检测人体久滞的方法、电子设备及存储介质与流程

1.本技术实施例涉及智能监测技术领域，尤其涉及一种检测人体久滞的方法、电子设备及存储介质。


背景技术：

2.随着人口老龄化，独居老人占比日益增长，存在的安全隐患也日趋明显，比如老年人居家时易发生意外跌倒、久坐难起(久滞)等异常风险行为，从而导致无法得到及时救治而引起意外伤亡。伴随着现代信息技术和智能设施的更新迭代，智能化养老服务已成为面对老龄化问题日渐严重之下的智慧之选，通过监测老年人在室内发生的异常风险行为并将相应告警信息及时提供给监护人员是实现智能化养老需迈出的重要一步。
3.通过智能感应的方式对目标区域内的人体(例如老年人)实现准确定位，并实时监测人体是否发生坐在某一个位置长时间未起身、无法起身或跌倒后无法爬起之类的久滞行为风险，做到提前感知异常风险行为并及时将告警信息上报到终端用户，对提升新时代养老事业的智能化程度具有重要价值与意义。然而，目前的监测方法大多依靠传感器，容易受环境或使用影响，检测不准确，容易出现漏检误检。


技术实现要素：

4.有鉴于此，为了解决上述问题，本技术一些实施例提供了一种检测人体久滞的方法、电子设备及存储介质，能够准确检测出人体久滞，有效避免发生久滞而漏检误检带来的风险。
5.第一方面，本技术实施例提供了一种检测人体久滞的方法，包括：
6.获取红外图像序列，红外图像序列是t秒内对目标区域进行采集到的红外图像按时间顺序排列的时序数据，1≤t≤60；
7.根据红外图像序列，确定目标区域内是否存在人体热源；
8.若目标区域内存在人体热源，则根据红外图像序列，确定人体是否发生久滞。
9.在一些实施例中，红外图像序列中的红外图像的分辨率低于100*100。
10.在一些实施例中，前述根据红外图像序列，确定目标区域内是否存在人体热源，包括：
11.遍历红外图像序列，确定每一帧红外图像对应的第一温度阈值；
12.针对红外图像中的像素点，筛选出温度大于或等于第一温度阈值的像素点，构成热斑区域，若热斑区域的最大连通面积大于或等于第一面积阈值，则确定红外图像存在人体热源；
13.当红外图像序列遍历完成后，若红外图像序列中存在人体热源的红外图像的数量大于或等于第一数量阈值，则确定目标区域内存在人体热源。
14.在一些实施例中，前述确定每一帧红外图像对应的第一温度阈值，包括：
15.根据红外图像中各像素点的温度分布，确定第一温度阈值。
16.在一些实施例中，前述根据红外图像序列，确定人体是否发生久滞，包括：
17.根据红外图像序列，确定人体是否发生大幅移动；
18.若人体未发生大幅移动，则累计人体在当前位置的停留时长；
19.若停留时长大于或等于预设时长阈值，则确定人体发生久滞。
20.在一些实施例中，前述根据红外图像序列，确定人体是否发生大幅移动，包括：
21.遍历红外图像序列，将当前红外图像和基础红外图像按对应像素点位置进行像素值相减运算，得到差值图像；
22.确定差值图像对应的第二温度阈值，针对差值图像中的像素点，筛选出像素值大于或等于第二温度阈值的像素点，构成移动区域；
23.若移动区域的最大连通面积大于或等于第二面积阈值，则确定当前红外图像中人体热源存在移动，并将当前红外图像作为新的基础红外图像，以更新基础红外图像；
24.当红外图像序列遍历完成后，若红外图像序列中存在人体热源移动的红外图像的数量大于或等于第二数量阈值，则确定人体发生大幅移动，否则，确定人体未发生大幅移动。
25.在一些实施例中，前述确定差值图像对应的第二温度阈值，包括：
26.根据差值图像中各像素点的温度分布，确定第二温度阈值。
27.在一些实施例中，该方法还包括：若人体发生大幅移动，则将停留时长重置为零。
28.第二方面，本技术实施例中提供了一种电子设备，包括：
29.至少一个处理器；和
30.与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行如第一方面的方法。
31.第三方面，本技术实施例中提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机可执行指令，计算机可执行指令用于使计算机设备执行如第一方面的方法。
