基于红外热释电信息的人体热源特征提取与判别方法
【专利摘要】本发明属于人体判别【技术领域】，为现360度大范围，较远的探测距离，并对静止红外热源也进行检测，有效的解决智能空调中舒适性与节能的冲突和安监系统中高误报率的问题，为此，本发明采用的技术方案是，基于红外热释电信息的人体热源特征提取与判别方法，包括如下步骤：采用步进电机带动单个热释电红外探测器匀速转动，实现远距离、360度大范围、静止物体的检测；探测范围为圆盘，对采集到的人体与非人体热源的样本进行小波包分析，将信号小波包熵作为信号的特征，利用BP神经网络进行5折交叉验证，从而完成人体与非人体热源的区分。本发明主要应用于人体判别场合。
【专利说明】基于红外热释电信息的人体热源特征提取与判别方法
【技术领域】
[0001]本发明属于人体判别【技术领域】。即利用热释电红外探测器进行人体与非人体热源判别的方法。具体讲，涉及基于红外热释电信息的人体热源特征提取与判别方法。
【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这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，可以满足舒适与节能的双重指标。然而非人体红外辐射源的干扰使人体检信息测出现错误检测，这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]人体目标的检测可以主要分为两类: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以非接触的形式检测出人体辐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I个高阻和I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、背景辐射，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心一直致力于基于PIR传感器的人体信息传感的处理研究，并将研究成果应用以智能家居中，包括空调、照明等的控制。1995年Nobuyuki Yoshiike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%。该研发中心在1997年对系统算法进行了改进，并将其应用于出入大门的数量检测中，计数准确率达到98%。1998年该中心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，可以检测到人体的不同姿势，且系统的人数识别准确率是93%。2006年韩国釜山国立大学研发了基于PIR探测器阵列的室内检测系统。
[0005]然而非人体红外辐射源的干扰使人体信息出现错误检测，这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，这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，并达到单个特征识别率较高的目标。
【发明内容】
[0006]本发明旨在解决克服现有技术的不足，为实现360度大范围，较远的探测距离，并对静止红外热源也进行检测，有效的解决智能空调中舒适性与节能的冲突和安监系统中高误报率的问题，为此，本发明采用的技术方案是，基于红外热释电信息的人体热源特征提取与判别方法，包括如下步骤:采用步进电机带动单个热释电红外探测器匀速转动，实现远距离、360度大范围、静止物体的检测；探测范围为圆盘，对采集到的人体与非人体热源的样本进行小波包分析，将信号小波包熵作为信号的特征，利用BP神经网络进行5折交叉验证，从而完成人体与非人体热源的区分。
[0007]在热释电红外探测器的前方安装菲涅尔透镜，菲涅尔透镜的两个作用是:一是聚焦作用，即将热释红外信号折射、反射在热释电红外探测器上；第二个作用是将探测区域内分为不断交替变化的盲区和可见区，使进入探测区域的移动物体能以温度变化的形式在热释电红外探测器上产生变化的热释电红外信号，从而输出电压信号。
[0008]进行小波包分析，将信号小波包熵作为信号的特征具体步骤为:通过傅立叶变换FFT处理后得到信号频谱的全局化特征，采用时频分析方法，将时域和频域信息联合起来，提取信号的时频特征；设<0 e L2(R), L2(R)表示平方可积的实数空间，即能量有限的信号空间，t代表时间变量，R为实数，其傅里叶变换为Ψ (ω)，当ψ (ω)满足条件:
[0009]
【权利要求】
1.一种基于红外热释电信息的人体热源特征提取与判别方法，其特征是，包括如下步骤:采用步进电机带动单个热释电红外探测器匀速转动，实现远距离、360度大范围、静止物体的检测；探测范围为圆盘，对采集到的人体与非人体热源的样本进行小波包分析，将信号小波包熵作为信号的特征，利用BP神经网络进行5折交叉验证，从而完成人体与非人体热源的区分。
2.如权利要求1所述的基于红外热释电信息的人体热源特征提取与判别方法，其特征是，在热释电红外探测器的前方安装菲涅尔透镜，菲涅尔透镜的两个作用是:一是聚焦作用，即将热释红外信号折射、反射在热释电红外探测器上；第二个作用是将探测区域内分为不断交替变化的盲区和可见区，使进入探测区域的移动物体能以温度变化的形式在热释电红外探测器上产生变化的热释电红外信号，从而输出电压信号。
3.如权利要求1所述的基于红外热释电信息的人体热源特征提取与判别方法，其特征是，进行小波包分析，将信号小波包熵作为信号的特征具体步骤为:通过傅立叶变换FFT处理后得到信号频谱的全局化特征，采用时频分析方法，将时域和频域信息联合起来，提取信号的时频特征L2(R)表示平方可积的实数空间，即能量有限的信号空间，t代表时间变量，R为实数，其傅里叶变换为Ψ (ω )，当ψ (ω)满足条件:
4.如权利要求1所述的基于红外热释电信息的人体热源特征提取与判别方法，其特征是，利用BP神经网络进行5折交叉验证，从而完成人体与非人体热源的区分具体为，采用S型逻辑非线性函数f(x) = l/(l+e_x)，其计算步骤如下: (1)初始化权值W和阈值Θ，即把所有权值和阈值都设置成较小的随机数； (2)提供训练样本Xi= (x0, x2,…Xnri)，设置训练样本的目标向量Di = (d0, (I1,...,U，其中Xi表示第i个样本或输出模式； (3)用S型函数和如下计算公式计算各隐含层的输出\和输出层的输出值yk，输入节点的输出等于其输入，假设输入层有m个单兀,隐含层有Iii1个单兀,输出层有η个单兀则:
Xj = f ( Σ WipX1- θ p) O ≤ P ≤Iii1-1(7)
yk = f ( Σ wpqxq- Θ q) O ≤ q≤ n-1 (8) (4)调整权值，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，并用以下公式调整权值:
Wip (t+1) = Wip (t)+ η δ pXi (9) 式中:wip(t) —在时间t由隐含层(或输入层)节点i到输出层或隐含层节点P的权值； Xi—节点i的输出；n δ pXi—增益项；δ ρ—节点P的误差项； (5)求系统平均误差。对每一个模式对i，其误差平方和为:
【文档编号】G06K9/00GK103729626SQ201310756420
【公开日】2014年4月16日 申请日期:2013年12月31日 优先权日:2013年12月31日
【发明者】刘永敬, 明东, 李佳佳, 张力新, 赵欣, 綦宏志 申请人:天津大学