基于kinect的家居安全防护系统

孟 欢

（江苏科技大学电气与信息工程学院，江苏苏州，215600）

基于kinect的家居安全防护系统

孟 欢

（江苏科技大学电气与信息工程学院，江苏苏州，215600）

为了更好的保障家庭生活的安全，本文提出了一种基于Kinect的家居安全防护系统。该系统利用Kinect传感器的人体行为识别、深度数据探测的功能完成入侵检测，并整合报警系统，形成了一整套的家居安全防护。此外，该系统可靠、有效，且操作简单，较传统的安全防护系统更加精准化、智能化。

Kinect；骨骼追踪;人体行为识别;k均值聚类算法;隐马尔科夫模型

0　引言

随着城镇化的快速推进，人们的生活水平和经济收入不断提高。此外，城市的流动人口数量也越来越大且相对复杂，入室盗窃、抢劫等案件经常发生，人民的生命财产安全受到了极大的威胁。传统的家庭安全防护系统主要由防盗窗、防盗门等机械式的家居防卫系统和由普通摄像头构成的家庭监控系统组成。然而机械式的家居防卫系统存在着影响建筑美观、市容整洁等问题，传统的家庭监控系统存在着功能单一，智能化不足等问题。面对当前犯罪分子作案手段日趋技能化、智能化和暴力化，单靠传统的家庭安全防护系统显然是已经不能满足人们的需求。因此，针对上述问题，本文提出了基于Kinect的家居安全防护系统。

1　Kinect传感器

1.1简介

Kinect是由微软研制出的一款3D体感摄像机，其主要的用途是实现人机之间的自然交互。起初，Kinect只是针对游戏主机XBOX360开发出的体感外设，使用领域仅限于游戏领域。但是随着该产品功能的不断完善和技术的渐渐成熟，它开始脱离XBOX360,直接和普通的电脑连接，逐渐应用到其他领域。Kinect外观如图一所示。共有三个摄像头，中间的是RGB摄像头，可以用来获取到640*480的彩色图像，图像采集速度可达30f/s（帧/秒）；左边是红外投影机，右边是红外摄像头，用于获取图像的深度数据；Kinect的两侧是L型布局的麦克风阵列，用于语音识别和声源定位；下方还有一个内置马达的底座，可以通过编程控制和调整摄像头的角度。

1.2工作原理

Kinect的工作原理主要是依靠三个摄像头。其中红外摄像头的功能十分强大，该摄像头能够实现捕捉图片、识别颜色等功能。当接收到红外线投影机发出的红外线，红外摄像头就可以通过识别物体的“深度场”，来识别人体的距离和特征。在“深度场”中，人体离Kinect越近，像素值越小，呈现的颜色越深。不同于传统的TOF(Time of Flight)利用飞行时间算出目标的距离和位置，Light coding 是给需要测量的空间打上激光散斑，根据测量出的散斑图案计算出该物体在空间内所处的位置。

2　系统设计方案

2.1硬件方案设计

图一 Kinect外观图

图二　系统硬件结构图

2.2软件方案设计

系统的软件设计采取模块化处理方式，主要包含主程序、Kinect初始化、人体行为识别、无线传输、GSM报警短信发送和扬声器报警等模块。Kinect初始化模块负责对Kinect外设进行初始化，是系统的基本模块；人体行为识别模块对Kinect视觉范围内的人体行为进行检测，判断其是否有非法举动；无线传输模块用于传输检测结果；GSM模块用于发送警报短信到指定的手机上；扬声器模块用于发出警报声驱赶非法入侵者。系统的软件流程图如图三所示。

图三 系统软件流程图

3　关键技术

3.1人体行为识别技术

本文通过Kinect传感器对运动人体检测，获取骨架关节点的坐标，并对运动特征进行提取，最后利用隐马尔科夫模型进行人体行为识别。

3.1.1骨骼追踪

首先，Kinect的COMS红外传感器通过黑白光谱的方式来感知环境并生成景深图像流，并形成一幅代表周围环境的景深图像；然后采用分割策略把目标人体从背景图像中分离出来，并将图像的像素数据传送到可以识别人体部位的机器学习系统中进行判定，确定20个人体骨架的空间关节点。20个骨架的空间关节点如图四所示。这20个空间关节点位置由一个X、Y、Z的三维直角坐标系表示。由于Kinect获取的骨架关节点是以Kinect的世界坐标系作为参考系，所以为了统一参考系，根据空间直角坐标系的转化方程对关节点坐标进行转换，建立人体关节点坐标。

图四　20个空间关节点

图六　K均值聚类算法流程图

3.1.2运动特征提取

国家老龄化研究所负责监管这笔新基金，所长理查德·霍德斯（Richard Hodes）称，研究所不仅仅想扩大现有的阿尔茨海默病实验室，还希望从其他领域吸引像贝克这样的研究人员，带来新的观念，而且许多研究人员正在做出回应。研究老龄化问题的西雅图市华盛顿大学教授马特·凯伯林（Matt Kaeberlein）说：“为了争取到这笔基金，几乎所有我认识的人都在他们的资助申请中说到了‘阿尔茨海默病’这个词。”

