[发明专利]基于HOG特征和机器学习的睡姿压力图像识别方法

摘要

本发明涉及基于HOG特征和机器学习的睡姿压力图像识别方法，其特征在于所述方法包括以下步骤数据采集，采用时序压力数据的方法采集使用者作用于大面积柔性压力传感器阵列床垫检测得到的实时压力数据；图像转换，将第一步采集到的实时压力数据转化为压力图像,具体为建立图像坐标与传感器阵列分布一致的图像，将每个传感器上采集到的压力数值转化为对应的图像坐标上像素的灰度值，从而得到反映传感器阵列上压力分布的压力图像；图像预处理；图像HOG特征提取，对经过第三步图像预处理的压力图像进行HOG特征提取，得到睡姿压力图像的HOG特征集合；基于机器学习的睡姿识别。

主权项

一种基于HOG特征和机器学习的睡姿压力图像识别方法，其特征在于所述方法包括以下步骤：第一步数据采集采用时序压力数据的方法采集使用者作用于大面积柔性压力传感器阵列床垫检测得到的实时压力数据；第二步图像转换将第一步采集到的实时压力数据转化为压力图像,具体为：建立图像坐标与传感器阵列分布一致的图像，将每个传感器上采集到的压力数值转化为对应的图像坐标上像素的灰度值，从而得到反映传感器阵列上压力分布的压力图像；第三步图像预处理对第二步得到的压力图像进行图像预处理；第四步图像HOG特征提取对经过第三步图像预处理的压力图像进行HOG特征提取，得到睡姿压力图像的HOG特征集合；第五步基于机器学习的睡姿识别采用机器学习对的第四步得到图像特征集合进行分类处理实现睡姿识别，具体是:1)SVM分类器训练将第四步得到的睡姿压力图像的HOG特征集合和压力图像的类别组成训练样本集合，并对训练样本图像进行类别标记；使用提取的HOG特征向量作为支持向量机的输入数据，进行分类器训练，得到分类器后，将分类器转化为能直接用于图像检测的检测算子，可直接用于图像识别；2)睡姿压力图像识别经大量样本的训练，分类器可以对输入目标图像的特征向量与样本库内容进行对比识别，从而实现睡姿压力图像的识别。