检测床上的人

Question

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：

1. 使用床对象的 RANSAC 估计平面。如果床上有人的话，这个平面应该离地平面更远。不过，这似乎非常不稳定，假设床的正常高度已知，并且如果床有可调节的头部（例如在医院），则很容易被破坏
2. 人脸检测。尝试检测床上的面孔。可能也不是很可靠，因为脸部可能位于相机的侧面并被部分覆盖。
3. 使用红外图像。我不确定你透过毯子能看到多少，如果这个人刚刚离开床而床还是热的，会发生什么？

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！

Answer 1

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。

1. 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）

2. 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。

3. 如果差异位于床内，则表明人在床上但正在移动。

4. 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）。

5. 还可以使用面部检测器来提高准确性。

Answer 2

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

Answer 3

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