32.本技术实施例的有益效果：区别于现有技术的情况，本技术实施例提供的检测人体久滞的方法、电子设备及存储介质，通过获取红外图像序列(红外图像序列是t秒内对目标区域进行采集到的红外图像按时间顺序排列的时序数据，1≤t≤60)。先根据红外图像序列，确定目标区域内是否存在人体热源。若目标区域内存在人体热源，则根据该红外图像序列，确定人体是否发生久滞。在此实施例中，采用t秒内的红外图像序列进行热源检测，能够规避采用单帧红外图像进行热源检测的偶发误差，使得热源检测准确，准确判断出目标区域是否存在人体热源。在存在人体热源的情况下，才对目标区域进行久滞检测，能够准确检测出人体久滞，有效避免发生久滞而漏检误检带来的风险，另一方面，室内场景中多数区域都是长时间无人体热源存在，通过上述方式可以直接又快速地检测出多数时刻目标区域内无人体热源存在的状态，从而节省算力。
附图说明
33.一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除
非有特别申明，附图中的图不构成比例限制。
34.图1为本技术一些实施例中检测人体久滞的方法的应用环境示意图；
35.图2为本技术一些实施例中红外图像的示意图；
36.图3为本技术一些实施例中电子设备的结构示意图；
37.图4为本技术一些实施例中检测人体久滞的方法的流程示意图；
38.图5为本技术一些实施例中检测人体久滞的装置的结构示意图。
具体实施方式
39.下面结合具体实施例对本技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本技术，但不以任何形式限制本技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进。这些都属于本技术的保护范围。
40.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本技术，并不用于限定本技术。
41.需要说明的是，如果不冲突，本技术实施例中的各个特征可以相互结合，均在本技术的保护范围之内。另外，虽然在装置示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置中的模块划分，或流程图中的顺序执行所示出或描述的步骤。此外，本文所采用的“第一”、“第二”、“第三”等字样并不对数据和执行次序进行限定，仅是对功能和作用基本相同的相同项或相似项进行区分。
42.除非另有定义，本说明书所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本说明书中在本技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本技术。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
43.此外，下面所描述的本技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
44.独居人员(例如老年人、儿童或成年人)居家时易发生意外跌倒、久坐难起(久滞)等异常风险行为，从而导致无法得到及时救治而引起意外伤亡。其中，久滞是指人体长时间在一个固定小区域停留且未发生位置移动的风险行为，比如长时间坐在某一个位置未起身、难以起身以或摔倒后无法爬起之类的行为状况。
45.通常，采用监测设备对独居人员所居住的室内环境进行监控，对人员实现定位，并实时监控人员是否发生久滞风险。提前感知久滞风险，并及时将告警信息上报到终端用户，能够帮助监护人员及时发现，采取急救措施，从而，提高独居人员的安全性。
46.为介绍本技术实施例前，先对本技术发明人所知晓的监测人体的方法进行简单介绍，使得后续便于理解本技术实施例。
47.在一些方案中，采用毫米波多普勒雷达技术对室内人员进行定位检测。首先，通过毫米波雷达发射电磁波信号并获取该信号遇到空间内的目标物反射回来的回波信号。然后，根据回波信号确定所反射信号的目标物相对于设备的距离信息和方位信息，并基于距离信息和方位信息确定回波信号功率谱。最后，依据功率谱从回波信号中筛选出由人体反
射回来的目标回波信号，并基于该目标回波信号确定人体在目标空间内的位置信息。
48.该方案主要依靠人体心跳等波动信号对室内人员进行位置检测，对环境中存在的扰动信息较为敏感，例如动态的窗帘、风扇、掉落物体等易识别为人体移动，从而容易导致人体已发生久滞而遗漏报警的情况；另外，毫米波雷达受多径效应影响较大，对于非波束范围内的目标容易丢失，即出现区域内有人而感应为无人，最终引起人体发生久滞而未上报告警信息的情况。
49.在一些方案中，基于搭载运动传感器的可穿戴式设备进行数据获取并监测人体运动状态。具体地，在手环装置内设有运动传感器，用以实现人体身体部位实时运动数据的采集与传输，并通过分析运动传感器传输的数据判断是否出现长时间未动的情况，若出现长时间未动则将结果发送到与手环绑定的特定终端用户。
50.该方案中，可穿戴式传感器的便利性较差，并且用户时常会忘记佩戴手环装置而出现无法实时监测的情况。此外，通过佩戴手环装置监测人体久滞风险行为存在较大的漏洞，例如当人体发生久滞但佩戴手环装置的身体部位仍在大幅移动时，将导致无法监测到久滞的情况。
51.针对上述问题，本技术实施例提供了一种检测人体久滞的方法、电子设备及存储介质，通过获取红外图像序列(红外图像序列是t秒内对目标区域进行采集到的红外图像按时间顺序排列的时序数据，1≤t≤60)。先根据红外图像序列，确定目标区域内是否存在人体热源。若目标区域内存在人体热源，则根据该红外图像序列，确定人体是否发生久滞。在此实施例中，采用t秒内的红外图像序列进行热源检测，能够规避采用单帧红外图像进行热源检测的偶发误差，使得热源检测准确，准确判断出目标区域是否存在人体热源。在存在人体热源的情况下，才对目标区域进行久滞检测，能够准确检测出人体久滞，有效避免发生久滞而漏检误检带来的风险，另一方面，室内场景中多数区域都是长时间无人体热源存在，通过上述方式可以直接又快速地检测出多数时刻目标区域内无人体热源存在的状态，从而节省算力。
52.下面说明本技术实施例提供的用于实现上述检测人体久滞的方法的电子设备。可以理解的是，电子设备具有计算处理能力，本技术实施例中的电子设备可以是用于现场监测的监测设备，也可以是与监测设备通信连接的终端或服务器等。
53.在一些实施例中，监测设备是热释电红外传感器，如图1所示，热释电红外传感器安装在室内目标区域对应的天花板上，距离地面高h，热释电红外传感器正对目标区域。热释电红外传感器与电子设备通信连接。
54.其中，热释电红外传感器是通过非接触探测红外能量(热量)，并将其转换为电信号，进而生成反映目标区域内各个物体温度的红外图像。红外图像相当于一个温度数据阵列，每个像素点的像素值即为该像素点对应空间物体的温度值。
55.请参阅图2，在一些实施例中，热释电红外传感器的分辨率是24*32，每采集一次输出一帧大小为24*32的红外图像。基于红外图像中每个像素点的值为对应世界坐标系中物体的温度值，从而，可以从红外图像中得到热量的分布范围、大致形状以及具体的温度值等信息。如图2所示，图中高亮区域为老人坐着时被热释电红外传感器感应到的热源分布。
56.在一些实施例中，热释电红外传感器采集频率为每秒f帧(1≤f≤32)，并缓存近t秒(1≤t≤60)时间内的红外图像，即f*t帧红外图像，作为红外图像序列。其中，采集频率f
与缓存时间t可根据设备的算力进行动态调整。
57.请参阅图3，电子设备100包括通信连接的处理器101和存储器102。这里，通信连接可以通过总线连接，图3中以总线连接进行了示例性说明。可以理解的是，图3示出的电子设备仅仅是一个示例，不应对本技术实施例的功能和使用范围带来任何限制。
58.基于电子设备与热释电红外传感器通信连接，从而，当热释电红外传感器采集到红外图像序列后，将红外图像序列发送给电子设备。从而，处理器能够获取到红外图像序列。
59.其中，处理器101被配置为支持该电子设备100执行检测人体久滞的方法中相应的功能。该处理器101可以是中央处理器(central processing unit，cpu)，网络处理器(network processor，np)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(application specific integrated circuit，asic)，可编程逻辑器件(programmable logic device，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complex programmable logic device，cpld)，现场可编程逻辑门阵列(field-programmable gate array，fpga)，通用阵列逻辑(generic array logic，gal)或其任意组合。
60.存储器102作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态性计算机可执行程序以及模块，如本技术实施例中检测人体久滞的方法对应的程序指令/模块。处理器101通过运行存储在存储器102中的非暂态软件程序、指令以及模块，可以实现下述任意一个方法实施例中的检测人体久滞的方法。
61.存储器102可以包括易失性存储器(volatile memory，vm)，例如随机存取存储器(random access memory，ram)；存储器1002也可以包括非易失性存储器(non-volatile memory，nvm)，例如只读存储器(read-only memory，rom)，快闪存储器(flash memory)，硬盘(hard disk drive，hdd)或固态硬盘(solid-state drive，ssd)；存储器102还可以包括上述种类的存储器的组合。
62.可以理解的是，电子设备还包括其它支持运行的硬件和软件。硬件可以包括天线、各种传感器、麦克风等。软件可以包括操作系统等，操作系统是管理和控制电子设备硬件与软件资源的程序。软件还可以包括各种应用程序(application,app)。在此，对未涉及本技术实施例的改进的电子设备其它部分不再进行说明。
63.值得说明的是，在一些实施例中，电子设备也可以与热释电红外传感器集成在一起，作为监测设备。在一些实施例中，电子设备也可以是终端或服务器等。本技术实施例中，不对电子设备的形式做任何限制，能够获取到红外图像序列，具有计算处理能力即可。
64.根据上文可以理解，本技术实施例提供的检测人体久滞的方法可以由各种类型具有处理能力的电子设备实施，例如由电子设备的处理器实施执行或由其它具有计算处理能力的设备实施执行等。其它具有计算处理能力的设备可以是与电子设备通信连接的智能终端或服务器等。
65.下面结合本技术实施例提供的电子设备的示例性应用和实施，说明本技术实施例提供的检测人体久滞的方法。请参阅图4，图4是本技术实施例提供的检测人体久滞的方法的流程示意图。可以理解的是，该检测人体久滞的方法的执行主体可以是电子设备的一个或多个处理器。
66.如图4所示，该方法s100具体可以包括以下步骤：
67.s10：获取红外图像序列。
68.其中，红外图像序列是t秒内对目标区域进行采集到的红外图像按时间顺序排列的时序数据，1≤t≤60。可以理解的是，该红外图像序列是由上述实施例中红外摄像头在t秒内对目标区域按一定的频率进行拍摄采样，采集到的。例如，t为5秒，采集频率f为20，则红外图像序列中有100张按采集时间顺序排列的红外图像。
69.在一些实施例中，红外图像序列中的红外图像的分辨率低于100*100。可以理解的是，分辨率低于100*100的红外图像为低分辨率图像，能够有效规避用户担心的隐私暴露问题，具有较好的隐私保护。
70.例如，红外图像的分辨率可以是24*32，分辨率越小，单个像素点所映射的区域越大，不容易清楚地显示目标区域中各个物体的细节，从而，能够规避隐私暴露问题，提高对用户居住场所所涉及隐私的保护。
71.s20：根据红外图像序列，确定目标区域内是否存在人体热源。
72.可以理解的是，红外图像中每个像素点反应对应区域的温度值，若目标区域内存在人体热源，则红外图像中人体所在位置区域的温度值将高于无热源区域的温度值。因此，可以依据红外图像中的温度分布，确定目标区域内是否存在人体热源。
73.考虑到单帧红外图像的信息有限，可能存在少数帧红外图像无法明显反映热源的情况，使得基于单帧的检测具有偶发性，误差较大，因此，采用红外图像序列中的多个红外图像，确定目标区域内是否存在人体热源，能够使得人体热源检测更加准确。
74.在一些实施例中，步骤s20具体包括：
75.s21：遍历红外图像序列，确定每一帧红外图像对应的第一温度阈值。
