CN107292281A - 红外传感装置、人体身份识别红外传感系统及方法 - Google Patents
红外传感装置、人体身份识别红外传感系统及方法 Download PDFInfo
- Publication number
- CN107292281A CN107292281A CN201710537795.3A CN201710537795A CN107292281A CN 107292281 A CN107292281 A CN 107292281A CN 201710537795 A CN201710537795 A CN 201710537795A CN 107292281 A CN107292281 A CN 107292281A
- Authority
- CN
- China
- Prior art keywords
- infrared
- sensing device
- infrared sensing
- computing unit
- mask
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000005021 gait Effects 0.000 claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 26
- 230000005855 radiation Effects 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims description 26
- 229910002056 binary alloy Inorganic materials 0.000 claims description 10
- 230000011664 signaling Effects 0.000 claims description 4
- 238000009738 saturating Methods 0.000 claims 1
- 230000033001 locomotion Effects 0.000 description 17
- 210000003128 head Anatomy 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 210000001747 pupil Anatomy 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000037081 physical activity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000005619 thermoelectricity Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
- G06V40/25—Recognition of walking or running movements, e.g. gait recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/29—Graphical models, e.g. Bayesian networks
- G06F18/295—Markov models or related models, e.g. semi-Markov models; Markov random fields; Networks embedding Markov models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/88—Image or video recognition using optical means, e.g. reference filters, holographic masks, frequency domain filters or spatial domain filters
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Vascular Medicine (AREA)
- Life Sciences & Earth Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Human Computer Interaction (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种红外传感装置、用于人体身份识别的红外传感系统及方法，属于红外探测技术领域。该红外传感装置包括：红外传感器，用于探测红外辐射获得红外模拟信号；掩膜，设于所述红外传感器外围，所述掩膜上不同位置开有供所述红外辐射穿过的窗口。本发明的红外传感装置可以直接探测到运动人体的步态信息，提高了识别效率，减小了计算的复杂度，不需要人员配合。
Description
技术领域
本发明实施例涉及红外探测技术领域，尤其涉及一种红外传感装置、用于人体身份识别红外传感系统及方法。
背景技术
目前人体身份识别在安保、金融等多个领域均有广泛应用，用于人体身份识别的装置和方法有很多。
最常用的用于身份识别的方法是利用用户的脸部、瞳孔、或者指纹等生物特征进行身份识别。基于脸部的身份识别利用摄像机获取脸部图像，然后通过图像处理和机器学习技术进行脸部识别以辨识身份。该方法相对准确率高，但计算复杂度巨大，对硬件的计算性能要求高，算法训练过程时间长。基于瞳孔和指纹的身份识别则需要用户配合，瞳孔通常需要在近距离用摄像机拍摄，而指纹更是需要用户与设备直接接触。这导致系统难以识别不愿意配合的用户，或者在远距离范围内难以使用。
此外，利用行走步态同样可以进行用户的身份识别，已有的基于行走步态进行身份识别的系统均采用摄像机或惯性传感器来进行步态的检测。虽然步态识别可以在远距离范围实现，但基于摄像机的步态检测同样存在图像处理对硬件通信带宽和计算能力要求过高的问题，而且在图像中捕捉人体步态和提取特征的计算复杂度比其余生物特征更高，因为步态是一种静态和动态结合的特征，更容易受外界环境干扰，而且影像数据量更大。此外，基于惯性传感器的步态检测则要求用户全身穿戴多个传感器，难以在日常生活中使用。
发明内容
本发明提供一种红外传感装置、用于人体身份识别的红外传感系统及方法，达到不受环境因素影响，检测效率高，无需用户配合的目的。
为达上述目的，本发明实施例采用如下技术方案：
第一方面，本发明实施例提供了一种红外传感装置，包括：
红外传感器，用于探测红外辐射获得红外模拟信号；
掩膜，设于所述红外传感器外围，所述掩膜上不同位置开有供所述红外辐射穿过的窗口。
优选的，所述红外传感器包括红外探测头和电路板，所述红外探测头安装于所述电路板，所述掩膜盖设于所述电路板上。
优选的，所述红外传感装置还包括电路板固定座，所述红外传感器设于所述电路板固定座的一侧面。
优选的，所述掩膜为规则掩膜或伪随机掩膜。
优选的，所述红外传感器还包括菲涅尔透镜，所述菲涅尔透镜固定在所述电路板上并覆盖所述红外探测头。
第二方面，本发明实施例还提供了一种用于人体身份识别的红外传感系统，包括计算单元和多个上述第一方面所述的红外传感装置，多个所述红外传感装置分别布设于不同位置，多个所述红外传感装置分别连接所述计算单元，所述计算单元用于根据多个所述红外传感装置输出的所述红外模拟信号进行人体身份识别。
优选的，所述红外传感装置为四个，分别布设于四个不同的安装面上。
第三方面，本发明实施例还提供了一种用于人体身份识别的方法，该方法采用上述第二方面所述的红外传感系统来执行，该方法包括：
计算单元将每个所述红外传感器输出的红外模拟信号转换成二进制信号；
计算单元将多个所述二进制信号按照红外传感器编号排列堆叠成二进制步态时序信号；
计算单元将所述步态时序信号转化为十进制信号；
计算单元将所述十进制信号作为观测信号输入给训练好的隐藏马尔科夫模型得到似然值；
计算单元根据所述似然值进行人体身份识别。
优选的，该方法还包括：计算单元预存储所述训练好的隐藏马尔科夫模型。
优选的，所述训练好的隐藏马尔科夫模型为多个。
本发明提供一种红外传感装置、用于人体身份识别的红外传感系统及方法，采用掩膜盖设于红外传感器外周，本发明的红外传感装置与传统的步态识别方式相比，不需要进行特征的提取，不要用户配合，可以直接探测到运动人体的步态信息，提高了识别效率，减小了计算的复杂度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明实施例一中的一种红外传感装置的结构示意图；
图2是本发明实施例一中的一种红外传感装置的爆炸结构示意图；
图3是本发明实施例中的随机掩膜的示意图；
图4A和图4B是本发明实施例中的规则掩膜的示意图；
图5是本发明实施例二中的一种用于人体身份识别的红外传感系统的结构示意图；
图6是本发明实施例三中的一种人体身份识别的方法流程图；
图7是本发明实施例三中的将红外模拟信号转换成二进制信号的信号示意图；
图8是本发明中运动人体经过红外传感装置的探测范围时将触发红外传感器的过程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。在不冲突的情况下，以下实施例和实施例中的特征可以相互组合。
本发明实施例提供的红外传感装置用于进行人体身份识别的红外传感系统。采用本发明实施例提供的红外传感装置，能够探测到运动人体的红外辐射，获得红外模拟信号，所获得的红外模拟信号直接反应人体的步态信息实现运动人体的步态检测。
实施例一
图1-2为本发明实施例一提供的一种红外传感装置的结构示意图。如图1-2所示，红外传感装置1包括：
红外传感器11，用于探测红外辐射获得红外模拟信号；
掩膜12，设于所述红外传感器11外围，所述掩膜12的不同位置开有供所述红外辐射穿过的窗口。
本实施例提供的红外传感装置1对运动的人体敏感，可以检测到运动的人体，不易受环境干扰，特别适合用于人体活动检测；此外，红外传感装置1可直接探测到运动人体的行走时的肢体运动的红外模拟信号获得步态信息，无需像采用摄像机进行步态检测时通过图像处理的复杂算法才能提取步态特征，因此探测效率非常高，且无需用户配合。此外，本发明提供的红外传感装置1组成部件少，设备体积小，安装方便，能耗低，成本低。
