CN108256283A - 一种室内人数识别方法和装置 - Google Patents
一种室内人数识别方法和装置 Download PDFInfo
- Publication number
- CN108256283A CN108256283A CN201611238170.9A CN201611238170A CN108256283A CN 108256283 A CN108256283 A CN 108256283A CN 201611238170 A CN201611238170 A CN 201611238170A CN 108256283 A CN108256283 A CN 108256283A
- Authority
- CN
- China
- Prior art keywords
- region
- multizone
- probability
- kinds
- people
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Time Recorders, Dirve Recorders, Access Control (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明实施例提供了一种室内人数识别方法和装置，所述方法包括：根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。
Description
技术领域
本发明涉及智能家庭技术领域，尤其涉及一种室内人数识别方法和装置。
背景技术
目前，被动式红外探测器(PIR)广泛应用于安防系统，用于检测特定区域内是否有人活动。此外，应用射频识别(RFID)技术的系统和可穿戴运动传感器可识别室内人员和动作状态。
但是，上述两种人员识别相关技术都存在一定缺陷：所述PIR的应用只能检测某个区域是否有人活动，不能用于判断该区域内在家的人数；所述通过RFID系统和可穿戴设备结合的识别技术，要求用户在室内必须要佩戴特定的设备，而这不一定适合用户的穿戴习惯，否则将不能达到理想的识别效果，因此用户体验较差。
发明内容
有鉴于此，本发明实施例期望提供一种室内人数识别方法和装置，可实现室内人数的统计，提高用户体验。
为达到上述目的，本发明实施例的技术方案是这样实现的：
本发明实施例提供一种室内人数识别方法，该方法包括：
根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；
分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；
依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；
将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。
上述方案中，所述根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例，包括：
根据室内每个PIR的触发事件统计每个PIR的触发持续时间；
根据不同PIR之间触发持续时间的重叠情况，计算所述预设的识别时间段内无区域T1情况所持续的时间、单区域T2情况所持续的时间以及多区域T3情况所持续的时间；
依据无区域T1、单区域T2和多区域T3三种情况分别持续的时间，计算所述预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况分别所占的时间比例。
上述方案中，所述设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率，包括：
根据PIR误动作发生的概率和室内人的活动概率，设置无人状态下无区域T1、单区域T2和多区域T3发生的概率，单人状态下无区域T1、单区域T2和多区域T3发生的概率，以及多人状态下无区域T1、单区域T2和多区域T3发生的概率。
上述方案中，所述依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率，包括：
结合所述无区域T1、单区域T2和多区域T3三种情况所占的时间比例以及所述已设置的无区域T1、单区域T2和多区域T3每种情况发生的条件概率，根据贝叶斯原理分别计算无人状态的后验概率、单人状态的后验概率、以及多人状态的后验概率；其中，设置所述无人状态、单人状态、以及多人状态的先验概率均为1/3。
上述方案中，所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例之前，该方法还包括：
检测是否发生入户大门的关门事件，如果是，则执行所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例的流程。
上述方案中，所述将所述后验概率与预设的置信度进行比较时，该方法还包括：
确定所述无人、单人、以及多人状态的后验概率均没有超过所述预设的置信度时，则在当前识别单元的下一个预设的识别时间段内重复进行所述室内人数识别流程。
本发明实施例还提供一种室内人数识别装置，该装置包括：
第一计算模块，用于根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；
概率设置模块，用于分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；
第二计算模块，用于依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；
状态识别模块，用于将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。
上述方案中，所述第一计算模块包括：
统计单元，用于根据室内每个PIR的触发事件统计每个PIR的触发持续时间；
