申请/专利权人：沈阳工业大学

申请日：2023-06-13

公开（公告）日：2024-01-30

公开（公告）号：CN117475505A

主分类号：G06V40/20

分类号：G06V40/20;G06V10/22;G06V10/774;G06V10/82;G06N3/084;G16H20/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.02.20#实质审查的生效;2024.01.30#公开

摘要：一种基于黑暗盖被环境下的睡姿识别方法涉及到在黑暗环境下人体盖被时，基于红外摄像头和深度传感器人体睡姿图像进行采集，然后通过识别红外图像和深度图像中人体特征，即：头部、左右耳朵、左右眉毛、左右眼睛、鼻子、嘴巴、身体躯干部位，并提取出这些特征对应最小矩形框中心点的像素坐标和该坐标对应的深度值，然后通过这些特征数据与睡姿形成映射关系，最后通过BP神经网络训练出可实际应用的睡姿识别模型。

主权项：1.一种基于黑暗盖被环境下的睡姿识别方法，其特征在于包括以下步骤：步骤一：设计同步采集红外图像和深度图像的实验场景；步骤二：同步采集完红外图像和深度图像后，提取红外图像上的头部、左右眉毛、左右眼睛、左右耳朵、鼻子、嘴巴、身体躯干，这10个特征对应的最小矩形框，并且保存这些特征矩形框中心点的像素坐标，保存下来，然后将保存文件输入到目标识别算法中，输出训练好的这10个特征的模型，然后通过训练好的模型，去自动提取在线采集到的红外图像中的10个特征对应的最小矩形框中心点的像素坐标，并保存；步骤三：将提取的这些特征矩形框中心点的像素坐标索引到对应的深度图像中，并将其保存到对应的特征矩形框中心点像素坐标的后面，将二维数据变成三维数据，且检测到的每一组睡姿图像中最终一共有10组三维数据，其中被检测到的特征用标记为1，如果有特征未被检测到，特征会自动标记为0，并将未检测到的特征对应的中心点像素坐标补0，并将完成的这组数据保存，然后通过手动标记该组数据属于什么睡姿类型；步骤四：对步骤三中数据进行归一化处理，训练4类睡姿识别模型；步骤五：把步骤四制作好的数据集分成训练集和测试集，进行训练睡姿识别模型，并对训练好的模型进行测试，验证它的可靠性。

全文数据：

权利要求：

百度查询： 沈阳工业大学 一种基于黑暗盖被环境下的睡姿识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD