1.一种基于全方位视觉的独居老人安全监护系统，其特征在于：所述基于全方位视觉的独居老人安全监护系统包括全方位摄像装置和用于对全方位摄像装置所拍摄的全景图像以及相关输入信息对独居老人的活动量、姿态、摔倒以及生活行为习惯进行分析处理判断的微处理器；所述的全方位摄像装置放置在老人房间内客厅中间的上方，用于拍摄整个老人家庭内老人日常生活的视频图像；所述的全方位摄像装置与所述的微处理器进行连接，所述的微处理器包括：视频图像读取单元，用于读取全方位摄像装置所拍摄的全景图像，并将读取的全景图像提交给视频图像展开单元和视频图像存储单元；

视频图像展开单元，用于将全景图像进行柱状展开，展开后的全景柱状图像提交给前景对象检测单元；

空间位置定义单元，用于定义和命名在全景图像中老人室内空间位置；

家具和电器摆放位置输入单元，用于将所述的空间位置定义单元所定义的空间位置与老人家中的家具、电器和出入口建立映射关系；

前景对象检测单元，用于检测在全景柱状展开图像中存在的前景人体对象，具体采用MHI算法来计算前景人体对象，然后在柱状展开图像上用矩形框框住前景人体对象，并将矩形框提交给人体对象跟踪单元；

人体对象跟踪单元，根据前景对象检测单元所提交的矩形框采用Camshift算法对人体对象进行跟踪；

人体姿态分析单元，根据人体对象跟踪单元的结果采用人体模型算法估算出老人目前的姿态，并将当前的时刻、空间的位置和姿态的分析结果写入人体姿态数据库中；

摔倒检测单元，根据人体姿态的检测结果以及是否在非静止区域情况来判断老人是否摔倒；

动作行为分析单元，根据人体姿态数据库中前几帧中老人的姿态和当前老人的姿态分析得到老人的动作行为；

日常生活规律分析单元，根据人体姿态数据库、家具和家用电器与空间位置关系数据库以及当前老人动作行为判断结果的信息来分析和判断老人当前的活动类型，并将分析和判断结果写入日常生活数据库中；

异常判断单元，根据当前老人的活动类型和日常生活数据库中所提取的老人的生活模式的信息通过异常判断算法进行老人行为异常判断，并将异常分为若干个等级，针对不同等级的异常的情况分别生成告知、紧急通知和报警信息，通过告知和报警单元发送给相关部门和人员。

2.如权利要求1所述的基于全方位视觉的独居老人安全监护系统，其特征在于：所述的人体对象跟踪单元中，根据所述的前景对象检测单元所提交的矩形框采用增强的Camshift算法对人体对象进行跟踪；

所述的增强的Camshifi算法如下：

步骤l：以所述前景对象检测单元中检测出的人体对象目标为基础，设定目标跟踪的ROI；

步骤2：计算ROI内的目标颜色概率密度分布；

步骤3：迭代Mean Shift直到收敛，记录其位置 和零阶矩步骤4：对下一帧图像，以 为搜索窗中心位置，并根据 的函数确定搜索窗大小，根据人体对象目标外接矩形确定ROI大小，转步骤2；

在Camshift算法的步骤2中，采用Bayesian概率法则获得目标在图像中的颜色概率密度分布，计算方法如公式(3)所示：式中：C为像素点在HSV空间的颜色值，即像素点的(H,S)值；O为目标，B为背景，P(O)+P(B)＝1，P(O)为目标对象面积和除目标对象外的背景面积的比值；P(CO)和P(CB)可分别从目标对象和背景的直方图获得；按公式(3)获得目标对象在图像中的颜色概率密度分布，再按公式(4)把概率分布区间从[0，max(P(OC))]归一化到[0，255]区间中，从而获得最终进行Mean Shift迭代的颜色概率密度分布图像P'(OC)；

