[发明专利]基于HOG特征和机器学习的睡姿压力图像识别方法

权利要求书

1.一种基于HOG特征和机器学习的睡姿压力图像识别方法，其特征在于所述方法包括以下步骤：

第一步数据采集

采用时序压力数据的方法采集使用者作用于大面积柔性压力传感器阵列床垫检测得到的实时压力数据；

第二步图像转换

将第一步采集到的实时压力数据转化为压力图像,具体为：建立图像坐标与传感器阵列分布一致的图像，将每个传感器上采集到的压力数值转化为对应的图像坐标上像素的灰度值，从而得到反映传感器阵列上压力分布的压力图像；

第三步图像预处理

对第二步得到的压力图像进行图像预处理；

第四步图像HOG特征提取

对经过第三步图像预处理的压力图像进行HOG特征提取，得到睡姿压力图像的HOG特征集合；

第五步基于机器学习的睡姿识别

采用机器学习对的第四步得到图像特征集合进行分类处理实现睡姿识别，具体是:

1)SVM分类器训练

将第四步得到的睡姿压力图像的HOG特征集合和压力图像的类别组成训练样本集合，并对训练样本图像进行类别标记；使用提取的HOG特征向量作为支持向量机的输入数据，进行分类器训练，得到分类器后，将分类器转化为能直接用于图像检测的检测算子，可直接用于图像识别；

2)睡姿压力图像识别

经大量样本的训练，分类器可以对输入目标图像的特征向量与样本库内容进行对比识别，从而实现睡姿压力图像的识别。

2.根据权利要求1所述的基于HOG特征和机器学习的睡姿压力图像识别方法，其特征在于所述第三步包括1)图像校正，包括1.1)几何校正，1.2)阈值分割；2)块划分；

所述块划分，沿X和Y轴方向将经过图像校正的压力图像划分为n*n像素的细胞单元，n必须能被图像的长和宽整除。

3.根据权利要求1所述的基于HOG特征和机器学习的睡姿压力图像识别方法，其特征在于所述第四步的HOG特征提取包括：1)标准化gamma空间和颜色灰度化；2)计算压力图像梯度；3)单元格梯度投影；4)块内归一化梯度直方图；5)HOG特征收集。