第一计算单元，用于根据不同PIR之间触发持续时间的重叠情况，计算所述预设的识别时间段内无区域T1情况所持续的时间、单区域T2情况所持续的时间以及多区域T3情况所持续的时间；
第二计算单元，用于依据无区域T1、单区域T2和多区域T3三种情况分别持续的时间，计算所述预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况分别所占的时间比例。
上述方案中，该装置还包括：
检测模块，用于所述第一计算模块计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例之前，检测是否发生入户大门的关门事件，如果是，则触发所述第一计算模块执行所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例的流程。
上述方案中，所述状态识别模块，还用于确定所述无人、单人、以及多人状态的后验概率均没有超过所述预设的置信度时，则在当前识别单元的下一个预设的识别时间段内重复触发所述第一计算模块再次进行所述室内人数识别流程。
本发明实施例提供的室内人数识别方法和装置，所述方法包括：根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。本发明实施例利用PIR能够检测室内人体活动的特性，提取无区域、单区域、多区域三种状态的时间占比，并给予贝叶斯原理的计算最终能够判断室内是处于无人、单人、多人三种状态中的哪一种。因此，达到了室内人数识别的目的，而且不要求室内的用户穿戴任何设备，提高了用户体验。
附图说明
图1为本发明实施例所述室内人数识别方法的流程示意图；
图2为本发明实施例所述室内人数识别装置的结构示意图一；
图3为本发明实施例所述室内人数识别装置中第一计算模块的结构示意图；
图4为本发明实施例所述室内人数识别装置的结构示意图二；
图5为本发明场景实施例所述系统组网示意图；
图6为本发明场景实施例所述各PIR在识别单元内的触发时间分布图；
图7为本发明场景实施例所述室内人数识别方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明进行描述。
图1为本发明实施例所述室内人数识别方法的流程示意图，如图1所示，该方法包括：
步骤101：根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；
步骤102：分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；
步骤103：依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；
步骤104：将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。
本发明实施例中，所述无区域T1、单区域T2和多区域T3三种情况对应所述PIR的触发情况，如果某个识别时间段内没有PIR被触发，即室内所有区域的PIR均没被触发，则为无区域T1；如果某个识别时间段内有一个PIR被触发，即室内有一个区域的PIR被触发，则为单区域T2；如果某个识别时间段内有多个PIR被触发，即室内有多个区域的PIR被触发，则为多区域T3。
其中，一个所述当前的识别单元可包括多个所述预设的识别时间段，一个识别单元内室内的总人数不变。在实际应用时，可在大门处设置传感装置，例如：门磁传感器，用于判断大门的开关状态，只有处于关闭状态才会进行室内人数的识别，从关闭至下一次打开的时间段称为一个识别单元，不同识别单元的人数状态是无关的。一个识别单元内的某一段时间称为识别时间段。
这里，所述PIR可分布于室内经常活动的区域，例如可安装于厨房、卫生间、客厅、常用卧室，具体安装位置和数量不限于此，多个PIR分别独立检测各自区域。
本发明实施例利用PIR能够检测室内人体活动的特性，提取无区域、单区域、多区域三种状态的时间占比，并给予贝叶斯原理的计算最终能够判断室内是处于无人、单人、多人三种状态中的哪一种。因此，达到了室内人数识别的目的，而且不要求室内的用户穿戴任何设备，提高了用户体验。
一个实施例中，所述根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例，包括：
根据室内每个PIR的触发事件统计每个PIR的触发持续时间；
根据不同PIR之间触发持续时间的重叠情况，计算所述预设的识别时间段内无区域T1情况所持续的时间、单区域T2情况所持续的时间以及多区域T3情况所持续的时间；
依据无区域T1、单区域T2和多区域T3三种情况分别持续的时间，计算所述预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况分别所占的时间比例。
一个实施例中，所述设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率，包括：
根据PIR误动作发生的概率(如：传感器误操作、传感器检测延时等)和室内人的活动概率(如：多人在一个区域活动只能触发单个区域的传感器)，设置无人状态下无区域T1、单区域T2和多区域T3发生的概率，单人状态下无区域T1、单区域T2和多区域T3发生的概率，以及多人状态下无区域T1、单区域T2和多区域T3发生的概率。
一个实施例中，所述依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率，包括：
结合所述无区域T1、单区域T2和多区域T3三种情况所占的时间比例以及所述已设置的无区域T1、单区域T2和多区域T3每种情况发生的条件概率，根据贝叶斯原理分别计算无人状态的后验概率、单人状态的后验概率、以及多人状态的后验概率；其中，设置所述无人状态、单人状态、以及多人状态的先验概率均为1/3。
可选的，一个实施例中，所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例之前，该方法还包括：