式中，P'(OC)为归一化的目标对象颜色概率密度分布，P(OC)为目标对象颜色概率密度分布；

在改进Camshift算法的步骤4中，根据上一帧跟踪结果的零阶矩 的函数确定新的搜索窗的大小s，以适应目标在视频图像中的尺度变化，如公式(5)所示；

式中，s为搜索窗的大小，K为常数，K∈[230，240]；

根据人体对象目标运动的空间连续性，在所述的人体对象目标实时跟踪中，人体对象目标在下一帧的位置位于前一帧中同一人体对象目标位置附近，因此定义适当位置和适当大小的ROI，人体对象目标跟踪在ROI内完成；

CamShift算法过程如下：

1)：在颜色概率分布图中选取范围为R的搜索窗W；

2)：计算x和y的零阶矩、一阶矩、二阶矩，计算方法如公式(6)、(7)、(8)所示；

3)：计算搜索窗的质心位置计算方法由公式(9)所示，

(xc,yc)＝(M10/M00,M01/M00) (9)

4)：重新设置搜索窗的范围R；

5)：如果不收敛且循环次数小于预设值,则返回2),否则结束；

算法中的收敛条件为:质心位置偏移量小于预定义阈值；

另外,被跟踪目标长轴方向角用公式(10)计算，

则得到被跟踪对象的长轴、短轴的长度用公式(11)、(12)计算，

3.如权利要求1～2之一所述的基于全方位视觉的独居老人安全监护系统，其特征在于：在所述的全方位摄像装置中采用固定单视点全方位摄像装置的设计，进入双曲面镜的中心的光，根据双曲面的镜面特性向着其虚焦点折射，实物图像经双曲面镜反射到聚光透镜中成像，在该成像平面上的一个点P(x,y)对应着实物在空间上的一个点的坐标A(X,Y,Z)；

双曲面镜构成的光学系统可以由下面5个等式表示；

2 2 2 2 2

((X+Y)/a)-((Z-c)/b)＝-1 当Z>0时 (18)-1

φ＝tan (Y/X) (20)

-1 2 2 2 2

α＝tan [(b+c)sinγ-2bc]/(b+c)cosγ (21)式中X、Y、Z表示空间坐标，c表示双曲面镜的焦点，2c表示两个焦点之间的距离，a,b分别是双曲面镜的实轴和虚轴的长度，Φ表示入射光线在XY平面上的夹角，即方位角，α表示入射光线在XZ平面上的夹角，这里将α大于或等于0时称为俯角，将α小于0时称为仰角，f表示成像平面到双曲面镜的虚焦点的距离，γ表示折入射光线与Z轴的夹角；

所述的全方位摄像装置包括双曲面镜面、上盖、透明外罩、下固定座、摄像单元固定座、摄像单元、连接单元和上罩，所述的双曲面镜面固定在所述的上盖上，所述的连接单元将所述的下固定座和透明外罩连接成一体，所述的透明外罩与所述的上盖以及所述的上罩固定在一起，所述的摄像单元固定在所述的摄像单元固定座上，所述的摄像单元固定座固定在所述的下固定座上。

4.如权利要求1～2之一所述的基于全方位视觉的独居老人安全监护系统，其特征在于：所述的空间位置定义单元中，对独居老人家庭的空间进行网格化处理，从获取的全景图像上定义和命名室内空间的网格，作为一种简单的定义和命名方式是采用20×20mm大小的网格将可视范围内的空间进行分割，命名采用两位英文字母，从房间平面图的左上角开始顺序编排，第一位英文字母表示行，第二位英文字母表示列。

5.如权利要求1～2之一所述的基于全方位视觉的独居老人安全监护系统，其特征在于：所述的家具和电器摆放位置输入单元中，表1为空间位置编号与家具电器对应表，空间位置编号 家具、电器、室内门窗BD 沙发右侧

