第1期 田国会，等：家庭智能空间下基于场景的人的行为理解 ·59 共l0个状态.Statel~State9的区域如图3所示，其 式是看电视和休息(Rest/Watch TV),书桌区域 中Sate0是去除已经划分的状态外的区域，描述为 Sate9的日常行为模式为学习(Study). 自由区域状态 把老年人在日常生活中出现的非主观意愿支配 基于场景的行为模式是统计人体在不同区域状 的，具有一定特殊性、偶然性、不可以准确预期的异 态的活动，将其划分为区域日常行为模式和突发异 于正常行为的情况统称为异常行为.异常行为包括 常行为模式.区域的日常行为模式，是人体在该区域 突发异常行为和反常习惯.不同区域的突发异常行 中经常从事的正常的行为，区域的日常行为模式是 为模式是相同的，主要有病倒事件和长时间静止 下文中人的意图理解的基础.表1描述了根据家庭 Fall down with an illness,keep still for long time), 智能空间的区域行为模式，不同区域的日常行为模 表1. 式各不相同，例如沙发区域(State5)的日常行为模 表1基于场景的行为模式划分 Tablel Patterns of behavior based on the scene 区域状态 模式划分 State0 Statel State2 State3 State4 State5 State6 State7 State8 State9 日常行为模式 Walk/Stand Out/In Rinse Drink Eat Rest/TV Take medicine Enjoy Sleep Study 突发异常行为模式 Fall down with an illness,keep still for long time 本文根据人在房间中不同区域状态的活动顺序 间，对行为理解没有太大的意义，只有结合周围的场 来描述人的行为习惯.例如，早晨人的正常行为习惯 景以及一些历史数据才能更好地理解人的行为.下文 顺序是：起床—洗漱—喝水—吃饭一看电 将详细阐述行为的描述方法和检测方法。 视一出门锻炼；如果当前行为的状态转移顺序为 3.1位置关联矩阵的建立 起床—洗漱—喝水—吃饭—看新闻—休 位置关联矩阵是对图像中当前人体位置的观测 息，则被检测为反常习惯.表2描述了时段T 值和场景中物品区域进行关联而建立的矩阵.首先 (7:00一9：00)一个日常行为习惯的例子，人的状态 通过运动检测提取运动人体在图像中的位置，同时 转移的顺序是State8-State2-Statae3-State4- 通过坐标转换和身高模型确定人体在环境中的坐 State5-State1,状态持续的时间分别是32min、 标1，然后利用已经划分的房间的区域状态，判断 11min、4.83min、20.67min、32min、16min.其中， 人体位置和区域的相对关系建立矩阵，最后结合区 State0不参与人的日常行为习惯的描述，因此表2 域状态行为模式分析人的意图.在位置关联过程中 中没有标记State0持续的时间. 需要注明的是：若运动人体检测超出视觉可见区域， 表2家庭智能空间中一个日常行为习惯的例子 则定义人体依然滯留在前一个区域状态。 Table 2 The example of human daily behavior in home in- 位置关联矩阵记为R,建立过程如下：首先以场 telligent space 景中物品所占的区域和当前所检测目标的环境坐标 状态区域 起始时间 持续时间/min 为元素建立矩阵D,“行”为当前帧观测目标O, State8 7:00-7:32 32.00 x、y为目标在环境中的坐标值；“列”为物品区域 State2 7:337:44 11.00 {S,S2,…,Sn},n为已划分的物品区域的数量.基 State3 7:45-7:49:50 4.83 于D矩阵，建立判断矩阵R,对当前帧的运动人体 State4 7:50—8:10:40 20.67 目标质心O,判断与物品区域S:的关系，若 State5 8:118:43 0》∈S:则置R中相应值为1，否则为0.人体位置 32.00 与State5关联的实例，如表3. Statel 8:449:00 16.00 表3位置关联矩阵R 3 行为描述及检测 Table 3 Location matrix R 区域状态 人体位置 区域状态人体位置 运动人体的检测是行为理解的基础，利用多个摄 state0 0 state5 1 像机检测人体运动，同时确定人体在环境中的位 置21然而，单纯地确定人体在环境中坐标、持续时 statel 0 state6 0