检测是否发生入户大门的关门事件，如果是，则执行所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例的流程。
在实际应用时，可通过在入户大门上安装的门磁传感器来确定是否发生关门事件，只有处于关闭状态才会进行室内人数的识别，进行该实施例的人数识别操作。
可选的，一个实施例中，所述将所述后验概率与预设的置信度进行比较时，该方法还包括：
确定所述无人、单人、以及多人状态的后验概率均没有超过所述预设的置信度时，则在当前识别单元的下一个预设的识别时间段内重复进行所述室内人数识别流程。
本发明实施例还提供了一种室内人数识别装置，用于实现上述实施例及优选实施方式，已经进行过说明的不再赘述。如以下所使用的，术语“模块”可以实现预定功能的软件和/或硬件的组合。如图2所示，该装置包括：
第一计算模块201，用于根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；
概率设置模块202，用于分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；
第二计算模块203，用于依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；
状态识别模块204，用于将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。
本发明实施例中，所述无区域T1、单区域T2和多区域T3三种情况对应所述PIR的触发情况，如果某个识别时间段内没有PIR被触发，即室内所有区域的PIR均没被触发，则为无区域T1；如果某个识别时间段内有一个PIR被触发，即室内有一个区域的PIR被触发，则为单区域T2；如果某个识别时间段内有多个PIR被触发，即室内有多个区域的PIR被触发，则为多区域T3。
其中，一个所述当前的识别单元可包括多个所述预设的识别时间段，一个识别单元内室内的总人数不变。在实际应用时，可在大门处设置传感装置，例如：门磁传感器，用于判断大门的开关状态，只有处于关闭状态才会进行室内人数的识别，从关闭至下一次打开的时间段称为一个识别单元，不同识别单元的人数状态是无关的。一个识别单元内的某一段时间称为识别时间段。
这里，所述PIR可分布于室内经常活动的区域，例如可安装于厨房、卫生间、客厅、常用卧室，具体安装位置和数量不限于此，多个PIR分别独立检测各自区域。
本发明实施例利用PIR能够检测室内人体活动的特性，提取无区域、单区域、多区域三种状态的时间占比，并给予贝叶斯原理的计算最终能够判断室内是处于无人、单人、多人三种状态中的哪一种。因此，达到了室内人数识别的目的，而且不要求室内的用户穿戴任何设备，提高了用户体验。
一个实施例中，如图3所示，所述第一计算模块201包括：
统计单元2011，用于根据室内每个PIR的触发事件统计每个PIR的触发持续时间；
第一计算单元2012，用于根据不同PIR之间触发持续时间的重叠情况，计算所述预设的识别时间段内无区域T1情况所持续的时间、单区域T2情况所持续的时间以及多区域T3情况所持续的时间；
第二计算单元2013，用于依据无区域T1、单区域T2和多区域T3三种情况分别持续的时间，计算所述预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况分别所占的时间比例。
一个实施例中，所述概率设置模块202，用于根据PIR误动作发生的概率(如：传感器误操作、传感器检测延时等)和室内人的活动概率(如：多人在一个区域活动只能触发单个区域的传感器)，设置无人状态下无区域T1、单区域T2和多区域T3发生的概率，单人状态下无区域T1、单区域T2和多区域T3发生的概率，以及多人状态下无区域T1、单区域T2和多区域T3发生的概率。
一个实施例中，所述第二计算模块203，用于结合所述无区域T1、单区域T2和多区域T3三种情况所占的时间比例以及所述已设置的无区域T1、单区域T2和多区域T3每种情况发生的条件概率，根据贝叶斯原理分别计算无人状态的后验概率、单人状态的后验概率、以及多人状态的后验概率；其中，设置所述无人状态、单人状态、以及多人状态的先验概率均为1/3。
可选的，一个实施例中，如图4所示，该装置还包括：
检测模块205，用于所述第一计算模块201计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例之前，检测是否发生入户大门的关门事件，如果是，则触发所述第一计算模块201执行所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例的流程。
在实际应用时，可通过在入户大门上安装的门磁传感器来确定是否发生关门事件，只有处于关闭状态才会进行室内人数的识别，进行该实施例的人数识别操作。
可选的，一个实施例中，所述状态识别模块204，还用于确定所述无人、单人、以及多人状态的后验概率均没有超过所述预设的置信度时，则在当前识别单元的下一个预设的识别时间段内重复触发所述第一计算模块再次进行所述室内人数识别流程。
下面结合具体应用场景实施例对本发明进行描述。
该实施例系统组网如图5所示，PIR分布于家庭室内经常活动的区域，例如：安装于厨房、卫生间、客厅、常用卧室，具体安装位置和数量不限于此。传感器通过低功耗无线通信网络(如zigbee)将传感器触发信息上报到家庭网关，在网关上综合分析处理各传感器数据判断室内人数状态，并将结果上送到数据管理平台。
门磁传感器安装在入户大门上，用于判断大门的开关状态，只有处于关闭状态才会进行室内人数的识别，从关闭至下一次打开的时间段称为一个识别单元，不同识别单元的人数状态是无关的。一个识别单元内的某一段时间称为识别时间段。一个PIR用于识别出其检测区域是否有人活动，多个PIR分别独立检测各自区域，会产生多个PIR同时检测到有人活动的情况，因此整个识别时间段可以分为无区域(无区域PIR触发)、单区域(单区域PIR触发)、多区域(多区域PIR触发)三种时间段。通过这三种时间段占比分析无人、单人、多人三种人数状态。PIR数据及上述各术语示例如图6所示。
