TW202232381A

TW202232381A - 特徵辨識方法及其系統

Info

Publication number: TW202232381A
Application number: TW110105038A
Authority: TW
Inventors: 趙尚威
Original assignee: 趙尚威
Priority date: 2021-02-09
Filing date: 2021-02-09
Publication date: 2022-08-16
Also published as: TWI779488B

Abstract

一種特徵辨識方法及其系統，於一或多個預設單幀圖像，分別辨識出一形體輪廓參數，再辨識出該形體輪廓參數所在之環境特徵參數及該形體輪廓參數上的裝備特徵參數，並產生出一或多個預設特徵向量參數，之後於一或多個待測單幀圖像進行辨識出一或多個待測特徵向量參數，並依據該預設特徵向量參數進行該待測單幀圖像之比對與判斷。

Description

特徵辨識方法及其系統

本發明是有關一種特徵辨識方法及其系統，特別是一種能夠於特定環境與位置處，進行辨識是否有符合規定之特徵辨識方法及其系統。

目前常見的人工智慧影像辨識，大多是針對某一特定區域進行辨識（例如面部辨識），其他更能夠針對某些特殊需求，則需要對畫面上的人與物來進行辨識。

然而不同的場景與環境，往往需要的辨識功能通常都會不同，例如針對某個醫院手術房，由於都有一定的服裝規定，而除了服裝規定之外，某些操作設備更是有一定的操作標準，這若是能夠搭配人工智慧影像辨識技術，將能夠更有效的協助於特定環境或位置的安全性管控之運作。

因此，若能夠於一或多個預設影片或是預設靜態圖像中（合乎特定規定的影像內容）中分別辨識出一形體輪廓參數，再辨識出所在之環境特徵參數及裝備特徵參數，並產生出該形體輪廓參數的特徵向量參數，之後於一或多個待測影片或是待測靜態圖像中（欲監控位置與欲監控對象的影像內容）中進行辨識，並再進行比對，以辨識出欲監控對象是否有合乎規定，因此本發明應為一最佳解決方案。

本發明特徵辨識方法，其步驟為： (1) 輸入一或多個預設單幀圖像，分別辨識出一形體輪廓參數、一環境特徵參數及一裝備特徵參數，並依據該形體輪廓參數、環境特徵參數、該裝備特徵參數之內容，產生出一或多個預設特徵向量參數（該形體輪廓參數、該環境特徵參數及該裝備特徵參數能夠由單一個預設單幀圖像辨識出來，或由多個不同或相同之預設單幀圖像辨識出來）；以及 (2) 輸入一或多個待測單幀圖像，進行辨識出一或多個依據形體輪廓參數、環境特徵參數、該裝備特徵參數所產生之待測特徵向量參數，並依據該預設特徵向量參數進行該待測單幀圖像之比對與判斷（亦能夠用以依據該預設特徵向量參數及該待測特徵向量參數，進行該預設單幀圖像與該待測單幀圖像之比對與判斷）。

更具體的說，所述形體輪廓參數係為人體輪廓、動物輪廓或是物體輪廓。

更具體的說，所述環境特徵參數之內容係為一或多個特定環境之範圍圖像內容，其中該範圍圖像內容係包含圖像資訊或位置資訊或結構資訊。

更具體的說，所述裝備特徵參數之內容係為一或多個特定裝備之種類或/及穿戴位置。

更具體的說，所述預設特徵向量參數更包含有一特定動作參數，該特定動作參數係於一或多個預設單幀圖像，並將該預設單幀圖像之形體輪廓參數的特定動作，產生為該特定動作參數（而該預設單幀圖像之形體輪廓參數的特定動作參數能夠由至少一個預設影片中或是由至少一個預設靜態圖像中進行規則式演算辨識出來）（亦可用AI自動學習技術/AI模型進行辨識）。

更具體的說，所述更能夠輸入任一個或任多個待測單幀圖像進行辨識，並依據該特定動作參數，進行比對該形體輪廓參數的特定動作，以判斷兩者的相似度（而該待測單幀圖像之形體輪廓參數的特定動作參數能夠由至少一個待測影片中或是由至少一個待測靜態圖像中進行規則式演算辨識出來）（亦可用AI自動學習技術/AI模型進行辨識）。

更具體的說，所述特定動作參數更能夠依據不同的特定動作來區分為不同的動作類型。

更具體的說，所述更能夠輸入一或多個預設多幀圖像，並進行辨識每兩幀圖像之間的形體輪廓參數動作變化，再將每兩幀圖像之間的形體輪廓參數動作變化產生為一連續性動作參數（而該預設多幀圖像之形體輪廓參數動作變化的連續性動作參數能夠由至少一個預設影片中或是由多個預設靜態圖像中進行規則式演算辨識出來）（亦可用AI自動學習技術/AI模型進行辨識）。

更具體的說，所述更能夠輸入一或多個待測多幀圖像進行辨識，並依據該連續性動作參數，進行比對該待測多幀圖像及該預設多幀圖像，用以判斷兩者的相似度（而該待測多幀圖像之形體輪廓參數動作變化的連續性動作參數能夠由至少一個待測影片中或是由多個待測靜態圖像中進行規則式演算辨識出來）（亦可用AI自動學習技術/AI模型進行辨識）。

更具體的說，所述連續性動作參數更能夠依據不同的形體輪廓參數動作變化來區分為不同的動作類型。

更具體的說，所述更能夠輸入一或多個預設多幀圖像，並進行辨識每兩幀圖像之間的形體輪廓參數使用物品之動作變化，再將每兩幀圖像之間的形體輪廓參數使用物品之動作變化產生為一物品使用動作參數（而該預設多幀圖像之形體輪廓參數使用物品之動作變化的物品使用動作參數能夠由至少一個預設影片中或是由多個預設靜態圖像中進行規則式演算辨識出來）（亦可用AI自動學習技術/AI模型進行辨識）。

更具體的說，所述更能夠輸入一或多個待測多幀圖像進行辨識，並依據該物品使用動作參數，進行比對該待測多幀圖像及該預設多幀圖像，用以判斷兩者的相似度（而該待測多幀圖像之形體輪廓參數使用物品之動作變化的物品使用動作參數能夠由至少一個待測影片中或是由多個待測靜態圖像中進行規則式演算辨識出來）（亦可用AI自動學習技術/AI模型進行辨識）。

更具體的說，所述物品使用動作參數更能夠依據不同的形體輪廓參數使用物品之動作變化來區分為不同的動作類型。

更具體的說，所述能夠依據判斷之結果，進行發出不同類型之通知訊息。

一種特徵辨識系統，係設置於一電子設備上，而該電子設備有至少一個處理器及至少一個電腦可讀取記錄媒體，該等電腦可讀取記錄媒體儲存有多個影片檔或/及圖片檔，其中該電腦可讀取記錄媒體更進一步儲存有至少一個用於進行辨識之應用單元，當由該等處理器執行該等應用單元時，導致該電子裝置進行下列程序：於啟動之應用單元中，能夠於一或多個預設單幀圖像中分別辨識出一形體輪廓參數、一環境特徵參數及一裝備特徵參數，並產生出一或多個預設特徵向量參數，之後再於一或多個待測單幀圖像中辨識出一或多個依據形體輪廓參數、環境特徵參數、該裝備特徵參數所產生之待測特徵向量參數，並依據該預設特徵向量參數進行該待測單幀圖像之比對與判斷（亦能夠用以依據該預設特徵向量參數及該待測特徵向量參數，進行該預設單幀圖像與該待測單幀圖像之比對與判斷）。

更具體的說，所述應用單元係至少包含：一輸入模組，用以輸入一或多個預設單幀圖像及一或多個待測單幀圖像；一輪廓偵測模組，係與該輸入模組相連接，用以將該輸入模組輸入之內容進行辨識，以至少辨識出該預設單幀圖像之形體輪廓參數及該待測單幀圖像之形體輪廓參數；一物件特徵偵測模組，係與該輸入模組相連接，用以將該輸入模組輸入之內容進行辨識，以至少辨識出該預設單幀圖像之裝備特徵參數及該待測單幀圖像之裝備特徵參數；一環境特徵參數偵測模組，係與該輸入模組相連接，用以將該輸入模組輸入之內容進行辨識，以至少辨識出該預設單幀圖像之環境特徵參數及該待測單幀圖像之環境特徵參數；一特徵向量建立模組，係與該輪廓偵測模組、物件特徵偵測模組及環境特徵參數偵測模組相連接，係至少依據該形體輪廓參數、環境特徵參數、該裝備特徵參數之內容，分別形成一或多個預設特徵向量參數及一或多個待測特徵向量參數；以及一比對模組，係與該特徵向量建立模組相連接，用以依據該預設特徵向量參數，進行該待測單幀圖像之比對與判斷（亦能夠用以依據該預設特徵向量參數及該待測特徵向量參數，進行該預設單幀圖像與該待測單幀圖像之比對與判斷）。

有關於本發明其他技術內容、特點與功效，在以下配合參考圖式之較佳實施例的詳細說明中，將可清楚的呈現。

請參閱第1圖，為本發明特徵辨識方法及其系統之流程示意圖，由圖中可知，其步驟為： (1) 輸入一或多個預設單幀圖像，分別辨識出一形體輪廓參數、一環境特徵參數及一裝備特徵參數，並依據該形體輪廓參數、環境特徵參數、該裝備特徵參數之內容，產生出一或多個預設特徵向量參數101；以及 (2) 輸入一或多個待測單幀圖像，進行辨識出一或多個依據形體輪廓參數、環境特徵參數、裝備特徵參數產生之待測特徵向量參數，並依據該預設特徵向量參數進行該待測單幀圖像之比對與判斷102。

本案所提及之比對跟判斷，除了能夠以規則式演算影像進行辨識之外，也有可能是如機器學習模型是運用集成的參數的一部分或全部（即預設特徵向量）進行推論計算，而本案所提及之預設單幀圖像除了能直接比較之外，亦可以做為中間素材或資料集使用。

本案除了能夠依據該預設特徵向量參數進行該待測單幀圖像之比對與判斷，亦能夠依據該預設特徵向量參數及該待測特徵向量參數，進行該預設單幀圖像與該待測單幀圖像之比對與判斷。

本案能夠以人工智慧辨識技術，各別辨識出形體輪廓參數、環境特徵參數及裝備特徵參數後，再將環境特徵參數及裝備特徵參數建立為一預設特徵向量參數；但除了這種模式之外，亦能夠先辨識出該形體輪廓參數，再依據該形體輪廓參數進一步辨識出該形體輪廓參數周圍的環境特徵參數與該形體輪廓參數上的裝備特徵參數，能夠依據不同辨識需求來改變辨識模式，故上述辨識出來的參數能夠組合形成一個預設特徵向量參數/待測特徵向量參數，或是分別形成多個預設特徵向量參數/待測特徵向量參數。

而本案之形體輪廓參數、環境特徵參數及裝備特徵參數係能夠相互交叉形成關聯，並以之間的關聯形成特徵向量參數內容，舉例如下： (1) 形體輪廓參數VS環境特徵參數，也就是某個形體輪廓是否位於某個環境位置內、或是某個形體輪廓與某個環境位置之間的相對關係（相對距離、相對高度或/及相對角度）。 (2) 形體輪廓參數VS裝備特徵參數，也就是某個形體輪廓上是否具有某個裝備、或是某個形體輪廓與某個裝備之間的相對關係（相對距離、相對高度或/及相對角度）。 (3) 形體輪廓參數VS環境特徵參數VS裝備特徵參數，也能夠把三者之間的關係做為符合的規則設定與判斷，也就是某個形體輪廓具有某個裝備、並位於某個環境位置內，且某個形體輪廓、某個裝備與某個環境位置之間亦具有相對關係（相對距離、相對高度或/及相對角度）。

而本案所使用之預設影片或預設圖像的內容，主要是規定（規範）之標準內容，所以能夠先行錄製出一規格的影像內容或是拍攝合乎規格的靜態影像內容，例如於一特定環境的位置處，拍攝出人員的標準穿著、標準動作或是操作設備的標準動作順序等等的規範內容，而之後才能夠以該預設影片或預設圖像的內容判斷待測影片中的監控環境之監控對象是否合乎規範。

請參閱第2、3及4圖，為本發明特徵辨識方法及其系統之系統架構示意圖、電腦可讀取記錄媒體架構示意圖及應用單元架構示意圖，由圖中可知，該系統係設置於一電子設備2（電子設備係能夠為伺服器設備或是電腦設備或是整合式電腦設備）內，而一監控攝影機1係設置朝向一監控環境之特定監控位置處（特定監控位置處係會有一框線或是某一台設備儀器的周圍環境圖像內容，用以能夠明確監控對象）；

而該電子設備2係具有至少一個處理器21及至少一個電腦可讀取記錄媒體22，其中該等電腦可讀取記錄媒體22內係具有一媒體檔儲存區221及一應用單元222，該媒體檔儲存區221係具有一或多個預設影像檔（影片檔或是圖片檔，該影片檔係為預設影片檔及待測影片檔，圖片檔係為預設圖片檔及待測圖片檔）；

其中該電腦可讀取記錄媒體更進一步儲存有至少一個用於進行辨識之應用單元222，當由該等處理器21執行該應用單元222時，導致該電子裝置1進行下列程序：於啟動之應用單元中，能夠於該預設影片檔或是預設圖片檔中進行辨識（能夠進行規則式演算影像辨識或是以AI自動學習/AI模型辨識）出一形體輪廓參數、一環境特徵參數及一裝備特徵參數，並依據該形體輪廓參數、環境特徵參數及裝備特徵參數之三者之間的相對關係，以產生出一或多個預設特徵向量參數，之後再於該待測影片檔中取出一或多個待測單幀圖像進行辨識（能夠進行規則式演算影像辨識或是以AI自動學習/AI模型辨識），並依據該預設特徵向量參數進行比對，用以判斷兩者的相似度。

而該應用單元222係包含： (1) 一輸入模組22201，用以輸入一或多個預設單幀圖像及一或多個待測單幀圖像（預設單幀圖像及待測單幀圖像是由影片檔或是圖片檔所擷取出來）； (2) 一輪廓偵測模組22202，係與該輸入模組22201相連接，用以將該輸入模組22201輸入之預設影像檔（影片檔或是圖片檔）及待測影像檔（影片檔或是圖片檔）進行辨識，以至少辨識出該預設影像檔之形體輪廓參數及該待測影像檔之形體輪廓參數，其中所述形體輪廓參數係為人體輪廓或是動物輪廓； (3) 一物件特徵偵測模組22203，係與該輸入模組22201相連接，用以將該輸入模組22201輸入之預設影像檔（影片檔或是圖片檔）及待測影像檔（影片檔或是圖片檔）進行辨識，以至少辨識出該預設影像檔之裝備特徵參數及該待測影像檔之裝備特徵參數，其中裝備特徵參數之內容係為一特定裝備之種類或/及穿戴位置； (4) 一環境特徵參數偵測模組22204，係與該輸入模組22201相連接，用以將該輸入模組22201輸入之預設影像檔（影片檔或是圖片檔）及待測影像檔（影片檔或是圖片檔）進行辨識，以至少辨識出該預設影像檔之環境特徵參數及該待測影像檔之環境特徵參數，其中環境特徵參數之內容係為一特定環境之範圍圖像內容（例如一框線或是某一台設備儀器的周圍環境圖像內容）； (5) 一特徵向量建立模組22205，係與該輪廓偵測模組22202、物件特徵偵測模組22203及環境特徵參數偵測模組22204相連接，係至少依據該預設影像檔及該待測影像檔之環境特徵參數及該裝備特徵參數之內容，分別形成一或多個預設特徵向量參數及一或多個待測特徵向量參數； (6) 一比對模組22206，係與該特徵向量建立模組22205相連接，用以依據該預設特徵向量參數及該待測特徵向量參數，進行判斷與比對； (7) 一特定動作特徵偵測模組22207，係與該輸入模組22201及該特徵向量建立模組22205相連接，用以將該輸入模組22201輸入之預設影像檔及待測影像檔進行辨識，於該預設影像檔及待測影像檔中皆取出一或多個單幀圖像，並進行辨識該單幀圖像之形體輪廓參數的特定動作，以產生出該預設影像檔之特定動作參數及該待測影像檔之特定動作參數（特定動作參數之內容亦可為預設特徵向量參數及待測特徵向量參數之組成要素之一），其中特定動作參數更能夠依據不同的特定動作，進行區分為不同類型的動作； (8) 一連續動作特徵偵測模組22208，係與該輸入模組22201及該特徵向量建立模組22205相連接，用以將該輸入模組22201輸入之預設影像檔及待測影像檔進行辨識，於該預設影像檔及待測影像檔中皆取出一或多個多幀圖像，並辨識每兩個連續單幀圖像之間的形體輪廓參數動作變化，再將每兩幀圖像之間的形體輪廓參數動作變化，以產生出該預設影像檔之連續性動作參數及該待測影像檔之連續性動作參數（連續性動作參數之內容亦可為預設特徵向量參數及待測特徵向量參數之組成要素之一），其中連續性動作參數更能夠依據不同的形體輪廓參數動作變化，進行區分為不同類型的動作； (9) 一物品動作特徵偵測模組22209，係與該輸入模組22201及該特徵向量建立模組22205相連接，用以將該輸入模組22201輸入之預設影像檔及待測影像檔進行辨識，於該預設影像檔及待測影像檔中皆取出一或多個多幀圖像，並辨識每兩個連續單幀圖像之間的形體輪廓參數使用物品之動作變化，再將每兩幀圖像之間的形體輪廓參數使用物品之動作變化，以產生為該預設影像檔之物品使用動作參數及該待測影像檔之物品使用動作參數（物品使用動作參數之內容亦可為預設特徵向量參數及待測特徵向量參數之組成要素之一），其中物品使用動作參數更能夠依據不同的形體輪廓參數使用物品之動作變化，進行區分為不同類型的動作； (10) 一通報模組22210，係與該比對模組22206相連接，用以依據兩者的比對結果來發出至少一個通知訊息。

而當要先辨識出該形體輪廓參數時，該輪廓偵測模組22202則能夠先進行辨識形體輪廓參數，之後將該輪廓偵測模組22202與該物件特徵偵測模組22203及該環境特徵參數偵測模組22204相連接，用以再依據該形體輪廓參數進一步辨識出該形體輪廓參數周圍的環境特徵參數與該形體輪廓參數上的裝備特徵參數。

以醫院手術房做為案例進行第一舉例，舉例如下： (1) 首先，能夠於手術房入口處設置一定位框，並使用監控攝影機1朝向該定位框，而相關醫護人員通過該定位框時，能夠要求站於定位框內（但由於目前攝影設備之技術極其發展，故即使醫護人員不停留於定位框內，也能準確追蹤拍攝到醫護人員）（除了拍攝影片之外，亦能夠拍攝多張照片用於辨識）； (2) 先拍攝醫院手術房之醫護人員的規定穿著之預設影片，再對該預設影片中的內容進行辨識，進行辨識如下內容： (a) 定位框處（環境特徵參數，為定位框處的區域座標範圍，例如V11~V19（除了9個點之外，也能夠取更多點圈出區域座標範圍來））； (b) 定位框處的醫護人員（形體輪廓參數，醫護人員輪廓的區域座標範圍，例如V21~V29（除了9個點之外，也能夠取更多點圈出區域座標範圍來））； (c) 醫護人員上的穿著（裝備特徵參數的區域座標範圍，例如V31~V39（除了9個點之外，也能夠取更多點圈出區域座標範圍來））； (d) 再依據該環境特徵參數及該裝備特徵參數之內容，產生出一預設特徵向量參數{V11~V19，V21~V29，V31~V39}。 (3) 之後，開始陸續監控以拍攝通過該定位框的待測醫護人員之待測影片（除了拍攝影片之外，亦能夠拍攝多張照片用於辨識），並同時也對該待測影片中的內容進行辨識，進行辨識出定位框處（環境特徵參數，例如T11~T19）的待測醫護人員（形體輪廓參數，例如T21~T29），以及待測醫護人員上的穿著（裝備特徵參數，例如T31~T39），並再依據該環境特徵參數及該裝備特徵參數之內容，產生出一待測特徵向量參數{T11~V19，T21~V29，T31~V39}； (4) 最後，進行比對該預設特徵向量參數{V11~V19，V21~V29，V31~V39}及該待測特徵向量參數{T11~V19，T21~V29，T31~V39}，則能取得兩者之差異，若差異太大（例如區域座標範圍所圈出之形狀差別太大），則提出通報以進行警示。 (5) 另外，更能夠定義定位框處與醫護人員之間的相對距離、醫護人員上的穿著與醫護人員之間的相對距離，做為三者之間的關係參數，並加入預設特徵向量參數與待測特徵向量參數內。

以醫院手術房做為案例進行第二舉例，舉例如下： (1) 首先，能夠使用監控攝影機1朝向一催眠設備； (2) 先拍攝醫院手術房之催眠人員的規範連續動作之預設影片（除了拍攝影片之外，亦能夠拍攝多張照片用於辨識），再取出每兩個連續之單幀圖像，以辨識每兩個連續之單幀圖像的形體輪廓參數動作變化差異，並將連續性的差異紀錄為一連續性動作參數（連續性動作參數亦能夠以多個連續性之區域座標範圍針對形體輪廓參數動作變化所圈出的範圍來記錄），並將連續性動作參數併入預設特徵向量參數內； (3) 之後，開始陸續監控實際情況下，手術房之催眠人員的連續動作之待測影片（除了拍攝影片之外，亦能夠拍攝多張照片用於辨識），並同時也對該待測影片中的內容進行辨識，以辨識每兩個連續之單幀圖像的形體輪廓參數動作變化差異，並將連續性的差異紀錄為一連續性動作參數（連續性動作參數亦能夠以多個連續性之區域座標範圍針對形體輪廓參數動作變化所圈出的範圍來記錄），並將連續性動作參數併入待測特徵向量參數內； (4) 最後，進行比對該預設特徵向量參數及該待測特徵向量參數（若只要判斷連續性動作，亦能夠直接將預設特徵向量參數及該待測特徵向量參數之連續性動作參數進行比對），則能取得兩者之差異，若差異太大（例如連續性的區域座標範圍所圈出之形狀差別太大），則提出通報以進行警示。

以病房做為案例進行第三舉例，舉例如下： (1) 首先，能夠使用監控攝影機1朝向一病床； (2) 先拍攝某些跌倒動作之預設影片（除了拍攝影片之外，亦能夠拍攝多張照片用於辨識），再取出一或多個單幀圖像，並進行辨識該單幀圖像之形體輪廓參數的特定肢體動作，並產生出該預設影片之特定動作參數（特定動作參數能夠以區域座標範圍所圈出的特定肢體動作範圍來記錄），並將特定動作參數併入預設特徵向量參數內； (3) 之後，開始陸續監控實際情況下，對朝向病床拍攝待測影片（除了拍攝影片之外，亦能夠拍攝多張照片用於辨識），並同時也對該待測影片中的內容進行辨識，以辨識單幀圖像之形體輪廓參數的特定肢體動作，並產生出該待測影片之特定動作參數（特定動作參數能夠以區域座標範圍所圈出的特定肢體動作範圍來記錄），並將特定動作參數併入待測特徵向量參數內； (4) 最後，進行比對該預設特徵向量參數及該待測特徵向量參數（若只要判斷特定肢體動作，亦能夠直接將預設特徵向量參數及該待測特徵向量參數之特定動作參數進行比對），則能取得兩者之差異，若差異太大（例如區域座標範圍所圈出的特定肢體動作範圍之形狀差別太大），則提出通報以進行警示。

本發明所提供之特徵辨識方法及其系統，與其他習用技術相互比較時，其優點如下： (1) 本發明能夠於一預設影像檔（合乎特定規定的影像內容）中分別辨識出一形體輪廓參數，再辨識出該形體輪廓參數所在之環境特徵參數及該形體輪廓參數上的裝備特徵參數，並產生出該形體輪廓參數的特徵向量參數，之後於一或多個待測影像檔（欲監控位置與欲監控對象的影像內容）中進行辨識，最後再將兩者進行比對，用以判斷兩者的相似度，如此將能夠辨識出欲監控對象是否有合乎規定。 (2) 本發明當要辨識預設影像檔與待測影像檔時，能夠以規則式演算或是AI自動學習技術/AI模型進行辨識。

本發明已透過上述之實施例揭露如上，然其並非用以限定本發明，任何熟悉此一技術領域具有通常知識者，在瞭解本發明前述的技術特徵及實施例，並在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，因此本發明之專利保護範圍須視本說明書所附之請求項所界定者為準。

1:監控攝影機 2:電子設備 21:處理器 22:電腦可讀取記錄媒體 221:媒體檔儲存區 222:應用單元 22201:輸入模組 22202:輪廓偵測模組 22203:物件特徵偵測模組 22204:環境特徵參數偵測模組 22205:特徵向量建立模組 22206:比對模組 22207:特定動作特徵偵測模組 22208:連續動作特徵偵測模組 22209:物品動作特徵偵測模組 22210:通報模組

[第1圖]係本發明特徵辨識方法及其系統之流程示意圖。 [第2圖]係本發明特徵辨識方法及其系統之系統架構示意圖。 [第3圖]係本發明特徵辨識方法及其系統之電腦可讀取記錄媒體架構示意圖。 [第4圖]係本發明特徵辨識方法及其系統之應用單元架構示意圖。