具体地，所述红外传感器11可以选择传统的热电红外(Pyroelectric Infrared,PIR)传感器；所述红外传感器11包括红外探测头112和电路板111，所述红外探测头112安装于所述电路板111，所述掩膜12盖设于所述电路板111上。所述红外传感装置1还包括电路板固定座13，所述电路板111设于所述电路板固定座13的一侧面。此外，红外传感装置1可以通过所述电路板固定座13与安装面进行固定，比如螺钉固定或粘固等(图未示出)。通过这种设置，使得所述红外传感装置1设备体积小，安装方便。
所述掩膜12为规则掩膜或伪随机掩膜。此处“伪随机掩膜”是指掩膜上开设窗口的大小和/或位置随机设置，例如，图3中所示的掩膜为开设窗口的大小随机的掩膜；伪随机掩膜是相对规则掩膜而言的，而规则掩膜是指开设的窗口的大小相等且位置规则排列，例如具有大小相等、位置整齐排列的矩形窗口的规则掩膜，如图4A和图4B所示。另外，需要指出的是，本领域技术人员知晓，伪随机实质上与随机的含义相同，由于在工程里人为制造的随机都不是严格意义上的随机，所以一般把人工制造的随机对象称为伪随机对象。
但是，通过将掩膜12设置为伪随机掩膜能够获得比规则掩膜更加丰富的热量变化模式，红外传感装置也将对不同的运动步态产生区别很大的红外模拟信号，从而相较于规则掩膜而言，对不同运动人体的步态的区分能力更强，进一步提高了对运动人体步态的识别能力。本领域技术人员可以根据实际的需求，如检测精度等选择不同的掩膜。
在其中一种实施方式中，如图1-2所示，所述掩膜12采取的是伪随机掩膜，掩膜12上设有多个大小不等的纵向的窗口，且窗口之间的间距不等。
进一步地，所述主动红外传感装置可以包括多个配对设置的红外传感器11和掩膜12，其中多个配对设置的红外传感器11和掩膜12均固定在所述电路板固定座13的同一侧面；对应不同的红外传感器11的掩膜12可以不同也可以相同，即开设窗口的大小和/或位置可以不同也可以相同。通过这种设置，由于多个配对设置的红外传感器11和掩膜12相对于运动人体而言探测视野的角度不同，可以获得更加丰富的热量变化模式，从而提高探测精度；若多个掩膜12不同，即开设窗口的大小和/或位置不相同，将进一步丰富热量变化模式，从而进一步提高探测精度。具体地，在其中一种实施方式中，如图1-2所示，所述主动红外传感装置包括2个配对设置的红外传感器11和掩膜12，2个配对设置的红外传感器11和掩膜12纵向排列设于所述电路板固定座13的同一侧面，2个掩膜12不相同，具体地，开设窗口的大小和位置均不同。
进一步地，所述红外传感器11还包括菲涅尔透镜(图未示出)，所述菲涅尔透镜固定在所述电路板111上并覆盖所述红外探测头112。通过这种设置，可以增加所述红外传感器11的探测距离。
实施例二
本发明实施例还提供一种用于人体身份识别的红外传感系统，包括计算单元和多个根据上述实施例一任一技术方案所述的红外传感装置1，多个所述红外传感装置1分别布设于不同位置，多个所述红外传感装置1分别连接所述计算单元，所述计算单元用于根据多个所述红外传感装置输出的所述红外模拟信号进行人体身份识别。
具体地，人员活动范围内不同位置和/或不同高度布设多个所述红外传感装置1，多个所述红外传感装置1检测到人体肢体运动的不同角度的信息，该红外传感系统的识别精度更高。
在其中一个实施例中，如图5所示，在人员活动空间里安装红外传感系统，红外传感系统包括4个所述红外传感装置1，4个所述红外传感装置1分别布设于人员活动空间的四周的前后左右四个不同的安装面上。其中，每个所述红外传感装置1包括2个红外传感器，则该系统共包括8个红外传感器。此外，需要指出的是，为了获得更加高精度的结果，每个所述红外传感装置1的掩膜可以不相同。
将红外传感装置1布设在人体的活动空间四周，探测到运动人体的红外模拟信号，红外模拟信号直接包括人体的步态信息，通过计算单元根据所述红外模拟信号则可以进行人体身份的识别，识别效率高，不需要人体配合。此外，系统的数据效率高，输出数据总量小，一般为几个比特，当根据需要增加传感器数目时，所有传感器的总的输出数据量也通常为几十比特，相比采用摄像头等进行身份识别的方法，大大节省了通信资源和计算资源。
实施例三
本发明实施例三提供一种用于人体身份识别的方法，该方法采用上述实施例二中任一技术方案所述的红外传感系统来执行，以下在介绍方法步骤的过程中以包括4个红外传感装置，每个红外传感装置包括1个红外传感器的用于人体身份识别的红外传感系统为例进行说明。如图6所示，该方法包括如下步骤：
S1、计算单元将每个所述红外传感器输出的红外模拟信号转换成二进制信号；
其中，计算单元将4个所述红外传感器输出的红外模拟信号分别转换成二进制信号，将其中一个红外传感器输出的红外模拟信号转换成二进制信号如图7所示。4个红外传感器输出的红外模拟信号转换成为二进制信号依次为[100…]；[010…]；[101…]；[010…]。
