一种基于热电堆传感器定位和跟踪室内人类目标的方法

摘要

本发明公开了一种基于热电堆传感器定位和跟踪室内人类目标的方法，其包括以下步骤：A、部署热电堆传感器收集人体运动数据阵列；B、对收集到的人体运动数据阵列进行插值扩展；C、应用高斯滤波器对扩展后的数据阵列进行平滑处理，得到二级数据阵列；D、采用自适应阈值方法去除二级数据阵列的背景并识别人类目标；E、采用卡尔曼滤波器跟踪人类目标。本方法可以检测静止人体或目标、能够获取目标运动方向、获得热成像图谱或探测目标温度，能够同时跟踪多个人类目标。本方案适用于智能住宅等系统。

说明书

技术领域

本发明涉及热电堆传感器温度测量和人体跟踪领域，尤其是涉及一种基于热电堆传感器定位和跟踪室内人类目标的方法。

背景技术

智能住宅控制、老人住所或托儿所等场合中，人体的位置、运动状态等数据是实现智能监测、控制的主要依据，我们需要在检测区域中检测、定位和跟踪多个人类目标。

传统检测人体移动采用被动式红外传感器，对于检测人体移动效果很好。但是，它们仅能感测运动中的人体或目标，无法检测静止的人体或目标。这些简单的红外传感器具有传统的局限性，因此不能应用于更先进的探测领域。例如，被动红外传感器无法感应不动的目标，它们不能精确地探测目标的运动方向，它们也不能获得热成像图谱或者探测目标的温度。

发明内容

本发明主要是解决现有技术所存在的无法检测静止人体或目标、不能精确探测目标的运动方向等的技术问题，提供一种可以检测静止人体或目标、能够获取目标运动方向、获得热成像图谱或探测目标温度的基于热电堆传感器定位和跟踪室内人类目标的方法。

本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种基于热电堆传感器定位和跟踪室内人类目标的方法，包括以下步骤：

A、部署热电堆传感器收集人体运动数据阵列；

B、对收集到的人体运动数据阵列进行插值扩展；

C、应用高斯滤波器对扩展后的数据阵列进行平滑处理，得到二级数据阵列；

D、采用自适应阈值方法去除二级数据阵列的背景并识别人类目标；

E、采用卡尔曼滤波器跟踪人类目标。

作为优选，所述步骤A中的热电堆传感器是红外阵列传感器，热电堆传感器包括由若干个热电堆元件构成的传感矩阵，本方法的处理流程针对的是热电堆传感器接受到的单帧数据，一次处理就是针对单侧检测得到的一组数据进行处理，具体的收集人体运动数据阵列的过程为：

A1、计算各个热电堆元件采集到的平均温度AT

A2、计算环境温度AT：传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT

A3、计算温度差ΔT，计算公式如下：

ΔT=To-AT

式中，To为各个热电堆元件测得的目标温度；

A4、计算人类目标的测量温度MT，计算公式如下：

MT=AT+ΔT×So/Sp

式中，So为目标的实际大小，即检测到的温度作为目标温度的热电堆元件个数，也就是目标温度的个数 ，Sp为热电堆传感器像素大小，也就是热电堆元件的个数。

热电堆传感器的8×8网格式布局内含有64个热电堆元件，不仅能够探测移动的人体和物体，还能够探测不动的人体和物体的出现和位置、运动方向以及精确的表面温度，温度测量范围为- 20°C至+100°C。

热电堆传感器的检测模块类似于矩形金字塔，如果我们将传感器水平放置，它可以覆盖下面的方形检测区域。当热电堆传感器与地面之间的距离增加时，传感器和每个像素可以覆盖更大的检测区域。由于人类目标的实际大小不会改变，因此它在检测区域中的大小相对较小，并且对输出温度的影响较小。

作为优选，所述步骤B中，对对收集到的人体运动数据阵列进行插值扩展，具体为在原始数据阵列的每相邻两个像素之间插入若干点，使整个数据阵列不小于64×64。

热电堆传感器的输出数据阵列只有64个像素，分辨率为8 x 8，对于人类目标定位来说太低了。原始数据数组需要插值。对于每个单个数据帧，一般在每两个像素之间插入9个点。数据阵列的分辨率从8乘8扩展到71乘71。差值方法采用双线性插值或最邻近插值等方法。

扩展后的数据阵列经过步骤C中高斯滤波器滤波以后，数据阵列保持原始数据阵列的温度和形状特征，并且具有更高的分辨率和更平滑的图像。

作为优选，所述步骤D中，采用自适应阈值方法去除二级数据阵列的背景并识别人类目标具体为：

对于二级数据阵列的每个单帧，计算自适应温度阈值ADT：

ADT = (Maz - Mean) × W + Mean - ASD

式中，Max为经过高斯滤波平滑处理后的二级数据阵列的最高温度，Mean为二级数据阵列的平均温度，W为自适应权重，ASD为调整后的标准偏差，W由以下公式确定：

W = 0.025 + 1.40/(Max-Mean+1)

