[发明专利]一种基于SVM算法的租房人群人身安全检测方法

权利要求书

1.一种基于SVM算法的租房人群人身安全检测方法，其特征在于包括以下步骤：

(1)利用摄像头和智能电表进行数据采集，所述数据包括摄像头拍摄的进入房屋的画面图像帧数据和智能电表记录的用电波动数据；

(2)对收集到的图像帧数据进行色彩和伽马归一化处理；

(3)计算图像帧横坐标和纵坐标方向的梯度，并据此计算每个像素位置的梯度方向值；

(4)细胞中的每一个像素点的梯度方向值加权投票计算得到细胞的梯度方向直方图，即细胞特征；

(5)将细胞特征组合形成块特征，然后将所有的块特征组合形成最终的HOG特征；

(6)将该HOG特征输入到训练完成的SVM分类器中，寻找一个最优超平面作为决策函数，确定输出为正或负，即是否捕获到人形轮廓；

(7)对于摄像头拍摄的每一幅进入房屋的画面图像帧执行步骤(1)-步骤(6)，若步骤(6)捕获到人形轮廓，记录智能电表用电波动，当在设定时间段内连续N小时用电波动低于波动阈值时，向室内警报器发送信号并产生警报声，如果用户在预设时间内没有取消警报则向管理端警报器发射信号。

2.根据权利要求1所述的一种基于SVM算法的租房人群人身安全检测方法，其特征在于步骤(2)中所述的归一化处理公式如下：

I(x,y)＝I′(x,y)^gamma

其中I(x,y),I′(x,y)分别为归一化处理前、后像素点(x,y)的像素值，gamma表示gamma校正。

3.根据权利要求1所述的一种基于SVM算法的租房人群人身安全检测方法，其特征在于步骤(3)具体计算公式如下：

G_x(x,y)＝I(x+1,y)-I(x-1,y)

G_y(x,y)＝I(x,y+1)-I(x,y-1)

其中G(x,y)为像素点(x,y)处的梯度向量的模值，α(x,y)为像素点(x,y)处的梯度向量的夹角，G_x(x,y)为像素点(x,y)处横坐标方向的梯度，G_y(x,y)为像素点(x,y)处纵坐标方向的梯度。

4.根据权利要求1所述的一种基于SVM算法的租房人群人身安全检测方法，其特征在于步骤(6)中所述的训练完成的SVM分类器是指基于大量的正负样本图像，提取其HOG特征输入SVM中进行训练后得到的可以检测正负样本图像的分类模型，所述正负样本图像即存在人形轮廓的图像和不存在人形轮廓的图像。

5.权利要求1所述的一种基于SVM算法的租房人群人身安全检测方法，其特征在于步骤(7)所述的设定时间段为上午6:00至下午21:00。

6.权利要求1所述的一种基于SVM算法的租房人群人身安全检测方法，其特征在于所述的N＝2～6。