76.可以理解的是，对于任意一帧红外图像，对应有自己的第一温度阈值。也就是说，红外图像序列中的各个红外图像，采用的第一温度阈值不是相同的。可以理解的是，目标区域中温度受环境、物体种类、传感器自身影响，每一红外图像中温度分布不同，例如，同样的场景(同样的温度分布)在两个红外图像中温度分布不同。若采用统一的绝对阈值，会造成一些红外图像的阈值不合理，影响热斑区域的提取。因此，在此实施例中，每帧红外图像，对应有自己的第一温度阈值，有益于后续准确分割提取热斑区域。
77.在一些实施例中，前述“确定每一帧红外图像对应的第一温度阈值”，具体包括：根据红外图像中各像素点的温度分布，确定第一温度阈值。
78.具体地，可以对红外图像中各像素点的温度进行统计，例如，将红外图像中各像素点的温度按从小到大排序，形成温度序列。根据位于温度序列75％位置的温度值和位于温度序列25％位置的温度值，计算第一温度阈值。在一些实施例中，可以采用如下公式计算第一温度阈值：
[0079][0080]
其中，threshold_1为第一温度阈值，和为参数因子，percentile(imge_i,0.75)为第i帧红外图像中位于温度序列75％位置的温度值，percentile(imge_i,0.25)为第i帧红外图像中位于温度序列25％位置的温度值。
[0081]
在此实施例中，根据红外图像中各像素点的温度分布，确定第一温度阈值，使得第一温度阈值能够与该红外图像相匹配，准确分割提取出热斑区域。
[0082]
s22：针对红外图像中的像素点，筛选出温度大于或等于第一温度阈值的像素点，
构成热斑区域，若热斑区域的最大连通面积大于或等于第一面积阈值，则确定红外图像存在人体热源。
[0083]
将红外图像中的各个像素点对应的温度值，分别与第一温度阈值进行比较，若某一像素点的温度值大于或等于第一温度阈值，则将该像素点划分至热斑区域。可以理解的是，当对红外图像中的各个像素点完成筛选后，得到热斑区域。
[0084]
然后，计算热斑区域的最大连通面积，即最大连通区域中像素点的个数。第一面积阈值为判断红外图像是否包括人体热源的临界值，可以排除小面积的干扰热源。在一些实施例中，第一面积阈值可以基于人体在图像中的平均面积确定，能够大致区分人体和其它物体。
[0085]
由此，若热斑区域的最大连通面积大于或等于第一面积阈值，可以有效排除小面积的干扰热源，区分人体热源。从而，可以确定红外图像中存在人体热源。
[0086]
s23：当红外图像序列遍历完成后，若红外图像序列中存在人体热源的红外图像的数量大于或等于第一数量阈值，则确定目标区域内存在人体热源。
[0087]
可以理解的是，考虑到单帧红外图像进行热源检测的偶发误差，这里，采用t秒内的红外图像序列进行热源检测。即，当红外图像序列遍历完成后，若红外图像序列中存在人体热源的红外图像的数量大于或等于第一数量阈值，则确定目标区域内存在人体热源。其中，第一数量阈值可以根据红外图像序列中红外图像的总帧数确定，在此，不对第一数量阈值进行任何限制。
[0088]
在此实施例中，通过上述方式，能够规避采用单帧红外图像进行热源检测的偶发误差，使得热源检测准确，排除小面积的干扰热源，有利于准确判断出目标区域是否存在人体热源。
[0089]
s30：若目标区域内存在人体热源，则根据红外图像序列，确定人体是否发生久滞。
[0090]
可以理解的是，基于红外图像序列是t秒内对目标区域进行采集到的红外图像按时间顺序排列的时序数据；久滞是指人体长时间在一个固定小区域停留且未发生位置移动的风险行为，比如长时间坐在某一个位置未起身、难以起身以或摔倒后无法爬起之类的行为状况。从而，红外图像序列中热斑区域的光流能够反映人体的运动情况。因此，可以根据红外图像序列，确定人体是否发生久滞。若发生久滞，则可进行相应的久滞告警。
[0091]
在存在人体热源的情况下，才对目标区域进行久滞检测，能够准确检测出人体久滞，有效避免发生久滞而漏检误检带来的风险，另一方面，室内场景中多数区域都是长时间无人体热源存在，通过上述方式可以直接又快速地检测出多数时刻目标区域内无人体热源存在的状态，从而，节省算力。
[0092]
在一些实施例中，前述步骤s30具体包括：
[0093]
s31：根据红外图像序列，确定人体是否发生大幅移动。
[0094]
其中，大幅移动是指人体重心发生变化，即重心位置发生改变，而非人体四肢的摆动。可以理解的是，若人体发生大幅移动，说明人体处于运动状态，能够自由活动，未发生久滞。若人体未发生大幅移动，则说明可能存在久滞风险。
[0095]
在一些实施例中，前述步骤s31具体包括：
