一种基于红外热释电信息的人体热源判断方法和装置制造方法

文档序号:6174937阅读:154来源:国知局
一种基于红外热释电信息的人体热源判断方法和装置制造方法
【专利摘要】本发明公开了一种基于红外热释电信息的人体热源判断方法和装置,该方法包括:采集红外热释电信息,得到对应的时域信号;通过变换从时域信号中提取红外热释电信息的信号特征;基于BP神经网络根据信号特征判断红外热释电信息是否由人体热源产生。通过对环境中的热源的红外信号进行采集,提取热源的频谱信息作为特征,送入BP神经网络进行验证,对静止热源也能够有较高识别率。
【专利说明】-种基于红外热释电信息的人体热源判断方法和装置

【技术领域】
[0001] 本发明涉及人体判别【技术领域】,尤其涉及一种基于红外热释电信息的人体热源判 断方法和装置。

【背景技术】
[0002] 人体判别技术研究具有重大的应用价值和研究意义。一方面;近年来人们对智能 家居越来越感兴趣,而智能家居的控制产品有些已变成家用电器,有些正变成家用电器。空 调作为家电中不可或缺的一部分,近十年来,经历了高速发展的阶段。舒适性和节能均成为 空调该类高档消费品的重要指标。通过对人体位置和活动量的检测对空调进行智能化控 制,减少不必要的温度调节,可W满足舒适与节能的双重指标。然而非人体红外福射源的干 扰使人体检信息测出现错误检测,该将对智能空调的使用产生不必要的电能浪费。另一方 面:人们对社会公共安全和家居环境安全提出了更高的技术要求,热释电红外(PIR)探测 器作为入侵报警系统中最常见的监控产品之一,存在高误报率的缺点。因此研究一种基于 热释电红外信号的人体识别方法是解决错误检测的关键,也是减少电能浪费的有效手段。
[0003] 人体目标的检测可W主要分为两类:摄像机检测和红外传感器检测。摄像机检测 虽然检测与跟踪精度高,但数据处理复杂,价格昂贵,占据较大内存空间并且侵犯隐私,使 其的使用受到很大的限制。红外传感器也非常适合人体信息的检测。热释电红外传感器具 有价格低,低功率,无接触,隐蔽性好,对光照条件无要求的优点被广泛的运用于智能环境 中人体信息的检测。热释电红外传感器能W非接触的形式检测出人体福射的红外线能量变 化,并将其转换成电压信号输出。它通常由2个极性相反的传感元件串联连接,并与1个高 阻和1个场效应晶体管组装在一起。由于2个传感元件极性相反,连接信号就会相互抵消 而没有输出。因此热释电传感器对环境温度的变化、背景福射,自身温度变化和受振动产生 的随机噪声都具有良好的补偿作用。但是它只对人体的移动或运动敏感,并且探测距离较 短。
[0004] 上世纪90年代中期,日本松下电器公司的人类环境系统开发中也一直致力于基 于PIR传感器的人体信息传感的处理研究,并将研究成果应用W智能家居中,包括空调、照 明等的控制。1995年Nobuyuki化shiike等将人类信息传感器系统用于检测室内人体的状 况,人员数量、位置和活动情况。人员数量识别准确率为90%。该研发中也在1997年对系 统算法进行了改进,并将其应用于出入大口的数量检测中,计数准确率达到98 %。1998年 该中也又在原系统基础上增加了 4通道距离传感器,并应用在室内人员数量及位置检测, 可W检测到人体的不同姿势,且系统的人数识别准确率是93%。2006年韩国蓋山国立大学 研发了基于PIR探测器阵列的室内检测系统。
[0005] 然而非人体红外福射源的干扰使人体信息出现错误检测,该将对智能空调的使用 产生不必要的电能浪费,还会带来入侵报警系统的误报。研究一种基于热释电红外信号的 人体识别方法是解决错误检测的关键。由于不同的形状的热源在通过PIR检测范围时,将 会产生不同的信号,该就为利用热释电传感器进行人体和非人体的检测提供了理论上的依 据。虽然PIR探测器在人体和非人体热源的检测中已经取得了一些成果,但还不能同时实 现对大范围,静止红外热源的检测,并达到单特征识别率较高的目标。