ASD由以下公式得到：

ASD = SD × 0.7

式中，SD为二级数据阵列的标准偏差；

将二级数据阵列中的各数据逐个与人类目标的测量温度MT进行比较，如果两者差值的绝对值大于自适应温度阈值ADT，将此数据视为背景数据，如果两者的差值的绝对值小于自适应温度阈值ADT，则将此数据视为人类目标数据。

自适应阈值方法主要是为了去除那些伪人类目标数据。经过插值和高斯滤波后，数据阵列中的人类目标对应于中部高温和边缘较低温度的模块，但是可能存在有热电堆传感器测量误差引起的多个非人类峰，虽然他们也是中部高，边缘低，却不是我们想要的人类目标。对于处理的数据阵列的每个单帧，计算温度阈值，这些伪人类目标峰的温度低于阈值，将由阈值温度代替，避免对我们定位真正的人类目标造成干扰。

经过插值和高斯滤波后，数据阵列中的人类目标仍然对应于中部高温和边缘较低温度的模块。使用自适应阈值的方法来去除热电堆传感器数据阵列的背景并识别、定位和跟踪人类目标。

作为优选，所述步骤E中，采用卡尔曼滤波器跟踪人类目标具体为：

E1：基于之前的结果计算状态X(k|k-1)：

X(k|k-1)=FX(k-1|k-1)

E2：计算状态预测误差的协方差矩阵：

P(k|k-1)=FP(k-1|k-1)F^T + Q

E3：用最小误差计算卡尔曼增益 G(k)：

G(k)=P(k|k-1)H^T(HP(k|k-1)H^T+R)^(-1)

E4：根据观察结果计算状态估计 X(k|k)：

Z(k) = HX(k)

X(k|k)=X(k|k-1) +G(k)(Z(k)-HX(k|k-1))

E5：更新状态估计的协方差矩阵 P(k|k)：

P(k|k) = (I-G(k)H)P(k|k-1)

X(K)是状态变量，包括水平坐标x(k)和垂直坐标y(k)，水平速度Vx(k)和垂直速度Vy(k)用数据阵列帧之间的位置和时间差来计算；F 是状态转换矩阵， H 是观察矩阵， Q是系统噪声的协方差矩阵，R是观测噪声的协方差矩阵。

卡尔曼滤波器是使用最广泛的跟踪方法之一，使用的状态方程的线性系统的系统，输入和输出数据，系统的最佳状态可以被估计。

本发明提出了一种使用热电堆传感器的室内定位和跟踪方法。由于传感器的分辨率低，因此需要对传感器的数据数组进行插值并进行高斯滤波。然后使用自适应阈值处理扩展后的数据数组，以保留人类目标并删除背景。在热电堆传感器的检测区域中，可能有多个人类目标。人类目标可能会彼此靠近走，并且它们的路径可能会相交，位置信息无法区分目标。本发明计算了最高温度和能量特征的热信号。使用位置信息和热信号，目标点将与它们的轨迹相关联，人体跟踪是通过使用卡尔曼滤波器实现的。该定位和跟踪系统对室内多个人类目标具有良好的功能。

本发明带来的实质性效果是，可以检测静止人体或目标、能够获取目标运动方向、获得热成像图谱或探测目标温度，能够同时跟踪多个人类目标。

附图说明

图1是本发明的一种流程图。

具体实施方式

下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。

实施例： 本实施例的一种基于热电堆传感器定位和跟踪室内人类目标的方法，如图1所示，包括以下步骤：

A、部署热电堆传感器收集人体运动数据阵列；

B、对收集到的人体运动数据阵列进行插值扩展；

C、应用高斯滤波器对扩展后的数据阵列进行平滑处理，得到二级数据阵列；

D、采用自适应阈值方法去除二级数据阵列的背景并识别人类目标；

E、采用卡尔曼滤波器跟踪人类目标。

步骤A中的热电堆传感器是红外阵列传感器，热电堆传感器包括由若干个热电堆元件构成的传感矩阵，本方法的处理流程针对的是热电堆传感器接受到的单帧数据，一次处理就是针对单侧检测得到的一组数据进行处理，具体的收集人体运动数据阵列的过程为：

A1、计算各个热电堆元件采集到的平均温度AT

A2、计算环境温度AT：传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT

A3、计算温度差ΔT，计算公式如下：

ΔT=To-AT

式中，To为各个热电堆元件测得的目标温度；

A4、计算人类目标的测量温度MT，计算公式如下：

MT=AT+ΔT×So/Sp

式中，So为目标的实际大小，即检测到的温度作为目标温度的热电堆元件个数，也就是目标温度的个数 ，Sp为热电堆传感器像素大小，也就是热电堆元件的个数。

热电堆传感器的8×8网格式布局内含有64个热电堆元件，不仅能够探测移动的人体和物体，还能够探测不动的人体和物体的出现和位置、运动方向以及精确的表面温度，温度测量范围为- 20°C至+100°C。