运动人体经过每个红外传感装置的探测范围时，将触发传感器探测红外辐射获得红外模拟信号，红外模拟信号图如图7箭头左边图所示，横坐标为时间坐标，纵坐标为电压坐标。每个所述红外传感器11输出的红外模拟信号按照某个阈值设置被转换成二进制信号。在其中一个具体实施例中，比如设定一个阈值，超过阈值范围的为1，否则为0。例如一个电压信号，范围为-1.6V到1.6V的转换成信号“0”，大于1.6V和小于-1.6V的转换成信号“1”，需要指出的是，阈值的设定不是唯一，此处仅为举例说明。二进制信号图如图7箭头右边图所述，横坐标为时间坐标，黑色部分代表该时间段信号为“0”，白色部分代表该时间段信号为“1”。在另一个具体实施例中，如图8所示，由于具有纵向窗口的掩膜12的存在，使得运动人体经过有遮挡的地方的时间段红外传感器11产生的红外模拟信号将被转换成信号“0”，而经过开窗的地方的时间段产生的红外模拟信号将被转换成信号“1”。
S2、计算单元将多个所述二进制信号按照红外传感器编号排列堆叠成二进制步态时序信号；
其中，计算单元将4个所述二进制信号按照红外传感器编号排列堆叠成二进制步态时序信号。
4个传感器依次顺序编号为1～4，4个分别编号为1～4的红外传感器转换成的二进制信号依次为[100…]；[010…]；[101…]；[010…]，按照红外传感器编号排列堆叠成二进制步态时序信号为[1010，0101，0010，…]。如“1010”，其中，第一位“1”对应编号为1的红外传感器转换成的二进制信号的第一位，第二位“0”对应编号为2的红外传感器转换成的二进制信号的第一位，以此类推。
S3、计算单元将所述二进制步态时序信号转化为十进制数字信号；
其中，计算单元将二进制步态时序信号[1010，0101，0010，…]转化为十进制数字信号为[10，5，2，…]。
S4、计算单元将所述十进制数字信号作为观测信号输入给训练好的隐藏马尔科夫模型得到似然值；
其中，计算单元将所述十进制数字信号[10，5，2，…]作为观测信号输入给训练好的隐藏马尔科夫模型(HMM)得到似然值。
具体地，为了进行人体身份的识别，训练好的隐藏马尔科夫模型为多个，针对每个人都具有属于他个人的训练好的隐藏马尔科夫模型，即针对不同的人其训练好的隐藏马尔科夫模型不同。
计算单元将所述十进制数字信号[10，5，2，…]作为观测信号输入给多个所述训练好的隐藏马尔科夫模型(HMM)，针对每个模型分别得到一个似然值。
S5、计算单元根据所述似然值进行人体身份识别。
其中，计算单元根据针对每个模型获得的多个所述似然值进行人体身份识别，在具体实施方式中，根据使用情况和实际情况有很多种识别方案。在其中最简单的一种具体实施方式中，取似然值最高的那个模型所对应的某人作为识别对象。但要更准确一点，针对似然值还可以多设几个预设条件，例如，取似然值最高并且大于某个阈值的那个模型所对应的某人作为识别对象。
此处还需要指出的是，若不存在满足预设的条件的似然值，说明针对运动空间探测到的运动人体并未存在与之对应的训练好的隐藏马尔科夫模型，此时，计算单元可以针对该人的二进制步态时序信号获得与之对应的训练好的隐藏马尔科夫模型，以便后续进行基于步态的检测识别。
本实施例的身份识别方法算法简单，数据总量小，相比采用摄像头等进行身份识别的方法，大大节省了通信资源和计算资源，能耗低，成本低。
在上述技术方案的基础上，该方法还包括：S0，计算单元预存储所述训练好的隐藏马尔科夫模型。显然地，在预存储所述训练好的隐藏马尔科夫模型之前需要训练隐藏马尔科夫模型。
计算单元可以为安装于所述红外传感装置上的芯片或独立的计算机。
此处需要说明的是，当计算单元为与红外传感装置独立的计算机时，训练隐藏马尔科夫模型的过程，可以通过该计算机或其他计算单元，在进行人体身份识别之前完成，通过获得某个人的十进制步态时序信号作为观测信号，设置好隐藏状态数目与观测信号数目，通过常规的隐藏马尔科夫模型训练过程则可获取该人的步态模型。隐藏状态数目与观测信号数目可通过数值模拟和实验分析来获得合适的数值。训练后不同的人将获得一个不同的隐藏马尔科夫模型模型，可以用来检验识别后来的步态数据。隐藏马尔科夫模型训练过程为本领域技术人员常规技术手段，此处不再赘述。
上述产品可执行本发明任意实施例所提供的方法，具备执行方法相应的功能模块和有益效果。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种红外传感装置，其特征在于，包括：
红外传感器，用于探测红外辐射获得红外模拟信号；
掩膜，设于所述红外传感器外围，所述掩膜上不同位置开有供所述红外辐射穿过的窗口。
2.根据权利要求1所述的红外传感装置，其特征在于，所述红外传感器包括红外探测头和电路板，所述红外探测头安装于所述电路板，所述掩膜盖设于所述电路板上。
3.根据权利要求2所述的红外传感装置，其特征在于，所述红外传感装置还包括电路板固定座，所述红外传感器设于所述电路板固定座的一侧面。
4.根据权利要求1-3任一项所述的红外传感装置，其特征在于，所述掩膜为规则掩膜或伪随机掩膜。
5.根据权利要求2所述的红外传感装置，其特征在于，所述红外传感器还包括菲涅尔透镜，所述菲涅尔透镜固定在所述电路板上并覆盖所述红外探测头。
6.一种用于人体身份识别的红外传感系统，其特征在于，包括计算单元和多个根据权利要求1-5任一项所述的红外传感装置，多个所述红外传感装置分别布设于不同位置，多个所述红外传感装置分别连接所述计算单元，所述计算单元用于根据多个所述红外传感装置输出的所述红外模拟信号进行人体身份识别。
7.根据权利要求6所述的红外传感系统，其特征在于，所述红外传感装置为四个，分别布设于四个不同的安装面上。