【发明内容】

[0006] 本发明提出了一种对环境中的热源的红外信号进行采集,提取热源的频谱信息作 为特征,送入BP神经网络进行验证得到高识别率的人体热源判断方法和装置。
[0007] 为实现上述设计,本发明采用W下技术方案:
[0008] -方面采用一种基于红外热释电信息的人体热源判断方法,包括:
[0009] 采集红外热释电信息,得到对应的时域信号;
[0010] 通过变换从时域信号中提取红外热释电信息的信号特征;
[0011] 基于BP神经网络根据信号特征判断红外热释电信息是否由人体热源产生。
[0012] 其中,所述采集红外热释电信息,得到对应的时域信号具体为:
[0013] 探测器采集红外热释电信息,将采集到的红外热释电信息周期保存;
[0014] 根据周期保存的红外热释电信息得到对应的时域信号。
[0015] 其中,所述通过变换从时域信号中提取红外热释电信息的信号特征具体为:
[0016] 当对于连续时间变量内的红外热释电信息满足狄利克雷条件时,通过傅里叶变换 把时域信号转换到频域,从频域中提取红外热释电信息的信号特征。
[0017] 其中,所述傅里叶变换为:

【权利要求】
1. 一种基于红外热释电信息的人体热源判断方法,其特征在于,包括: 采集红外热释电信息,得到对应的时域信号; 通过变换从时域信号中提取红外热释电信息的信号特征; 基于BP神经网络根据信号特征判断红外热释电信息是否由人体热源产生。
2. 根据权利要求1所述的一种基于红外热释电信息的人体热源判断方法,其特征在 于,所述采集红外热释电信息,得到对应的时域信号具体为: 探测器采集红外热释电信息,将采集到的红外热释电信息周期保存; 根据周期保存的红外热释电信息得到对应的时域信号。
3. 根据权利要求2所述的一种基于红外热释电信息的人体热源判断方法,其特征在 于,所述通过变换从时域信号中提取红外热释电信息的信号特征具体为: 当对于连续时间变量内的红外热释电信息满足狄利克雷条件时,通过傅里叶变换把时 域信号转换到频域,从频域中提取红外热释电信息的信号特征。
4. 根据权利要求3所述的一种基于红外热释电信息的人体热源判断方法,其特征在 于,所述傅里叶变换为:
或 快速傅里叶变换; 其中t为时间变量,U为频率向量,F (U)为信号的频谱值,k为空间频率且0《k《N-1, x(n)表示有限长序列,n为离散信号的长度变量,N为信号的总长度。
5. 根据权利要求4所述的一种基于红外热释电信息的人体热源判断方法,其特征在 于,所述基于BP神经网络根据信号特征判断红外热释电信息是否由人体热源产生具体为: al、选择BP神经网络的转换函数f (x)=l/(l+。; a2、初始化权值W和阔值0 ; a3、从信号特征中获取训练样本Xi=(x。,X,,…,Xm_i),获取训练样本的目标向量Di=(d。, di,…,屯_1),其中i表示第i个样本或目标向量; a4、用预设的转换函数和如下计算公式: Xj=f (I: WijXi-日 j),0《j《nii-l ; Yk=f (S WijXk-白 k),0《k《m2-l 计算BP神经网络的各隐含层的输出Xj.和输出层的输出值yk,BP神经网络的输入节点 的输出等于其输入;其中m表示输入层的单元数目,mi表示隐含层的单元数目,m2表示输出 层的单元数目; a5、使用递归算法从输出层开始逆向传播误差直到第一隐含层,并用W下公式: Wij(t+l)=Wij(t)+ n 5 jXi
调整权值;其中,Wy(t)表示在时问t由第i个隐含层节点到第j个输出层节点的权值 或由第i个输入层节点到第j个隐含层节点的权值;Xi表示第i个节点的输出;n S jXi表 示增益项;S j.表示第j个节点的误差项; a6、求系统平均误差,对每一个模式对,其误差平方和为:
系统的平均误差为:
其中;dik和Yik分别表示第i个输入模式第k个输出层节点的期望输出和计算输出,P 表示样本的数目;dk和yk分别表示第k个输出层节点的期望输出和计算输出,m3表示输入 模式的数目; a7、判断系统的平均误差是否小于预设的阔值,是则将训练样本的输出向量作为人体 热源的判断结果输出,否则执行步骤a3。
6. -种基于红外热释电信息的人体热源判断装置,其特征在于,包括: 信息采集单元,用于采集红外热释电信息,得到对应的时域信号; 特征提取单元,用于通过变换从时域信号中提取红外热释电信息的信号特征; 热源判断单元,用于基于BP神经网络根据信号特征判断红外热释电信息是否由人体 热源产生。
7. 根据权利要求6所述的一种基于红外热释电信息的人体热源判断装置,其特征在 于,所述信息采集单元包括: 信息保存模块,用于探测器采集红外热释电信息,将采集到的红外热释电信息周期保 存; 时域信号生成模块,用于根据周期保存的红外热释电信息得到对应的时域信号。
8. 根据权利要求7所述的一种基于红外热释电信息的人体热源判断装置,其特征在 于,所述特征提取单元具体用于: 当对于连续时问变量内的红外热释电信息满足狄利克雷条件时,通过傅里叶变换把时 域信号转换到频域,从频域中提取红外热释电信息的信号特征。
9. 根据权利要求8所述的一种基于红外热释电信息的人体热源判断装置,其特征在 于,所述傅里叶变换为:
或 快速傅里叶变换;