[0096]
s311：遍历红外图像序列，将当前红外图像和基础红外图像按对应像素点位置进行像素值相减运算，得到差值图像。
[0097]
其中，差值图像是当前红外图像和基础红外图像之间对应位置的像素值(温度值)相减得到的图像，如下公式所示：
[0098]
diff_imge
i,
＝imge_i
i,-base_imge
i,
[0099]
其中，imge_i
i,
是第i帧红外图像(即当前红外图像)中第i行第j列的像素点对应的像素值(温度值)，base_imge
i,
是基础红外图像中第i行第j列的像素点对应的像素值(温度值)，diff_imge
i,
是差值图像中第i行第j列的像素点对应的像素值(温度差值)。
[0100]
遍历红外图像序列，对于红外图像序列中的第2帧红外图像，基础红外图像可以是红外图像序列中的第1帧红外图像。即计算第2帧红外图像(此时的当前红外图像)和基础红外图像之间的差值，得到差值图像。可以理解的是，差值图像能够反映第2帧红外图像中人体热源和第1帧红外图像中人体热源的移动情况。人体在第1帧红外图像中对应的像素点和人体在第2帧红外图像中对应的像素点，在差值图像中对应的像素值(温度差值)较大。这两个差值较大的区域可能重合，也可能未发生重合。可以理解的是，由于红外图像序列的采样时间短，正常情况下，这两个差值较大的区域会发生重合。可以理解的是，重合区域越大，人体移动位置越小，重合区域越小，人体移动位置越大。
[0101]
s312：确定差值图像对应的第二温度阈值，针对差值图像中的像素点，筛选出温度差值大于或等于第二温度阈值的像素点，构成移动区域。
[0102]
基于人体在当前红外图像中对应的像素点，和，人体在基础红外图像中对应的像素点，这些像素点在差值图像中对应的温度差值较大。这里，采用第二温度阈值筛选出移动区域。
[0103]
可以理解的是，对于任意一帧差值图像，对应有自己的第二温度阈值。也就是说，各个差值图像采用的第二温度阈值不是完全相同的。可以理解的是，目标区域中温度受环境、物体种类、传感器自身影响，每一红外图像中温度分布不同，从而，各个差值图像的温度差值分布也不尽相同。若采用统一的绝对阈值，会造成一些差值图像的阈值不合理，影响移动区域的提取。因此，在此实施例中，每帧差值图像，对应有自己的第二温度阈值，有益于后续准确分割提取移动区域。
[0104]
将差值图像中的各个像素点对应的温度差值，分别与第二温度阈值进行比较，若某一像素点的温度差值大于或等于第二温度阈值，则将该像素点划分至移动区域。可以理解的是，当对差值图像中的各个像素点完成筛选后，得到移动区域。
[0105]
在一些实施例中，前述“确定差值图像对应的第二温度阈值”，包括：根据差值图像中各像素点的温度分布，确定第二温度阈值。
[0106]
具体地，可以对差值图像中各像素点的温度差值进行统计，例如，将差值图像中各像素点的温度差值按从小到大排序，形成温度差值序列。根据位于温度差值序列75％位置的温度差值和位于温度差值序列25％位置的温度差值，计算第二温度阈值。在一些实施例中，可以采用如下公式计算第二温度阈值：
[0107]
threshold_2＝δ1*percentile(diff_imge,0.75)-2
*percentile(diff_imge,0.25)
[0108]
其中，threshold_2为第二温度阈值，δ1和δ2为参数因子，percentile(diff_imge,0.75)为差值图像中位于温度差值序列75％位置的温度差值，percentile(diff_imge,0.25)为差值图像中位于温度差值序列25％位置的温度差值。
[0109]
在此实施例中，根据差值图像中各像素点的温度差值分布，确定第二温度阈值，使得第二温度阈值能够与该差值图像相匹配，准确分割提取出移动区域。
[0110]
s313：若移动区域的最大连通面积大于或等于第二面积阈值，则确定当前红外图像中人体热源存在移动，并将当前红外图像作为新的基础红外图像，以更新基础红外图像。
[0111]
这里，计算移动区域的最大连通面积，即最大连通区域中像素点的个数。第二面积阈值为判断当前图像中人体热源是否移动的临界值，可以排除人体肢体小幅度摆动带来的干扰。在一些实施例中，第二面积阈值可以基于人体移动反映在差值图像中两个移动区域重合后的平均面积确定，能够区分人体重心移动和肢体摆动。
