[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

说明书

本发明公开了一种基于图像处理与机器学习的颈部姿态识别方法，该方法的步骤包括：颈部图像采集、颈部目标检测、颈部特征提取、颈部姿态识别；本发明首先用图像处理的算法对颈部目标进行检测，将目标与背景进行分离；之后用建立的坐标系将颈部进行特征提取形成特征向量，特征向量表征颈部姿态特征；颈部姿态识别是在上述两项技术的基础上，通过LVQ神经网络算法对颈部姿态进行识别判断。以上四个步骤连贯起来是一个完整的颈部姿态识别方法。本发明的显著优点是：提供的技术方案可以完整检测颈部目标，特征提取降低了特征数据量，采用LVQ神经网络算法提高了颈部姿态识别效率。

技术领域

本发明涉及图像处理和机器学习领域，具体涉及到一种基于图像处理与机器学习的颈部姿态识别方法，属于人体姿态识别技术。

背景技术

人体姿态识别在计算机视觉领域中是一个有着很大发展潜力的研究方向，也是模式识别和人工智能领域中很重要的一个研究方向，其在虚拟现实、人机交互、安防监控、医疗辅助、智能家居、体育训练等领域有着广泛应用。

就颈部姿态运动而言，传统的颈部识别方法主要通过立体视觉、压力传感器、重力传感器、加速度传感器方式加以实现。美国耶鲁大学的DIRACO等设计了一种用于人体姿态识别的动态视觉系统，该系统通过摄像机拍摄视频和图像获取使用者的数据信息。天津大学的郑伟龙通过四台环形布置的摄像机利用立体视觉原理和三维数字图像相关方法跟踪记录贴在每个颈椎椎骨的棘突和横突对应位置上的标志点的空间位置，建立颈椎椎骨坐标系，测量复杂的颈椎运动。武汉大学的朱卫平将薄膜压力传感器放置于坐垫中对人体体压进行采集，结合摄像头采集的人类脸部数据实现准确的坐姿识别，评估颈部的姿态方式。东北石油大学的高鹏根据重力加速度传感器三个感应轴上的重力分量来计算物体的倾角。西南科技大学的谢丛霜选用六轴运动处理传感器获得与当前姿态相关的四元数数据，转换为欧拉角得到姿态的航向角、俯仰角和翻滚角，实现对颈部姿态的读取。总体而言，基于立体视觉的颈部姿态识别优点在于识别比较直观，缺点在于系统复杂度和成本比较高。基于传感器的颈部姿态识别优点在于数据方便采集，缺点在于使用者佩戴传感器会有不舒适的感觉。因此，根据以上描述，提出了一种基于图像处理与机器学习的颈部姿态识别方法，本方法能够较好的检测出完整的颈部图像，方便后续的特征提取，运用LVQ神经网络进而可以低成本高准确率的识别颈部姿态。

发明内容

本发明的目的是提供一种基于图像处理与机器学习的颈部姿态识别方法，可以低成本并且高准确率的对颈部姿态进行识别。

本发明所采用的技术方案是，一种基于图像处理与机器学习的颈部姿态识别方法，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。

本发明的特点还在于：

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；