专利汇可以提供一种基于体感技术的幼儿园智能监控方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种基于体感技术的幼儿园智能监控方法,它包括在幼儿园安装3D体感设备,实时捕捉儿童3D人体骨架图像,提取关键关节 特征向量 ,将特征向量输入到动作分类器中动作进行分类,找出匹配度最高的动作,其中将动作分类通过 机器学习 方法提前训练。本发明通过三维视觉 感知 技术,能够实现对人体动作 姿态 和人物运动轨迹的检测、分析和 跟踪 ,动态的实时的捕捉儿童的动作,进而预测出打架、跌倒、越界等危险动作并提前发出告警,以减少幼儿园事故发生。,下面是一种基于体感技术的幼儿园智能监控方法专利的具体信息内容。
1.一种基于体感技术的幼儿园智能监控方法,其特征在于,包括如下基本步骤:
步骤一,体感设备实时输出空间三维测量数据,得到含深度图信息的RGB图像;
步骤二,针对每帧RGB图像的深度图信息,同时提取及跟踪1人或多人RGB图像中的人体
3D骨架,所述人体3D骨架为人体主要关节点的坐标数据;
步骤三,根据人体3D骨架的动作特征向量,进行包括对肢体尺寸、参考零点以及方向的儿童危险动作监控目标的归一化处理;
步骤四,筛选主要关节点的坐标数据;
步骤五,从筛选后的坐标数据中提取动作特征向量值,并构建动作特征向量序列;
步骤六,对动作特征向量序列进行归一化处理,形成当前帧的n维多个人体动作特征向量;
步骤七,儿童危险动作识别是将得到的n维多个人体动作特征向量输入动作识别模块,进行动作分类识别;如果识别出儿童危险动作,则进入步骤八,否则继续重复步骤一至六;
步骤八,启动视频录制,通过RGB摄像头录制录像;
步骤九,生成告警信息,上报至预警模块;
步骤十,预警模块在预定场所播放预设的对应不同的人体危险动作的告警声,以警示儿童危险动作的继续发生;
步骤十一,通过网络将信息报送至对应管理人员随身的其它智能设备,以便由相关人员采取恰当的措施来阻止儿童危险动作的发生。
2.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于,步骤四所述筛选主要关节点的坐标数据是指针对儿童跑、跳动作的特点,选取儿童危险动作中权重最高的关节点:左脚、右脚、左膝、右膝、右手、左手、左肘、右肘、头、肩中心、脊柱、臀关节的关节点坐标的数据作为特征向量原始输入值并记为V,该V=[v1,v2,v3,v4,v5,v6,v7,v8,v9,v10,v11,v12]。
3.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于,步骤五所述动作特征向量序列为二维的时空序列并记为J,该J={j1,...,jt,...jT},其中T为样本序列的长度,而 为时刻t各关节点的原始特征向量输入值v,而
表示关节点归一化后的三位坐标,包括朝向、身高、三维空间位置的归一化。
4.根据权利要求3所述的一种基于体感技术的幼儿园智能监控方法,其特征在于,所述w为取样关节点的个数,其数值为12;鉴于儿童的动作相对于成人较慢,同时又要兼顾到告警的实时性,时间序列的长度T设置1s,每秒取30帧骨架数据;最终根据关节点动作特征包括速度、位置、角度的空间关系进行特征提取,得到行为序列二维W×T特征矩阵 为时刻t的特征向量。
5.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于,步骤七所述动作识别模块是指一个儿童危险动作分类器,输入待分类的动作特征向量,输出是否为危险动作类别,该分类器由动作训练模块提前训练完成。
6.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于,步骤七所述动作识别模块是指一个多层的动作分类器,第一层包括对危险动作、正常动作进行分类的两类分类器;第二层包括对摔倒、快速跑动、打架危险动作进行具体分类的多类分类器。
7.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于步骤七所述的动作识别模块是指一个儿童危险动作分类器,由儿童动作训练模块训练生成,训练方法为,在幼儿园的活动中,通过步骤一至六采集大量特征向量的样本,并进行人工标定分类,采用监督学习方法训练动作分类器;包括针对儿童运动特点而训练的摔倒、快跑、跳跃需要告警的典型动作并形成摔倒动作序列。
8.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于步骤七所述儿童危险动作是指摔倒动作时空序列,包括肩中心关节、臀中心关节垂直坐标在序列周期内快速下降,肩中心相对角度快速变化。
9.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于步骤七所述儿童危险动作是指快跑动作时空序列,包括序列周期内骨架朝向一致;左右膝关节、左右脚关节垂直坐标快速变化;骨架在空间坐标快速移动。
10.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于步骤七所述儿童危险动作是指跳跃动作时空序列,包括周期内左右脚在空间中垂直坐标相对地面坐标高出阈值,并停留一定时间。
11.根据权利要求6所述的一种基于体感技术的幼儿园智能监控方法,其特征在于,所述儿童危险动作分类器为基于二维的空间时序隐马尔科夫模型(HMM)训练完成,模型通过寻找连续人体运动来自动学习构成动作的序列,并对序列分类,进而实现对动作的识别,隐马尔科夫模型非常适合处理多变量时变数据匹配问题,故采用隐马尔科夫模型来对行为特征序列进行分类和识别;一个隐马尔科夫模型可用5元组表示:λ={S,V,H,B,π},Sw为状态集合,Vw为空间维度上状态转移矩阵,Hw为时间维度上状态转移矩阵,Bw为输出概率密度,πw为各状态集初始分布概率;或者采用K近邻算法、支持向量机的多种分类、回归和数据聚类机器学习算法来训练的儿童危险动作分类器。
12.根据权利要求1所述的一种基于体感技术的幼儿园智能监控方法,其特征在于步骤八所述RGB摄像头录制录像是指拍摄当时小段视频推送至相关管理人员手机或其他能够及时收到信息的其他智能设备;所述小段视频是指既能够保证管理人员能准确判断当时情况,又能够保证及时传输的1秒钟或几秒钟以内的视频。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
带有移动滑台的机器人关节减速器传动性能测试装置 | 2020-05-13 | 68 |
一种机器人移动关节驱动装置及驱动方法 | 2020-05-12 | 411 |
多功能轮式移动升降关节镜训练台 | 2020-05-11 | 187 |
一种控制多关节移动机器人避障的方法及装置 | 2020-05-12 | 728 |
一种用于可变胞无人地面移动系统的三自由度髋关节机构 | 2020-05-13 | 550 |
可重构式关节履带复合移动机器人 | 2020-05-11 | 676 |
倒立摆型移动体及脚关节扭矩推定方法 | 2020-05-12 | 322 |
机车拉杆关节装配用可移动承载平台 | 2020-05-12 | 802 |
一种机械手臂移动关节水平调节装置 | 2020-05-13 | 457 |
六关节机器人移动底座 | 2020-05-11 | 927 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。