[0112]
由此，若移动区域的最大连通面积大于或等于第二面积阈值，说明人体热源的运动发生移动(人体重心发生变化)的程度，从而，可以确定当前红外图像中人体热源相对于基础红外图像中人体热源存在移动。
[0113]
由于运动在时间上的连续性，当确定当前红外图像中人体热源存在移动时，将当前红外图像作为新的基础红外图像，以更新基础红外图像。例如，若第2帧红外图像中人体热源存在移动时，遍历第3帧红外图像，第3帧红外图像对应的基础红外图像即为第2帧红外图像。若第2帧红外图像中人体热源未存在移动时，遍历第3帧红外图像，第3帧红外图像对应的基础红外图像仍然为第1帧红外图像。
[0114]
s314：当红外图像序列遍历完成后，若红外图像序列中存在人体热源移动的红外图像的数量大于或等于第二数量阈值，则确定人体发生大幅移动，否则，确定人体未发生大幅移动。
[0115]
可以理解的是，考虑到运动在时间上的连续性以及单帧差值图像进行移动检测的偶发误差，这里，采用t秒内的红外图像序列进行移动检测。即，当红外图像序列遍历完成后，若红外图像序列中存在人体热源移动的红外图像的数量大于或等于第二数量阈值，说明人体运动存在持续性，则确定人体发生大幅移动，否则，确定人体未发生大幅移动。其中，第二数量阈值可以根据差值图像的总帧数确定，在此，不对第二数量阈值进行任何限制。
[0116]
在此实施例中，通过对红外图像序列进行遍历求差值图像，计算各个差值图像中移动区域的面积，筛选出移动区域的最大连通面积大于或等于第二面积阈值的差值图像，基于筛选出的差值图像的数量大于或等于第二数量阈值，确定运动是否存在连续性，进而能够准确判断出人体是否发生大幅移动。
[0117]
s32：若人体未发生大幅移动，则累计人体在当前位置的停留时长。
[0118]
若人体未发生大幅移动，说明可能存在久滞风险。为了进一步确定久滞风险，当发现人体未发生大幅移动时，累计人体在当前位置的停留时长。例如，在t1时刻发现人体未发生大幅移动，则继续获取t1时刻后t秒的红外图像序列，确定人体是否发生大幅移动，若人体仍然未发生大幅移动，则累计停留时长t＝t，依次类推，若下一个t秒仍然检测出人体仍然未发生大幅移动，则累计停留时长t’＝t+t。
[0119]
s33：若停留时长大于或等于预设时长阈值，则确定人体发生久滞。
[0120]
可以理解的是，预设时长阈值是判断是否发生久滞的临界值。当停留时长t大于或等于预设时长阈值时，说明人体长时间未发生移动，确定人体发生久滞。
[0121]
在此实施例中，根据红外图像序列，确定人体是否发生大幅移动。若人体未发生大幅移动，则累计人体在当前位置的停留时长。当停留时长大于或等于预设时长阈值时，则确
定人体发生久滞，使得久滞检测严谨准确。
[0122]
在一些实施例中，该方法还包括：若人体发生大幅移动，则将停留时长重置为零。
[0123]
例如，在t1时刻发现人体未发生大幅移动，则继续获取t1时刻后t秒的红外图像序列，确定人体是否发生大幅移动，若人体仍然未发生大幅移动，则累计停留时长t＝t，若下一个t秒检测出人体发生大幅移动，则将停留时长重置为零，即t＝0。
[0124]
在此实施例中，随着久滞检测的进行，在人体发生大幅移动时，将停留时长重置为零，能够方便准确累计停留时长，有益于提高久滞检测的准确性。
[0125]
综上所述，本技术实施例提供的检测人体久滞的方法，通过获取红外图像序列(红外图像序列是t秒内对目标区域进行采集到的红外图像按时间顺序排列的时序数据)。先根据红外图像序列，确定目标区域内是否存在人体热源。若目标区域内存在人体热源，则根据该红外图像序列，确定人体是否发生久滞。在此实施例中，采用t秒内的红外图像序列进行热源检测，能够规避采用单帧红外图像进行热源检测的偶发误差，使得热源检测准确，准确判断出目标区域是否存在人体热源。在存在人体热源的情况下，才对目标区域进行久滞检测，能够准确检测出人体久滞，有效避免发生久滞而漏检误检带来的风险，另一方面，室内场景中多数区域都是长时间无人体热源存在，通过上述方式可以直接又快速地检测出多数时刻目标区域内无人体热源存在的状态，从而，节省算力。
[0126]
请参阅图5，图5是本技术实施例提供的一种检测人体久滞的装置的结构示意图。其中，该检测人体久滞的装置，应用于电子设备，具体的，该检测人体久滞的装置应用于电子设备的一个或多个处理器。