由于PIR对人实际活动状态的检测存在一定的干扰因素，例如：两人在一个区域活动只能触发单区域传感器、传感器误动作、传感器检测延时导致短暂的静止被忽略。因此，应采用概率框架综合各类因素，下文将描述具体步骤，如图7所示，包括：
步骤701：传感器统计识别时间段内各情况的时间占比；
首先通过门磁传感器检测到关门事件，进入识别单元；然后根据各个PIR的触发和非触发事件，统计单个PIR触发和非触发的持续时间；最后根据不同PIR之间触发持续时间的重叠情况(如图6所示)，计算识别时间段内无区域、单区域、多区域三种情况各自持续的时间，进而计算出在识别时间段内无区域T1、单区域T2、多区域T3所占的时间比例(百分比)。
步骤702：设置T1、T2、T3发生的条件概率；
根据对传感器和家庭情况的估计(如传感器误动作发生的概率、多人在家但只在一个区域活动的概率)，设置各状态(无人、单人、多人，设定符号为A1、A2、A3)下T1、T2、T3发生的概率。如：P(T1＝t1|A1)，表示无人状态下T1为具体某个值t1的概率。此概率可根据具体情况设置为符合不同的概率分布(如正态分布、离散区间分布等)。如：设置为符合正态分布，由于无人状态下无区域占比应为100％，由于传感器误动作可能处于接近100％，因此设置正态分布均值为99％，方差为2％。
步骤703：计算无人、单人、多人状态的后验概率；
根据贝叶斯原理，由第(1)步中统计得到的T1、T2、T3的比例和第(2)步中设置的条件概率推算无人A1、单人A2、多人A3状态的后验概率。
这里，由于T1、T2、T3之和为100％，因此计算时采用T1、T3作为独立条件，即计算P(A1|T1＝t1,T3＝t3)、P(A2|T1＝t1,T3＝t3)、P(A3|T1＝t1,T3＝t3)。以A1计算为例，
其中，先验概率P(A1)、P(A2)、P(A3)均设置为1/3。另外，由于三者之和为1，常数K可计算得出。
步骤704：根据预设置信度判断识别结果；
无人状态的后验概率P(A1|T1＝t1,T3＝t3)、单人状态的后验概率P(A2|T1＝t1,T3＝t3)和多人状态的后验概率P(A3|T1＝t1,T3＝t3)中超过预设的置信度(如80％)的状态为判断结果(即人数识别结果：室内为无人状态、单人状态、或多人状态)，若都没有超过，则不输出结果，等待下一次识别(如相隔1分钟后)。在识别单元内，可每隔一定时间(如1分钟)计算一次，并可及时修正识别结果。
本实施例基于分布式PIR和门磁传感器的部署，利用PIR能够检测室内人体活动的特性，提取无区域、单区域、多区域三种状态的时间占比，并基于贝叶斯原理的算法综合考虑PIR误动作、PIR数据延迟、PIR检测范围有限等干扰因素，判断室内是处于无人、单人、多人三种状态中的哪一种，达到统计室内人数的目的。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (10)
1.一种室内人数识别方法，其特征在于，该方法包括：
根据室内不同被动式红外探测器PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；
分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；
依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；
将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。
2.根据权利要求1所述的方法，其特征在于，所述根据室内不同PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例，包括：
根据室内每个PIR的触发事件统计每个PIR的触发持续时间；
根据不同PIR之间触发持续时间的重叠情况，计算所述预设的识别时间段内无区域T1情况所持续的时间、单区域T2情况所持续的时间以及多区域T3情况所持续的时间；
依据无区域T1、单区域T2和多区域T3三种情况分别持续的时间，计算所述预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况分别所占的时间比例。
3.根据权利要求1所述的方法，其特征在于，所述设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率，包括：
根据PIR误动作发生的概率和室内人的活动概率，设置无人状态下无区域T1、单区域T2和多区域T3发生的概率，单人状态下无区域T1、单区域T2和多区域T3发生的概率，以及多人状态下无区域T1、单区域T2和多区域T3发生的概率。
4.根据权利要求1所述的方法，其特征在于，所述依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率，包括：
结合所述无区域T1、单区域T2和多区域T3三种情况所占的时间比例以及所述已设置的无区域T1、单区域T2和多区域T3每种情况发生的条件概率，根据贝叶斯原理分别计算无人状态的后验概率、单人状态的后验概率、以及多人状态的后验概率；其中，设置所述无人状态、单人状态、以及多人状态的先验概率均为1/3。
5.根据权利要求1-4中任一项所述的方法，其特征在于，所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例之前，该方法还包括：
检测是否发生入户大门的关门事件，如果是，则执行所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例的流程。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述将所述后验概率与预设的置信度进行比较时，该方法还包括：