Claims

一種特徵辨識方法，其步驟為：輸入一或多個預設單幀圖像，分別辨識出一形體輪廓參數、一環境特徵參數及一裝備特徵參數，並依據該形體輪廓參數、環境特徵參數、該裝備特徵參數之內容，產生出一或多個預設特徵向量參數；以及輸入一或多個待測單幀圖像，進行辨識出一或多個待測特徵向量參數，並依據該預設特徵向量參數進行該待測單幀圖像之比對與判斷。
如請求項1所述之特徵辨識方法，其中該形體輪廓參數係為人體輪廓、動物輪廓或是物體輪廓。
如請求項1所述之特徵辨識方法，其中該環境特徵參數之內容係為一或多個特定環境之範圍圖像內容，其中該範圍圖像內容係包含圖像資訊或位置資訊或結構資訊。
如請求項1所述之特徵辨識方法，其中該裝備特徵參數之內容係為一或多個特定裝備之種類或/及穿戴位置。
如請求項1所述之特徵辨識方法，其中該預設特徵向量參數更包含有一特定動作參數，該特定動作參數係透過該預設單幀圖像之形體輪廓參數的特定動作，產生為該特定動作參數。
如請求項5所述之特徵辨識方法，其中更能夠輸入任一個或任多個待測單幀圖像進行辨識，並依據該特定動作參數，進行比對該形體輪廓參數的特定動作，以判斷兩者的相似度。
如請求項5所述之特徵辨識方法，其中特定動作參數更能夠依據不同的特定動作來區分為不同的動作類型。
如請求項1所述之特徵辨識方法，其中更能夠輸入一或多個預設多幀圖像，並進行辨識每兩幀圖像之間的形體輪廓參數動作變化，再將每兩幀圖像之間的形體輪廓參數動作變化產生為一連續性動作參數。
如請求項8所述之特徵辨識方法，其中更能夠輸入一或多個待測多幀圖像進行辨識，並依據該連續性動作參數，進行比對該待測多幀圖像及該預設多幀圖像，用以判斷兩者的相似度。
如請求項8所述之特徵辨識方法，其中連續性動作參數更能夠依據不同的形體輪廓參數動作變化來區分為不同的動作類型。
如請求項1所述之特徵辨識方法，其中更能夠輸入一或多個預設多幀圖像，並進行辨識每兩幀圖像之間的形體輪廓參數使用物品之動作變化，再將每兩幀圖像之間的形體輪廓參數使用物品之動作變化產生為一物品使用動作參數。
如請求項11所述之特徵辨識方法，其中更能夠輸入一或多個待測多幀圖像進行辨識，並依據該物品使用動作參數，進行比對該待測多幀圖像及該預設多幀圖像，用以判斷兩者的相似度。
如請求項11所述之特徵辨識方法，其中物品使用動作參數更能夠依據不同的形體輪廓參數使用物品之動作變化來區分為不同的動作類型。
如請求項1所述之特徵辨識方法，其中能夠依據判斷之結果，進行發出不同類型之通知訊息。
一種特徵辨識系統，係設置於一電子設備上，而該電子設備有至少一個處理器及至少一個電腦可讀取記錄媒體，該等電腦可讀取記錄媒體儲存有多個影片檔或/及圖片檔，其中該電腦可讀取記錄媒體更進一步儲存有至少一個用於進行辨識之應用單元，當由該等處理器執行該等應用單元時，導致該電子裝置進行下列程序：於啟動之應用單元中，能夠於一或多個預設單幀圖像中分別辨識出一形體輪廓參數、一環境特徵參數及一裝備特徵參數，並產生出一或多個預設特徵向量參數，之後再於一或多個待測單幀圖像中辨識出一或多個待測特徵向量參數，並依據該預設特徵向量參數進行該待測單幀圖像之比對與判斷。
如請求項15所述之特徵辨識系統，其中該應用單元係至少包含：一輸入模組，用以輸入一或多個預設單幀圖像及一或多個待測單幀圖像；一輪廓偵測模組，係與該輸入模組相連接，用以將該輸入模組輸入之內容進行辨識，以至少辨識出該預設單幀圖像之形體輪廓參數及該待測單幀圖像之形體輪廓參數；一物件特徵偵測模組，係與該輸入模組相連接，用以將該輸入模組輸入之內容進行辨識，以至少辨識出該預設單幀圖像之裝備特徵參數及該待測單幀圖像之裝備特徵參數；一環境特徵參數偵測模組，係與該輸入模組相連接，用以將該輸入模組輸入之內容進行辨識，以至少辨識出該預設單幀圖像之環境特徵參數及該待測單幀圖像之環境特徵參數；一特徵向量建立模組，係與該輪廓偵測模組、物件特徵偵測模組及環境特徵參數偵測模組相連接，係至少依據該形體輪廓參數、環境特徵參數、該裝備特徵參數之內容，分別形成一或多個預設特徵向量參數及一或多個待測特徵向量參數；以及一比對模組，係與該特徵向量建立模組相連接，用以依據該預設特徵向量參數，進行該待測單幀圖像之比對與判斷。