在进行分类之前需要进行运动特征提取。运动特征提取的过程即是把追踪获到的骨架关节点运动坐标序列聚类到有限的状态集中，经过矢量量化后使得每个行为被编码成一个有限的符号序列，这样，人体的骨架关节点的三维坐标就被转化为了符号序列。

这里使用的聚类算法是K均值聚类。K均值聚类算法因简单高效而被广泛地应用在智能监控方面。通过给定一个聚类数目K，K均值聚类算法便会使用距离函数把目标分为K个聚类。聚类中心以及分配给它们的目标所形成的簇集就代表一个聚类。全部目标都分配好之后，会根据聚类中现有的目标重新计算每个聚类的聚类中心。之后不断重复这个过程，直到数据集中的任一目标不再被分配给不同聚类。K均值聚类算法流程图如图六所示。

3.1.3分类识别

本文采取的是隐马尔科夫模型进行分类识别。这种模型以概率的方法来描述信号的变换过程，利用这种模型的特征可以很好的对人体行为进行分类识别。模型如图七所示。

(1)选取初始参数

初始参数的选取非常重要，直接影响识别的结果。该模型可用矩阵来表示。根据该模型的拓扑结构特性，设置初始状态概率矩阵=(1,0,0),状态转移矩阵A的初始值为

在初始化过程中，把全部状态输出的概率看作是均匀分布的。本文采用KTH数据库，人体行为码本M=30，所以观察概率矩阵B的初始值为

(2)训练参数集合

参数的训练是根据一个来自于已知集合的观察序列以及相关的一个隐藏状态集，来估计一个合理的模型，即确定对已知的观察序列描述最合适的模型参数三元组。一般通过采用Baum-Welch算法的多观察样本序列重估公式来训练模型参数。

(3)行为识别分类

在模型库建立好之后，对于给定的一系列未知的人体行为,首先获取观察符号序列,然后将其输入到模型库中，利用前向算法计算出观察符号序列的似然概率P,最后利用贝叶斯最大后验概率判定方法确定待识别行为的所属分类。行为识别过程如图八。

3.1.4人体行为识别技术在本系统中的应用

本系统中，利用Kinect获取深度图像，并在PC上使用Kinect for Windows SDK进行骨骼追踪，即使出现身体、面部遮挡的情况也一样可以获取骨骼数据。Kinect最多能够同时追踪6个人，并确定他们具体的位置，还能够提供其中两个人的骨骼追踪数据。站立模式可以追踪20个关节点，坐姿模式可以追踪10个关节点。提取到关节点空间坐标之后，再利用Kinect for Windows SDK进行运动特征提取和行为分类识别。如果Kinect检测到监控中人体出现非法行为，那么PC会通过XL02-232API无线传输模块把检测结果发给单片机，由单片机发送警报短信和警报声，阻止非法入侵。

4　结束语

当前，随着计算机技术的持续发展，智能家居已经成为嵌入式系统和物联网研究的热点。家庭安全防护系统作为智能家居的重要组成部分，其发展也是极为重要。本文以Kinect传感器为基础，利用深度图像数据进行人体行为识别，并使用GSM模块和扬声器构成报警装置，从而形成一种更加智能的家庭安全防护系统。该系统成本低廉，操作简单，如果能将该系统有效地应用到智能家居中，那么无疑会带来智能家居产业的重大变革。

图七　隐马尔科夫模型拓扑结构

图八　行为识别流程图

[1]张诗潮,钱冬明.体感技术现状和发展研究[J].华东师范大学学报:自然科学版,2014,(2):40-49.

[2]刘飞.基于Kinect骨架信息的人体动作识别:(硕士学位论文).上海:东华大学,2014.

[3]傅晓英.基于半连接HMM模型的人体行为识别研究与实现:(硕士学位论文).北京:北京交通大学,2009.

[4]黄康泉,陈壁金等.Kinect在视频会议系统中的应用[J].广西大学学报:自然科学版,2011,36(1):308-313.

[5]马国强,田云臣等.K-均值聚类算法在海水背景石斑鱼彩色图像分割中的应用[J].计算机应用与软件,2016,33(5):192-195.

A system based on kinect to realize safety protection of smart home

Meng Huan
(College of Electrical and Information Engineering,Jiangsu University of Science and Technology,Suzhou,215600)

In order to ensure the safety of the life of the family preferably,a system based on kinect to realize safety protection of smart home is presented in this article.The system makes use of the function of the kinect such as human action recognition and the exploration of depth data to complete the intrusion detection and integrates alarm system so that form a whole set of safety protection of smart home.Besides, the system iseffective,reliable and easy to operate.Compare with traditional system,it ismoreprecision and intelligence.

Kinect;Skeletal;Human action recognition;K-means clustering algorithm;Hidden Markov Model

孟欢（1996-），男，江苏盐城人，江苏科技大学在校本科生。