假设我想知道床上是否有人,或者没有使用摄像头和计算机视觉算法。我们可以假设相机提供 RGB、红外和深度数据。
我真的不知道如何解决这个问题。到目前为止我想出了这个:
有什么好的方法吗?或者,为了可靠,您必须在床上使用压力传感器?
谢谢!
我不了解红外图像,但对于基于相机的视频处理,此类问题已被广泛研究。
如果您的问题是检测“通常是空的”床上的人,那么我认为最简单的算法是捕获连续的帧并计算它们的差异。 画面中人的存在将使其不同于仅捕捉空床的画面。根据像this这样的各种算法,你会得到不同的可靠性。
否则您可以直接在视频帧中进行人体检测。这里描述了一种可能的算法。
编辑:
你的问题比我想象的要难。以下方法可能会解决这些情况。 主要思想是同时使用一堆特征来获得更高的准确性并消除误报。
使用顶层的 HOG 人员检测器来检测人员进入场景。如果可能的入口门的位置已知或可以使用场景中的边缘线检测到,则可以使用它来提高准确性。 (在入口处,连续帧的差异将位于门附近)
使用边缘线来跟踪人类。并利用床边来追踪人的位置。人的边缘应该以床的边缘为界。
如果差异位于床内,则表明人在床上但正在移动。
如果需要,预处理步骤包括纹理分析、连接组件,以消除房间中可能移动的物体,以获得更高的精度(例如:- 由于空气而导致的衣服移动)。
还可以使用面部检测器来提高准确性。
相机使用的红外线与来自温暖物体的红外线信号的频率不同。除非您使用军用级红外扫描仪,否则您可以忘记连接红外温暖。但如果光线有限或者您将其用于深度图,红外仍然很有用。
选择深度(Kinect 风格)并将床估计为图像中的一个部分。它应该具有一些深度特征(一定的尺寸、平整度等)。床通常被易于分割的墙壁或地板包围。您的算法还可以调整到床的距离,并仅根据深度范围进行剪裁。
正如其他人所说,更多地了解您的特定目标或应用程序将很有用。床周围的背景或环境是什么?当里面没有人时,它看起来怎么样?一个人可以模拟他/她的存在(如越狱场景)等等
我参加聚会很晚了,但现在对于患者检测,您可以使用可以检测人的对象检测模型,例如 YOLO 模型
然后您可以使用一些深度学习分类模型将人分类为患者或非患者,例如vit_b_16模型,efficientNet系列模型,DeTR模型