基于智能家居場景下人形識別系統(tǒng)的開發(fā)

田文莎，張娃旦，田 由

（南京郵電大學(xué) 通信與信息工程學(xué)院，江蘇 南京 210046）

隨著科學(xué)技術(shù)的進一步發(fā)展，智慧化已走進人們的生活，人們更加希望可以提高生活質(zhì)量，比如當(dāng)拖著一天的疲憊回到家中后，機器通過時間的把握和人形的識別，自動播放主人最愛的歌曲；當(dāng)老人因意外不慎在家中跌倒時，機器將第一時間根據(jù)人形特征向老人子女發(fā)出求救信號；當(dāng)兒童獨自在家時，系統(tǒng)自動關(guān)閉門窗，調(diào)整屋內(nèi)燈光強度，關(guān)閉屋內(nèi)電器等。智能家居已成為一個熱門的研究，但當(dāng)今市場上，具有人形識別功能的智能家居設(shè)備較為少見，而且在沒有網(wǎng)絡(luò)的情況下無法工作，所以在智能家居背景下研究人形識別系統(tǒng)尤為重要。

1 軟件算法設(shè)計

1.1 高斯模糊平滑處理

用卷積掃描圖像中的每一個像素，用卷積確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。其中，高斯函數(shù)選用：

1.2 背景減除

用目標圖像和背景圖像進行減除運算，得到減除后的圖像，為：

式（2）中：E（x，y）為所得圖像；F（x，y）為目標圖像；B（x，y）為背景圖像。

1.3 LBP特征提取

對于LBP特征向量的提取，我們采取了以下步驟：①將檢測窗口劃分為9×9的cell。②對于每個cell中的像素，將相鄰的8個像素的灰度值與其進行比較，若周圍像素值大于中心像素值，則該像素點的位置被標記為1，否則為0.這樣，3×3鄰域內(nèi)的8個點經(jīng)過比較可產(chǎn)生8位二進制數(shù)，即可得到該窗口中心像素點的LBP值。③計算每個cell的直方圖，即每個數(shù)字出現(xiàn)的頻率，然后對該直方圖進行歸一化處理。④將得到的每個cell的統(tǒng)計直方圖連接成為一個特征向量，也就是整幅圖的LBP紋理特征向量。

其中，歸一化可采用（0，1）標準化，通過遍歷單元格內(nèi)的每個數(shù)據(jù)將最大值和最小值記錄下來，并將最大值和最小值之差作為基數(shù)進行數(shù)據(jù)的歸一化處理：

同時，一幅圖像的基本組成單位是以RGB為基礎(chǔ)的，其中，R為一個紅色通道，表示為1；G為一個綠色通道，表示為2；B為一個藍色通道，表示為3；有一處白色圖像則為4，它是由1，2，3處的通道顏色混合而成，即幾種顏色混合在一起將產(chǎn)生一種新的顏色。下面列出提取HOG特征的算法：分離人形圖像3個顏色通道圖像；將圖像劃分成小區(qū)，每個小區(qū)包含6×6像素；將3×3個小區(qū)組成一個大區(qū)，一個大區(qū)內(nèi)所有小區(qū)的特征串聯(lián)起來便是該大區(qū)的HOG特征。將圖像內(nèi)所有大區(qū)的HOG特征歸一化后串聯(lián)起來就可以得到該圖像的HOG特征，這就是最終可供分類使用的特征向量。

1.4 SVM分類器的訓(xùn)練

支持向量機是一種二類分類模型，其基本模型定義為特征空間上間隔最大的線性分類器，其學(xué)習(xí)策略便是間隔最大化，最終可轉(zhuǎn)化為一個凸二次規(guī)劃問題的求解。選擇不同的核函數(shù)，可以生成不同的SVM，常用的核函數(shù)有以下4種：①線性核函數(shù)K（x，y）＝x×y；②多項式核函數(shù)K（x，y）＝[（x×y）＋1]d；③徑向基函數(shù)K（x，y）＝exp（-|x－y|2/d2）；④二層神經(jīng)網(wǎng)絡(luò)核函數(shù)K（x，y）＝tanh[a（x×y）＋b]．

針對本項目，我們編寫了人形識別的算法：①準備正樣本集和負樣本集，并手動裁剪樣本，使樣本尺寸保持一致；②將所有正樣本圖像放在一個文件夾中，將所有負樣本放在另一個文件夾中；③提取所有正、負樣本的HOG特征，對所有正負樣本賦予樣本標簽，我們將正樣本標記為1，負樣本標記為0；④將正負樣本的HOG特征、正負樣本的標簽都輸入到徑向基函數(shù)K（x，y）＝exp（-|x－y|2/d2）中進行訓(xùn)練。我們將以上算法用Python語言實現(xiàn)，并在樹莓派上操作，用路由器將樹莓派與手機終端連接起來。

2 系統(tǒng)研發(fā)結(jié)果

對于攝像頭采集的視頻流（一幀幀圖像），經(jīng)過樹莓派圖像信息處理，然后通過路由器樹莓派與手機終端通信，最終終端上顯示出圖片處理的結(jié)果，我們用控制變量法分析并驗證了系統(tǒng)的可行性，結(jié)果如表1所示。

表1 實驗結(jié)果記錄表

由此可以看出，總系統(tǒng)的處理速度相當(dāng)迅速，并且適合各種光照條件和背景條件，還可以識別多人，說明系統(tǒng)設(shè)計合理。

3 總結(jié)

本文通過設(shè)計背景減除法、LBP特征提取、SVM分類

器的訓(xùn)練等一系列圖像信息處理算法，并將這些算法用

Python語言在樹莓派上實現(xiàn)，完成了智能家居場景下人形識別系統(tǒng)的開發(fā)，本系統(tǒng)將在智能家居方面有廣泛的應(yīng)用。

［1］毛志智.人形識別關(guān)鍵技術(shù)的研究與實現(xiàn)［D］.武漢：華中科技大學(xué)，2011.

［2］李琪.基于支持向量機的人形檢測［D］.昆明：昆明理工大學(xué)，2007.

［3］鄧昀，李朝慶，程小輝.基于物聯(lián)網(wǎng)的智能家居遠程無線監(jiān)控系統(tǒng)設(shè)計［J］.計算機應(yīng)用，2017（01）：159-165.