8.一种用于人体身份识别的方法，该方法采用权利要求6-7任一项所述的红外传感系统来执行，其特征在于，该方法包括：
计算单元将每个所述红外传感器输出的红外模拟信号转换成二进制信号；
计算单元将多个所述二进制信号按照红外传感器编号排列堆叠成二进制步态时序信号；
计算单元将所述二进制步态时序信号转化为十进制信号；
计算单元将所述十进制信号作为观测信号输入给训练好的隐藏马尔科夫模型得到似然值；
计算单元根据所述似然值进行人体身份识别。
9.根据权利要求8所述的方法，其特征在于，该方法还包括：计算单元预存储所述训练好的隐藏马尔科夫模型。
10.根据权利要求9所述的方法，其特征在于，所述训练好的隐藏马尔科夫模型为多个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710537795.3A CN107292281A (zh) | 2017-07-04 | 2017-07-04 | 红外传感装置、人体身份识别红外传感系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710537795.3A CN107292281A (zh) | 2017-07-04 | 2017-07-04 | 红外传感装置、人体身份识别红外传感系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107292281A true CN107292281A (zh) | 2017-10-24 |
Family
ID=60099261
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710537795.3A Pending CN107292281A (zh) | 2017-07-04 | 2017-07-04 | 红外传感装置、人体身份识别红外传感系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107292281A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109709516A (zh) * | 2019-01-14 | 2019-05-03 | 南方科技大学 | 一种红外传感定位方法、装置、系统、存储介质 |
| CN110647993A (zh) * | 2019-09-23 | 2020-01-03 | 南方科技大学 | 一种红外传感器掩膜制造方法、装置、系统及存储介质 |
| CN110827499A (zh) * | 2018-08-07 | 2020-02-21 | 杭州萤石软件有限公司 | 一种移动对象检测方法及电子设备 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101695445A (zh) * | 2009-10-29 | 2010-04-21 | 浙江大学 | 一种基于加速度传感器的步态身份识别方法 |
| CN104462740A (zh) * | 2014-06-17 | 2015-03-25 | 武汉理工大学 | 一种影响热释电人体身份识别的多因素建模方法 |
-
2017
- 2017-07-04 CN CN201710537795.3A patent/CN107292281A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101695445A (zh) * | 2009-10-29 | 2010-04-21 | 浙江大学 | 一种基于加速度传感器的步态身份识别方法 |
| CN101695445B (zh) * | 2009-10-29 | 2011-11-23 | 浙江大学 | 一种基于加速度传感器的步态身份识别方法 |
| CN104462740A (zh) * | 2014-06-17 | 2015-03-25 | 武汉理工大学 | 一种影响热释电人体身份识别的多因素建模方法 |
Non-Patent Citations (3)
| Title |
|---|
| JIAN-SHUEN FANG 等: "Real-time human identification using a pyroelectric infrared detector array and hidden Markov models", 《OPTICS EXPRESS》 * |
| RUI MA 等: "Active Compressive Sensing via Pyroelectric", 《2016 IEEE》 * |
| XIN ZHOU 等: "1-bit Walker Recognition with Distributed Binary Pyroelectric Sensors", 《2010 IEEE INTERNATIONAL CONFERENCE ON MULTISENSOR FUSION AND INTEGRATION FOR INTELLIGENT SYSTEMS》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110827499A (zh) * | 2018-08-07 | 2020-02-21 | 杭州萤石软件有限公司 | 一种移动对象检测方法及电子设备 |