其中t为时间变量,u为频率向量,F (u)为信号的频谱值,k为空间频率且0《k《N-1, x(n)表示有限长序列,n为离散信号的长度变量,N为信号的总长度。
10.根据权利要求9所述的一种基于红外热释电信息的人体热源判断装置,其特征在 于,所述热源判断单元包括: 函数选择模块,用于选择BP神经网络的转换函数f (X) =1/(1+气; 初始化模块,用于初始化权值W和阔值0,所述W和0的取值范围均为(0,1); 样本获取模块,用于从信号特征中获取训练样本Xi=(X。,X,,…,Xm_i),获取训练样本的 目标向量Di=(d〇,中,…,屯_1),其中i表示第i个样本或目标向量; 输出计算模块,用于用预设的转换函数和如下计算公式: Xj = f (I: WyXi-日 j),0《j《nii-l ; yk = f (S WijXk-日 k),0《k《m2-l 计算BP神经网络的各隐含层的输出Xj.和输出层的输出值yk,BP神经网络的输入节点 的输出等于其输入;其中m表示输入层的单元数目,mi表示隐含层的单元数目,m2表示输出 层的单元数目; 权值调整模块,用于使用递归算法从输出层开始逆向传播误差直到第一隐含层,并用 W下公式: Wij(t+l)=Wij(t)+ n 5 jXi 调整权值;其中,Wy(t)表示在时间t由第i个隐含层节点到第j个输出层节点的权值 或由第i个输入层节点到第j个隐含层节点的权值;Xi表示第i个节点的输出;n S j.Xi表 示增益项;S j.表示第j个节点的误差项; 误差计算模块,用于求系统平均误差,对每一个模式对,其误差平方和为:
其中;dik和Yik分别表示第i个输入模式第k个输出层节点的期望输出和计算输出,P 表示样本的数目;dk和yk分别表示第k个输出层节点的期望输出和计算输出,m3表示输入 模式的数目; 判断输出模块,用于判断系统的平均误差是否小于预设的阔值,是则将训练样本的输 出向量作为人体热源的判断结果输出,否则运行样本获取模块。
【文档编号】G01J5/12GK104422527SQ201310398551
【公开日】2015年3月18日 申请日期:2013年9月4日 优先权日:2013年9月4日
【发明者】王军, 时斌, 国德防, 程绍江, 杨轶星, 刘永敬, 明东, 薛召军 申请人:海尔集团公司, 青岛海尔空调电子有限公司
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1