时，为实时获取的图像在进行比较时提供对比依据，设置有数据库，其中存储了参考特征照，所述参考特征照由多个参考特征图组成，每一个参考特征图对应一个参考特征值范围，用于与实时监测时得到的特征图进行对比，来确定婴儿当前的盖被子情况。具体地，如图5所示，为数据库中参考特征图生成的简要流程图，该数据库中的参考特征照、参考特征图及其特征值范围通过以下步骤获取：

步骤s1a，采集婴儿睡觉时的原始图像，包括盖好被子的图像和没有盖好被子的图像。

步骤s2a，对所述原始图像进行预处理，得到待分析图像。

步骤s3a，对所述待分析图像进行如图2所示的特征化处理，得到参考特征照及预定数量的参考特征图。

其中，每一个所述参考特征图体现了一个特征，如婴儿的某个身体部位。根据原始图像，所述的参考特征图体现的可能是盖着被子和没有盖着被子的特征，如果体现的是盖着被子的特征，则是有效的参考特征图。

步骤s4a，计算所述有效的参考特征图的特征值。

步骤s5a，判断对一个参考特征值的计算是否达到预定的计算数量。由于动作的变化、图片采集的差异等原因，针对同一特征的特征值会有所差别，因而，需要针对同一特征，生成多个特征图，从而得到多个特征值，进而得到一个特征值范围，才会为实时对比提供精确的对比依据。这里所述的预定的数量，是通过反复试验得到的一个较为可靠的数量。如果没有达到预定的数量，则返回步骤s1a，重新进行新的一轮图像处理过程，以得到针对同一特征，获取特征值。如果此时已达到预定的数量，则执行步骤s6a，根据经过多次特征化处理得到的多个符合同一特征的参考特征图的不同特征值，确定对应的参考特征值范围。

步骤s7a，将所述的参考特征图及其参考特征值范围存储到数据库中。

其中，在参考特征图中，有一些为特定参考特征图，这些特定参考特征图表现的特征代表了可以判断婴儿是否踢被子的部位，如婴儿胸部、腹部、腿部等，根据经验，这类部位可以作为判断是否踢被子的特征，并根据婴儿盖好被子的情况，可以确定的这样特征的数量，在一个实施例中例如为5个，当然设置的越多，在实时监测过程中比较得越多，也就越精确，但也耗时越长，因而，通过设置适当的数量，既可以快速识别，也能保证识别准确率。

参考特征图的总数量可以设定为多个，并将他们按判断准确性升序排列，将特定参考特征图排在前面，如第一参考特征图为最能判断婴儿当前是否盖好被子的特征图，第二参考特征图次之，依序递减。在监控过程中，如果根据监控图像得出的与第一参考特征图对应的特征图不符合第一参考特征值范围，则可以判断此时婴儿没有盖好被子。在设定数量的特定特征图(如与前5个参考特征图对应的特征图)的特征值都在对应参考特征图的特征值范围内，则可以判断婴儿没有踢被子。

在前述实时监控过程和参考特征图生成过程中，都涉及到对采集到的原始图像进行预处理的步骤，具体如图6所示，包括如下步骤：

步骤s21，将所述原始图像进行灰度化处理，得到灰度图像。

步骤s22，矫正所述灰度图像的方向。由于采集的原始图像会有一定的角度，需要进行旋转，即可以360旋转，在旋转的同时，记录在x(或y)轴方向的投影，在所述设影最大化时，停止旋转，如图7a-7b所示，图7a为矫正前的图像，图7b为矫正后的图像。

步骤s23，从所述矫正后的灰度图像中截取所要使用的图片主体，作为待分析图像。将图像范围中不需要的部分裁剪掉，只截取需要使用的区域。

本发明还公开了一种婴儿踢被识别系统，如图8所示，所述系统包括图像采集模块1、图像预处理模块2、特征化模块3、比较模块4和判断模块5。其中，所述图像采集模块1用于采集婴儿监控区的原始图像；所述图像预处理模块2用于对对采集到的原始图像进行预处理，例如角度、大小的调整，得到待分析图像；特征化模块3对所述待分析图像进行特征化处理，生成多个特征图；比较模块4将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较；判断模块5根据设定数量的特定特征图与相应的参考特征图是否相符来判断婴儿是否踢被子。