| CN110827499B (zh) * | 2018-08-07 | 2021-06-11 | 杭州萤石软件有限公司 | 一种移动对象检测方法及电子设备 |
| CN109709516A (zh) * | 2019-01-14 | 2019-05-03 | 南方科技大学 | 一种红外传感定位方法、装置、系统、存储介质 |
| CN109709516B (zh) * | 2019-01-14 | 2024-01-16 | 南方科技大学 | 一种红外传感定位方法、装置、系统、存储介质 |
| CN110647993A (zh) * | 2019-09-23 | 2020-01-03 | 南方科技大学 | 一种红外传感器掩膜制造方法、装置、系统及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Fall detection based on dual-channel feature integration | |
| Johnston et al. | Smartwatch-based biometric gait recognition | |
| Liu et al. | Fall detection and personnel tracking system using infrared array sensors | |
| US20160259980A1 (en) | Systems and methodologies for performing intelligent perception based real-time counting | |
| CN107831907A (zh) | 基于步态识别的身份认证方法及装置 | |
| Sajid et al. | A conceptual model for automated attendance marking system using facial recognition | |
| Wang et al. | CAUTION: A Robust WiFi-based human authentication system via few-shot open-set recognition | |
| CN103514438A (zh) | 人脸判断系统以及方法 | |
| Wittenburg et al. | Cooperative event detection in wireless sensor networks | |
| CN107292281A (zh) | 红外传感装置、人体身份识别红外传感系统及方法 | |
| CN112989889B (zh) | 一种基于姿态指导的步态识别方法 | |
| CN105139006A (zh) | 一种基于虹膜变化的活体识别方法及系统 | |
| CN110058699A (zh) | 一种基于智能移动设备传感器的用户行为识别方法 | |
| CN109871773A (zh) | 活体检测方法、装置及门禁机 | |
| Khowaja et al. | Facial expression recognition using two-tier classification and its application to smart home automation system | |
| Trong et al. | Recognizing hand gestures for controlling home appliances with mobile sensors | |
| CN109934098A (zh) | 一种带隐私保护的摄像机智能系统及其实现方法 | |
| CN108810272A (zh) | 基于移动终端多传感器的行为识别模型训练方法及装置 | |
| Li et al. | Adaptive deep feature fusion for continuous authentication with data augmentation | |
| CN116363748A (zh) | 基于红外-可见光图像融合的电网现场作业一体管控方法 | |
| CN105426961B (zh) | 利用智能手环和智能手机捕捉使用者意图的方法 | |
| CN103246880A (zh) | 基于多阶局部显著模式特征统计的人脸识别方法 | |
| CN108364303A (zh) | 一种带隐私保护的摄像机智能跟踪方法 | |
| Li et al. | Control your home with a smartwatch | |
| CN116366806A (zh) | 一种基于物联网的智能监控系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171024 |
|
| RJ01 | Rejection of invention patent application after publication |