确定所述无人、单人、以及多人状态的后验概率均没有超过所述预设的置信度时，则在当前识别单元的下一个预设的识别时间段内重复进行所述室内人数识别流程。
7.一种室内人数识别装置，其特征在于，该装置包括：
第一计算模块，用于根据室内不同被动式红外探测器PIR的触发持续时间，计算预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况所占的时间比例；
概率设置模块，用于分别设置无人、单人和多人状态下无区域T1、单区域T2和多区域T3每种情况发生的条件概率；
第二计算模块，用于依据所述三种情况所占的时间比例和所述条件概率，计算无人、单人和多人状态的后验概率；
状态识别模块，用于将所述后验概率与预设的置信度进行比较，确定超过所述置信度的后验概率对应的状态为当前识别单元内最终的人数识别状态。
8.根据权利要求7所述的装置，其特征在于，所述第一计算模块包括：
统计单元，用于根据室内每个PIR的触发事件统计每个PIR的触发持续时间；
第一计算单元，用于根据不同PIR之间触发持续时间的重叠情况，计算所述预设的识别时间段内无区域T1情况所持续的时间、单区域T2情况所持续的时间以及多区域T3情况所持续的时间；
第二计算单元，用于依据无区域T1、单区域T2和多区域T3三种情况分别持续的时间，计算所述预设的识别时间段内无区域T1、单区域T2和多区域T3三种情况分别所占的时间比例。
9.根据权利要求7或8所述的装置，其特征在于，该装置还包括：
检测模块，用于所述第一计算模块计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例之前，检测是否发生入户大门的关门事件，如果是，则触发所述第一计算模块执行所述计算无区域T1、单区域T2和多区域T3三种情况所占的时间比例的流程。
10.根据权利要求7或8所述的装置，其特征在于，
所述状态识别模块，还用于确定所述无人、单人、以及多人状态的后验概率均没有超过所述预设的置信度时，则在当前识别单元的下一个预设的识别时间段内重复触发所述第一计算模块再次进行所述室内人数识别流程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611238170.9A CN108256283B (zh) | 2016-12-28 | 2016-12-28 | 一种室内人数识别方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201611238170.9A CN108256283B (zh) | 2016-12-28 | 2016-12-28 | 一种室内人数识别方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108256283A true CN108256283A (zh) | 2018-07-06 |
| CN108256283B CN108256283B (zh) | 2021-11-19 |
Family
ID=62720321
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201611238170.9A Active CN108256283B (zh) | 2016-12-28 | 2016-12-28 | 一种室内人数识别方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108256283B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110230865A (zh) * | 2019-06-06 | 2019-09-13 | 河南科技大学 | 一种基于信息融合bn的人员在室状态识别方法 |
| CN112051621A (zh) * | 2019-08-15 | 2020-12-08 | 河南紫联物联网技术有限公司 | 一种房间有人无人状态的判定方法与装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101887249A (zh) * | 2009-05-15 | 2010-11-17 | 李凡兴 | 一种房间状态监控管理系统 |
| CN102621886A (zh) * | 2012-02-15 | 2012-08-01 | 清华大学 | 根据建筑物内区域人数分布对能源设备进行控制的方法 |
| US20140226855A1 (en) * | 2011-06-30 | 2014-08-14 | Yale University | Subject sensing in an environment |
-
2016
- 2016-12-28 CN CN201611238170.9A patent/CN108256283B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101887249A (zh) * | 2009-05-15 | 2010-11-17 | 李凡兴 | 一种房间状态监控管理系统 |
| US20140226855A1 (en) * | 2011-06-30 | 2014-08-14 | Yale University | Subject sensing in an environment |
| CN102621886A (zh) * | 2012-02-15 | 2012-08-01 | 清华大学 | 根据建筑物内区域人数分布对能源设备进行控制的方法 |
Non-Patent Citations (2)
| Title |
|---|
| F. WAHL, M. MILENKOVIC ETAL.: "A distributed PIR-based approach for estimating people count in office environments", 《2012 IEEE 15TH INTERNATIONAL CONFERENCE ON COMPUTATIONAL SCIENCE AND ENGINEERING》 * |