[0127]
如图5所示，该检测人体久滞的装置200包括：获取模块201、人体热源确定模块202、人体久滞确定模块203。
[0128]
其中，获取模块201用于获取红外图像序列；人体热源确定模块202用于根据红外图像序列，确定目标区域内是否存在人体热源；人体久滞确定模块203用于若目标区域内存在人体热源，则根据红外图像序列，确定人体是否发生久滞。
[0129]
在此实施例中，通过获取模块201获取红外图像序列(红外图像序列是t秒内对目标区域进行采集到的红外图像按时间顺序排列的时序数据，1≤t≤60)。人体热源确定模块202根据红外图像序列，确定目标区域内是否存在人体热源。若目标区域内存在人体热源，则人体久滞确定模块203根据该红外图像序列，确定人体是否发生久滞。该人体久滞确定模块203采用t秒内的红外图像序列进行热源检测，能够规避采用单帧红外图像进行热源检测的偶发误差，使得热源检测准确，准确判断出目标区域是否存在人体热源。在存在人体热源的情况下，才对目标区域进行久滞检测，能够准确检测出人体久滞，有效避免发生久滞而漏检误检带来的风险，另一方面，室内场景中多数区域都是长时间无人体热源存在，通过上述方式可以直接又快速地检测出多数时刻目标区域内无人体热源存在的状态，从而，节省算力。
[0130]
在本技术实施例中，检测人体久滞的装置亦可以由硬件器件搭建成的，例如，检测人体久滞的装置可以由一个或两个以上的芯片搭建而成，各个芯片可以互相协调工作，以完成上述各个实施例所阐述的检测人体久滞的方法。再例如，检测人体久滞的装置还可以由各类逻辑器件搭建而成，诸如由通用处理器、数字信号处理器(dsp)、专用集成电路(asic)、现场可编程门阵列(fpga)、单片机、arm(acorn risc machine)或其它可编程逻辑
器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合而搭建成。
[0131]
本技术实施例中的检测人体久滞的装置可以为具有操作系统的装置。该操作系统可以为安卓(android)操作系统，可以为ios操作系统，还可以为其他可能的操作系统，本技术实施例不作具体限定。
[0132]
本技术实施例提供的检测人体久滞的装置能够实现上述检测人体久滞的方法所能实现的各个过程，为避免重复，这里不再赘述。
[0133]
需要说明的是，上述检测人体久滞的装置可执行本技术实施例所提供的检测人体久滞的方法，具备执行方法相应的功能模块和有益效果。未在检测人体久滞的装置实施例中详尽描述的技术细节，可参见本技术实施例所提供的检测人体久滞的方法。
[0134]
本技术实施例还提供了一种计算机可读存储介质，例如包括程序代码的存储器，上述程序代码可由处理器执行以完成上述实施例中的检测人体久滞的方法。例如，该计算机可读存储介质可以是只读存储器(read-only memory,rom)、随机存取存储器(random access memory，ram)、只读光盘(compact disc read-only memory，cdrom)、磁带、软盘和光数据存储设备等。
[0135]
本技术实施例还提供了一种计算机程序产品，该计算机程序产品包括一条或多条程序代码，该程序代码存储在计算机可读存储介质中。电子设备的处理器从计算机可读存储介质读取该程序代码，处理器执行该程序代码，以完成上述实施例中提供的检测人体久滞的方法的方法步骤。
[0136]
需要说明的是，以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0137]
通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(read-on ly memory,rom)或随机存储记忆体(random access memory,ram)等。
[0138]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；在本技术的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本技术的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。