[发明专利]一种基于图像处理与机器学习的颈部姿态识别方法

权利要求书

1.一种基于图像处理与机器学习的颈部姿态识别方法，其特征在于，具体按照以下步骤实施：

步骤1：采集不同人体不同的一系列颈部姿态图像，转到步骤2；

步骤2：通过改进的图像处理算法对不同姿态的颈部目标进行检测，即提取出比较完整而不失目标信息的颈部姿态图像；

步骤3：对步骤2检测的颈部目标进行特征提取，在提取前，构建颈部的二维模型，将提取出来的颈部区域的中心作为原点建立二维直角坐标系，二维直角坐标系将颈部分为四个象限，每个象限的质心与颈部的原点进行连线和x轴夹角的正切值表示颈部的特征向量，通过特征向量来表征颈部姿态特征；

步骤4：将步骤1采集的2000张样本图像先进行目标检测再进行特征向量提取，上述工作完成后，运用构建的网络结构，首先训练分类器，按照前倾、后仰、左倾斜、右倾斜四种处理过的颈部姿态图像的特征向量利用网络结构进行训练分类，形成网络模型；其中，训练集颈部图片1500张，测试集颈部图片500张，之后将测试集颈部图像的特征向量送入该网络模型进行检测，最终识别颈部姿态结果。

2.根据权利要求1所述的一种基于图像处理与机器学习的颈部姿态识别方法，其特征在于，所述步骤1具体为：

步骤1.1：在进行采集不同人体不同的一系列颈部姿态图像之前，需要有一定的硬件构架，在实验环境下，首先对摄像头进行校准标定，然后对有运动人体颈部的视频进行采集，最后将采集到的颈部视频进行分帧，会得到连续的颈部姿态图像帧；

步骤1.2：按照步骤1.1重复进行，采集其他人体的颈部视频进行图像分帧，多次分帧进行处理，整理出样本图像。

3.根据权利要求1所述的一种基于图像处理与机器学习的颈部姿态识别方法，其特征在于，所述步骤2具体为：

对采集的颈部图像进行一系列的图像处理操作，计算经过图像处理过的颈部图像的光流值，从而区分颈部区域和背景区域，再进行阈值求解处理，两者可以检测出更加完整且不失目标信息的颈部姿态图像。其计算颈部的光流值所用的公式如下：

其中，u代表颈部图像水平方向光流，v代表颈部图像垂直方向光流，A代表颈部图像点(x，y)领域内n个像素点组成的2行n列矩阵的转置，W代表n个权重组成的对角阵，b代表n个像素点在t时刻组成的1行n列矩阵的转置；

其计算颈部阈值所用的公式如下：

其中，L代表灰度级，P_a代表颈部区域像素点占整幅图像的概率，P_b代表背景区域像素点占整幅图像的概率，w_a代表颈部区域的平均灰度，w_b代表背景区域的平均灰度，w₀代表整幅图像的平均灰度。

4.根据权利要求1所述的一种基于图像处理与机器学习的颈部姿态识别方法，其特征在于，所述步骤3具体为：

步骤3.1：构建颈部的二维模型，将提取出来的颈部区域的中心作为原点建立二维直角坐标系，二维直角坐标系将颈部分为四个象限；

步骤3.2：每个象限的质心与颈部的原点进行连线和x轴夹角的正切值表示颈部的特征向量，按照第一、第二、第三和第四象限的顺序记为θ₁、θ₂、θ₃和θ₄，正切值依次为tanθ₁、tanθ₂、tanθ₃和tanθ₄，每个颈部姿态组成的特征向量为[tanθ₁，tanθ₂，tanθ₃，tanθ₄]^T，通过特征向量来表征颈部姿态特征；

步骤3.3：按照步骤3.2进行提取样本图像的特征向量，为训练颈部姿态识别分类器做准备。