热电堆传感器的检测模块类似于矩形金字塔，如果我们将传感器水平放置，它可以覆盖下面的方形检测区域。当热电堆传感器与地面之间的距离增加时，传感器和每个像素可以覆盖更大的检测区域。由于人类目标的实际大小不会改变，因此它在检测区域中的大小相对较小，并且对输出温度的影响较小。

步骤B中，对对收集到的人体运动数据阵列进行插值扩展，具体为在原始数据阵列的每相邻两个像素之间插入若干点，使整个数据阵列不小于64×64。

热电堆传感器的输出数据阵列只有64个像素，分辨率为8 x 8，对于人类目标定位来说太低了。原始数据数组需要插值。对于每个单个数据帧，一般在每两个像素之间插入9个点。数据阵列的分辨率从8乘8扩展到71乘71。差值方法采用双线性插值或最邻近插值等方法。这里采用最邻近插值法，在待求像素的四邻像素中，将距离待求像素最近的邻像素灰度赋给待求像素。

扩展后的数据阵列经过步骤C中高斯滤波器滤波以后，数据阵列保持原始数据阵列的温度和形状特征，并且具有更高的分辨率和更平滑的图像。

步骤D中，采用自适应阈值方法去除二级数据阵列的背景并识别人类目标具体为：

对于二级数据阵列的每个单帧，计算自适应温度阈值ADT：

ADT = (Maz - Mean) × W + Mean - ASD

式中，Max为经过高斯滤波平滑处理后的二级数据阵列的最高温度，Mean为二级数据阵列的平均温度，W为自适应权重，ASD为调整后的标准偏差，W由以下公式确定：

W = 0.025 + 1.40/(Max-Mean+1)

ASD由以下公式得到：

ASD = SD × 0.7

式中，SD为二级数据阵列的标准偏差；

将二级数据阵列中的各数据逐个与人类目标的测量温度MT进行比较，如果两者差值的绝对值大于自适应温度阈值ADT，将此数据视为背景数据，如果两者的差值的绝对值小于自适应温度阈值ADT，则将此数据视为人类目标数据。

自适应阈值方法主要是为了去除那些伪人类目标数据。经过插值和高斯滤波后，数据阵列中的人类目标对应于中部高温和边缘较低温度的模块，但是可能存在有热电堆传感器测量误差引起的多个非人类峰，虽然他们也是中部高，边缘低，却不是我们想要的人类目标。对于处理的数据阵列的每个单帧，计算温度阈值，这些伪人类目标峰的温度低于阈值，将由阈值温度代替，避免对我们定位真正的人类目标造成干扰。

经过插值和高斯滤波后，数据阵列中的人类目标仍然对应于中部高温和边缘较低温度的模块。使用自适应阈值的方法来去除热电堆传感器数据阵列的背景并识别、定位和跟踪人类目标。

步骤E中，采用卡尔曼滤波器跟踪人类目标具体为：

E1：基于之前的结果计算状态X(k|k-1)：

X(k|k-1)=FX(k-1|k-1)

E2：计算状态预测误差的协方差矩阵：

P(k|k-1)=FP(k-1|k-1)F^T + Q

E3：用最小误差计算卡尔曼增益 G(k)：

G(k)=P(k|k-1)H^T(HP(k|k-1)H^T+R)^(-1)

E4：根据观察结果计算状态估计 X(k|k)：

Z(k) = HX(k)

X(k|k)=X(k|k-1) +G(k)(Z(k)-HX(k|k-1))

E5：更新状态估计的协方差矩阵 P(k|k)：

P(k|k) = (I-G(k)H)P(k|k-1)

X(K)是状态变量，包括水平坐标x(k)和垂直坐标y(k)，水平速度Vx(k)和垂直速度Vy(k)用数据阵列帧之间的位置和时间差来计算；F 是状态转换矩阵， H 是观察矩阵， Q是系统噪声的协方差矩阵，R是观测噪声的协方差矩阵。

卡尔曼滤波器是使用最广泛的跟踪方法之一，使用的状态方程的线性系统的系统，输入和输出数据，系统的最佳状态可以被估计。

本发明提出了一种使用热电堆传感器的室内定位和跟踪方法。由于传感器的分辨率低，因此需要对传感器的数据数组进行插值并进行高斯滤波。然后使用自适应阈值处理扩展后的数据数组，以保留人类目标并删除背景。在热电堆传感器的检测区域中，可能有多个人类目标。人类目标可能会彼此靠近走，并且它们的路径可能会相交，位置信息无法区分目标。本发明计算了最高温度和能量特征的热信号。使用位置信息和热信号，目标点将与它们的轨迹相关联，人体跟踪是通过使用卡尔曼滤波器实现的。该定位和跟踪系统对室内多个人类目标具有良好的功能。

本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

尽管本文较多地使用了热电堆传感器、插值、高斯滤波、卡尔曼滤波等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。