摘  要

 

睡眠大概占据了我们三分之一的生命，是我们日常生活中不可或缺的一部分。一方面，随着科学医学技术的进步，现在用于医学的检测技术手段与器材越来越丰富，现代医学技术不仅能用来为已知的患者进行治疗，还可以对一些可能存在的风险进行预测与评估。另一方面，随着生活水平的提升，人们对自己和家人身体的健康状况也越来越关注。而对于一些特定的群体，如行动不便，患有呼吸相关疾病的人群等，关于睡眠时的安全问题也亟待解决。在这样的前提下，本文提出了利用Kinectv2深度摄像头的方法，通过实验模拟日常睡眠时可能呈现的各种情况，利用Kinect深度摄像头自动检测并实时通过控制台程序输出反馈结果。Kinect v2摄像头检测方法相比于传统的检测手段有较大的不同，最明显不同的地方在于，受检测的人员的睡姿检测全程仅在Kinect v2深度摄像头的监控下完成，由控制台调用并实时的反馈被观测者的睡眠姿势或其他情况，实验对象除了被摄像头监测以外和正常睡眠没有区别，不会影响睡眠时的质量。Kinect v2摄像头不仅能够获得彩色照片，还可以获得深度灰度照片以及人体骨骼照片，而且Kinect for Windows SDK v2.0版本新增了视频保存与回放的功能，我们可以更加方便的使用这些数据。明显地，对于日常睡姿的检测与识别，关灯或者光线比较暗淡是更加符合日常生活需求习惯的。一般的摄像头在黑暗或光线微弱的情况下就没办法正常工作了，但是这个Kinect v2摄像头可以昏暗的光线下获取环境中监测对象的深度信息，另外如果检测范围内有人像出现，它还能通过内部自带的庞大数据库与算法支持，利用深度信息进一步识别出人体的骨骼信息。所以即使是在光线昏暗或者是正常熄灯睡觉时，Kinect v2也能够正常工作。这些功能的实现都不得不依赖于Kinect v2拥有的不同于一般监控摄像头的独特的体感摄像头，它的红外体感摄像头可以发射并接收光波，并最多可以获得六个人的身体信息，而且它还可以在空间中给出每人最多25个关节点的三维空间坐标点。本文通过计算各关节点坐标之间的相对距离与角度，可以用于简单地判断特定的睡眠姿势。本算法较为简单，识别率较高，可为日常虚拟实验提供较为可靠的技术支持。

 

关键词：Kinect v2，睡姿识别，关节点，三维空间坐标

目  录

 

第一章 绪论 1

第一节 引言 1

第二节 国内外睡姿监测的研究现状 1

一、基于卷积神经网络的监测系统 1

二、用于睡眠监测的BCG测量系统设计及睡姿识别方法 1

三、基于Kinect的睡姿识别系统的研究 1

第三节 基于Kinect的睡姿识别系统存在的问题及发展前景 2

第二章 Kinectv2传感器及相关配置 3

第一节 Kinectv2传感器 3

第二节 深度信息获取原理 4

第三节 骨骼信息获取原理 5

第三章 相关软件下载及环境配置入门级 7

第一节 Visual studio 2019下载与安装 7

第二节 Kinect for Windows SDK 2.0工具包下载及调试 7

第三节 opencv4.5.2下载与配置 8

第四章 基于Kinect v2的睡姿识别MFC对话框应用的开发 10

第一节 睡姿识别的原理 10

一、 任意两个关节点的相对距离计算 10

二、 关节角度的定义和计算 10

第二节 人体骨骼获取及参考代码 11

第三节 程序运行效果展示 15

第四节 Kinect v2检测性能验证实验 16

第五节 睡姿识别系统识别模拟 18

第五章 结论 20

参考文献 21

致  谢 23