基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法

摘要

本发明公开了基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法，采用Artec和Kinect采集数据；建立出每个模型其自己的协调的系统；建立投影坐标系统，提取深度图像；通过SIFT算法提取出每一幅深度图像的尺度和旋转不变特征包；将得到的SIFT特征编码成可见的visual words并进行聚类，得到dictionary；通过统计属于每个质心的SIFT特征数目得到的bag of words代入到基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法中识别出输入的每个3维人体睡眠模型的每一种睡眠姿态。本发明人为误差较小且不易产生分类灾难，对视角变化、仿射变换、噪声保持稳定性,实现了输入的每个3维人体睡眠模型的每一种具体的睡眠姿态的精确判断。

主权项

基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法，其特征在于，所述基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法包括：采用Artec和Kinect采集数据；通过平移和缩放坐标系统的尺度将每个3维人体睡眠模型从模型的中心移动到坐标系统的原点，坐标轴的最大值变为1，建立出每个模型其自己的协调的系统；通过建立投影坐标系统，从位于大的球体表面的照相机位置提取深度图像，每个3维人体睡眠模型用了十套内接于相同球体而旋转角度不同的十二面体，照相机位置位于规则正十二面体的20个顶点，每个视角的照相机朝向规则正十二面体的中心，每套正十二面体从这二十个不同的角度提取出10幅图像，一共提取出一百幅图像；通过SIFT算法提取出每一幅深度图像的尺度和旋转不变特征包，每一幅图像有三十到四十个SIFT特征，每个特征为128维向量，得到一个3维人体睡眠模型的3000到5000个SIFT特征；通过K‑means算法将得到的SIFT特征编码成可见的visual words并进行聚类，得到dictionary；通过统计属于每个质心(dictionary中的每个visual word)的SIFT特征数目得到的得到的bag of words代入到基于金字塔匹配直方图交叉核的人体睡眠姿态检测方法中得到输入的每个3维人体睡眠模型的每一种睡眠姿态。