另外，本系统还包括数据库6，用于存储各种数据，例如以下所涉及到的参考特征图及其特征值范围等数据。

其中，所述图像预处理模块2，如图9所示，包括灰度化处理单元21、图像矫正单元22和图片截取单元23。其中，所述灰度化处理单元21，用于将将所述原始图像进行灰度化处理，得到灰度图像；所述图像矫正单元22用于矫正所述灰度图像的方向；所述图片截取单元23用于从所述矫正后的灰度图像中截取所要使用的图片主体，作为待分析图像。

所述特征化模块3如图10所示，包括特征子照获取单元31、图片比率计算单元32、组合单元33和切分单元34。其中，所述特征子照获取单元31在预定数量的原始图像中，从每一帧图像中识别出一个特征子照，从而得到多个特征子照；所述图片比率计算单元32计算每一个特征子照与取得该特征子照的图像帧的图片比率；所述组合单元33根据每一个特征子照的图片比率，将所述多个特征子照组合成一个完整的特征照；所述切分单元34根据预设的特征图数量，将所述特征照分成多个特征图。

本发明所述的比较模块4如图11所示，包括计算单元41和对比单元42，其中，所述计算单元41计算所述多个特征图的特征值；所述对比单元42比较所述多个特征图的特征值是否位于对应参考特征图的参考特征值范围内；所述判断模块5根据特征图的特征值是否位于对应参考特征图的参考特征值范围内判断特征图是否与参考特征图相符。具体处理过程如前所述方法的各个流程，在此不再赘述。

所述图像采集模块除了常规图像采集的装置外，还包括比例调整单元，调整用于采集原始图像的搜索窗口的大小。在进行图像采集时，配合算法，可以调整搜索窗口的大小，通过适当比例的缩放，可以一次性采集到目标物体尺寸合适的原始图像，相较于采集后再调整图像的尺寸大小，更为有效。

基于上述方法和系统，本发明还公开了一种婴儿踢被识别装置，如图12所示，包括：摄像模组、存储器和处理器，其中，所述摄像模组采集婴儿监控区的原始图像。例如手机中的摄像头装置，通过一系列的光学元件、电路元件得到目标物体的图像。可以是多个静态图像(例如采用相机连拍模块，并设定拍摄周期，每隔一个周期采集多幅静态图像)，也可以是动态的视频图像，采集的是视频图像。

存储器用于存储识别指令及相关数据。所述指令包括用于实现婴儿是否踢被子的识别程序指令，其为用于实现前述识别方法的指令算法。所述相关数据包括采集的图像、处理过程中的中间数据、用于对比的参考特征图及参考特征值等。

处理器根据所述指令进行配置，完成程序指令，实现对婴儿是否踢被子的识别。具体地，配置如下：

采集婴儿监控区的原始图像；

对采集到的原始图像进行预处理，得到待分析图像；

对所述待分析图像进行特征化处理，生成多个特征图；

将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较，如果设定数量的特定特征图与相应的参考特征图相符，则判断婴儿没有踢被子；如果有特定特征图不符合对应参考特征图，则判断婴儿踢被子。

其中，对于所述将所述多个特征图与数据库中存储的相应的参考特征图分别进行比较的指令，所述处理器进一步配置为：

计算所述多个特征图的特征值；

分别比较所述多个特征图的特征值是否位于对应参考特征图的参考特征值范围内；

通过以下步骤判断特征图是否与相应的参考特征图相符：

如果特征图的特征值位于对应参考特征值范围内，则特征图与相应的参考特征图相符；如果特征图的特征值超过对应参考特征值范围，则所述特征图不符合相应的参考特征图。

对于所述对所述待分析图像进行特征化处理，生成多个特征图的指令，所述处理器进一步配置为：

在预定数量的图像中，从每一帧图像中识别一个特征子照，得到多个特征子照；

计算每一个特征子照与取得该特征子照的图像帧的图片比率；

根据每一个特征子照的图片比率，将所述多个特征子照组合成一个完整的特征照；

根据预设的特征图数量，将所述特征照分成多个特征图。

本发明所述系统可以与当前任何一种报警装置匹配使用，如图13所示，包括本发明所述的婴儿踢被识别系统101和一个可以接收信息发出报警声音的装置，如手机200，其中具有蜂鸣器201。其中，婴儿踢被识别系统101可以安装在另一个手机100上。当婴儿踢被识别系统101根据前述方法及过程监测得到婴儿踢被子时，发送相应的信号给手机200，手机200接收到该信号后，控制蜂鸣器201鸣叫，用来提醒家长孩子已踢被子。从而在孩子踢被子的第一时间通知其看护人。

以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。