[发明专利]一种基于SVM算法的租房人群人身安全检测方法

说明书

本发明公开了一种基于SVM算法的租房人群人身安全检测方法。该方法基于相对容易获取的两类租房监测数据‑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，开展租房人群人身安全检测。该方法基于HOG特征和SVM分类器，能够实时监测租房人员进入和电量使用情况，当发现危险后立刻发出警告，具有精度高、先进性强、实用性大的特点，可以大大提高租房人群安全。

技术领域

本发明涉及信息技术领域，尤其涉及一种基于SVM算法的租房人群人身安全检测方法。

背景技术

随着租赁市场的不断扩大与租房人群的不断增加，出租屋的管理要求也需要不断提升，其中重要的一点是租房人群的人身安全需要得到确切的保障。目前，租户在出租屋中滑倒、晕倒甚至意外死亡等事件不断发生，特别是独居的租户或者老年人群体，而当被发现时大多以为时已晚。现在的技术只能实现公共场合的人生安全监控，而对于出租房内的私人空间无法监测。因此需要利用一种先进且实用的人身安全检测方法，提高租房人群安全监测水平，成为当今租赁市场所面临的一个重要问题。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于SVM算法的租房人群人身安全检测方法，可有效解决上述问题。本发明具体采用的技术方案如下：

一种租房人群人身安全检测方法包括以下步骤：

(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在预设时间内没有取消警报则向管理端警报器发射信号。

作为优选，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。

作为优选，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。

作为优选，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。