BE 沙发左侧

AL 出入门口

PI 卧室门口

TK 阳台门口

IO 卫生间门口

JQ 洗衣机

TO 盥洗槽左侧

TP 盥洗槽右侧

… …

表1。

6.如权利要求1～2之一所述的基于全方位视觉的独居老人安全监护系统，其特征在于：所述的人体姿态分析单元中，将老人出现的空间位置、时间和姿态信息写入到人体姿态数据库中内，人体姿态数据库的表格式如表2所示；

表2

表2中的时间是根据微处理器内的时钟以年月日小时分秒14位数据格式来设定的，即YYYYMMDDHHMMSS；空间编号是根据所述的人体对象跟踪单元中所得到跟踪焦点所处的空间位置来确定的；姿态编码是根据所述的姿态分析单元中所得到的人体姿态识别结果来设定的，姿态编码中将1命名为站立姿态、2命名为坐姿态、3命名为横躺姿态；考虑到老人家中其他人的来访情况，将是否有其他活动对象设置为false，如果只有一个人体对象情况将是否有其他活动对象设置为true；为了减少数据的冗余，如果人体跟踪对象消失或者静止的情况不产生记录；如果人体跟踪对象有活动情况时每条记录的间隔时间为10秒；

人体姿态的识别是通过人体跟踪框的高宽比来确定的，对于站立姿态的高宽比约为3：

1，坐姿态的高宽比约为1：1，横躺姿态的高宽比约为1：7。

7.如权利要求1～2之一所述的基于全方位视觉的独居老人安全监护系统，其特征在于：所述的摔倒检测单元中，如果分析的结果为横躺姿态并且老人不在休息区域就判断为老人出现摔倒；系统自动生成报警信息，系统生成的告知和报警信息发送给告知和报警单元。

8.如权利要求1～2之一所述的基于全方位视觉的独居老人安全监护系统，其特征在于：所述的动作行为分析单元中，从当前老人相对静止状态开始追溯到上一次老人相对静止状态，从两次间隔的相对静止状态的过程来识别老人的动作行为。

9.如权利要求1～2之一所述的基于全方位视觉的独居老人安全监护系统，其特征在于：所述的异常判断单元中，自学习老人日常生活的规律性：学习老人某个时段通过某个空间位置离开视觉范围进入其他场所的活动的持续时间的规律性，用活动持续时间模型，即单高斯模型P(t|μ,σ)来描述了老人在某个时间段进入非视觉范围的活动持续时间为t的概率；用公式(13)、(14)来表述；

使用低通滤波方法来更新高斯模型：

μSPNoi＝(1-K)×μSPNoi-1+K×t (14)其中，K是学习速度，σSPNpi是某个空间位置上的高斯模型的标准差，σSPNpi值通过统计人体姿态数据的记录来获得的，μSPNoi是某个空间位置上的高斯模型的数学期望值，μSPNoi值通过统计人体姿态数据的记录来计算得到；

在非视觉范围情况下的老人的生活异常是根据老人离开某个空间位置的持续时间来判断，根据公式(13)、(14)计算得到的活动持续时间模型的本次活动持续时间的预测期望SPNo SPNp值μ i和预测标准差值σ i，然后用公式(15)、(16)计算实际活动时间与预测值的差值和实际活动时间的概率，式中，t为当前系统时间，t1为老人离开某个空间位置的时间，σSPNpi为某个空间位置SPNo上的高斯模型的标准差，μ i为某个空间位置上的高斯模型的数学期望值， 为实际活动时间与预测值的差值， 为实际活动时间属于活动持续时间的高斯模型的概率，通过公式(17)来计算老人的生活异常概率，式中，K1、

K2为权重值， 是老人的生活异常概率，当 值超过某一阈值T1时，系统自动生成告知信息；当该值超过某一阈值T2时，系统自动生成紧急通知信息；当该值超过某一阈值T3时，系统自动生成报警信息，T3>T2>T1；系统生成的告知和报警信息发送给告知和报警单元。