[发明专利]一种智能家居场景下人形识别的方法和系统

说明书

技术领域

本发明涉及一种智能家居场景下人形识别的方法和系统，属于智能家居领域。

背景技术

人形识别是指在图像中获取人物的形状轮廓，提取人形特征点和轮廓曲线等特征，并对人形进行识别。

而在线视频的人形识别更为复杂，需要把视频流分解成一帧帧图片，使用背景减除法获取当前轮廓图，提取特征点构建头肩模型，判断轮廓是否为人形，使用基于形状特征的曲率比对进行人形识别。但当今市场上，具有人形识别功能的智能家居设备还较为少见，大多人形识别产品仅仅停留在远程视频监控功能和红外感应上，不能识别人物身份，识别效果并不理想，并对实时视频处理有很大的时延。

发明内容

为了克服现有技术的不足，本发明提出了一种智能家居场景下人形识别的方法和系统，对硬件要求低，复杂度低和时延低。该方法通过对每一帧图像进行灰度处理，并用高斯模糊平滑算法处理，为下一步的背景减除做准备。然后通过背景减除法得到当前的人形轮廓图像，进行特征点和轮廓坐标信息提取，计算头肩比和人形轮廓曲率，对人形进行识别。当检测到陌生人形时会像用户发送警报和当前的图像。本发明提出的一种智能家居场景下人形识别的方法和系统能检测家居环境下是否有陌生人闯入的问题，解决用户对家居安全的监控难题。

本发明为解决上述技术问题采用以下技术方案：

一方面，本发明提供一种智能家居场景下人形识别的方法，具体步骤如下：

步骤1，选取一张不含人物的家居场景图像作为背景图，并对其进行预处理，得到图像Image0，其中，预处理包括灰度处理和高斯模糊平滑处理；

步骤2，实时采集家居场景的视频流，并对视频流中的每一帧图像进行预处理，其中，预处理包括灰度处理和高斯模糊平滑处理；

步骤3，对步骤2中预处理后的图像进行逐帧识别，具体为：

301，采用背景减除法对当前帧预处理后的图像和步骤1得到的图像Image0进行处理，得到轮廓图像；

302，对301中得到的轮廓图像依次进行二值化处理和形态学中的闭运算处理，得到图像Image1；

303，对302中得到的图像Image1进行图像特征信息提取，具体为：

1)对图像Image1的水平方向，统计灰度值为255的像素点个数，得到水平方向的像素分布直方图，并计算得到水平方向的像素梯度分布直方图；

2)对图像Image1的垂直方向，统计灰度值为255的像素点个数，得到垂直方向的像素分布直方图，并计算得到垂直方向的像素梯度分布直方图；

3)通过1)得到的水平方向的像素分布直方图和像素梯度分布直方图、2)中得到的垂直方向的像素分布直方图和像素梯度分布直方图，得到图像Image1上轮廓点的坐标和特征点的坐标，其中，特征点为：头部最顶端、头部最左侧、头部最右侧、颈部最左侧、颈部最右侧、左肩与手臂交点、右肩与手臂交点；

304，根据步骤303中提取到的图像特征信息，划分头部区域和肩部区域，并计算头肩比，若得到的头肩比在预设范围内，则当前图像Image1为人形轮廓，进入步骤305，否则舍弃当前帧，进入下一帧图像的识别；其中，头部区域为连接头部最顶端、头部最左侧、头部最右侧、颈部最左侧、颈部最右侧特征点的矩形框框出的区域，肩部区域为以颈部最左侧、颈部最右侧、左肩与手臂交点、右肩与手臂交点特征点为顶点的梯形框框出的区域；

305，计算当前图像Image1上每个轮廓点的曲率，并将其与预存人形特征曲率库中对应的轮廓点曲率进行比对，若小于预设阈值则识别出的人形轮廓为陌生人，否则输出识别结果并进入下一帧图像的识别；其中，n为曲率相同的轮廓点个数，N为轮廓点总数

作为本发明的进一步技术方案，步骤304中头肩比a＝N_Head/N_Shoulder，其中，N_Head为头部区域Head灰度值为255的像素个数，N_Shoulder为肩部区域Shoulder灰度值为255的像素个数。

作为本发明的进一步技术方案，I(x,y)表示在(x,y)点的灰度值。

作为本发明的进一步技术方案，步骤304中的预设范围为(1.6,3.3)。

作为本发明的进一步技术方案，步骤305中预设阈值为0.8。

另一方面，本发明提供一种采用如上所述的一种智能家居场景下人形识别的方法进行人形识别的系统，包括：

图像模块，用于采集和保存当前家居环境下的实时视频流，并对采集到的视频流中的每一帧图像进行预处理；