| 吴誉: "学情调查中单项选择题的统计方法", 《北京工业职业技术学院学报》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110230865A (zh) * | 2019-06-06 | 2019-09-13 | 河南科技大学 | 一种基于信息融合bn的人员在室状态识别方法 |
| CN112051621A (zh) * | 2019-08-15 | 2020-12-08 | 河南紫联物联网技术有限公司 | 一种房间有人无人状态的判定方法与装置 |
| CN112051621B (zh) * | 2019-08-15 | 2024-03-15 | 河南紫联物联网技术有限公司 | 一种房间有人无人状态的判定方法与装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108256283B (zh) | 2021-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhao et al. | Virtual occupancy sensors for real-time occupancy information in buildings | |
| Khan et al. | Occupancy monitoring using environmental & context sensors and a hierarchical analysis framework | |
| Tyndall et al. | Occupancy estimation using a low-pixel count thermal imager | |
| Chen et al. | Non-intrusive occupancy monitoring using smart meters | |
| Kleiminger et al. | Occupancy detection from electricity consumption data | |
| US9240111B2 (en) | Inferring building metadata from distributed sensors | |
| Hossain et al. | Modeling and assessing quality of information in multisensor multimedia monitoring systems | |
| TW201802626A (zh) | 異常資料的重要度判定裝置以及異常資料的重要度判定方法 | |
| Masood et al. | A novel feature selection framework with Hybrid Feature-Scaled Extreme Learning Machine (HFS-ELM) for indoor occupancy estimation | |
| WO2010053469A1 (en) | System and method for occupancy estimation and monitoring | |
| Zhao et al. | Occupant behavior and schedule prediction based on office appliance energy consumption data mining | |
| Afzalan et al. | Self-configuring event detection in electricity monitoring for human-building interaction | |
| US11544592B2 (en) | Occupant detection systems | |
| Wang et al. | Cross-source sensing data fusion for building occupancy prediction with adaptive lasso feature filtering | |
| CN109573772A (zh) | 一种通用电梯健康度评估系统 | |
| Wen et al. | An enhanced principal component analysis method with Savitzky–Golay filter and clustering algorithm for sensor fault detection and diagnosis | |
| CN108256283A (zh) | 一种室内人数识别方法和装置 | |
| Rajabi et al. | MODES: M ulti-sensor o ccupancy d ata-driven e stimation s ystem for smart buildings | |
| Lu et al. | A zone-level occupancy counting system for commercial office spaces using low-resolution time-of-flight sensors | |
| Thakur et al. | Wattshare: Detailed energy apportionment in shared living spaces within commercial buildings | |
| JP6186811B2 (ja) | 判定方法、判定プログラム及びシステム | |
| CN108255789A (zh) | 一种室内人数识别时随机样本的获取方法和装置 | |
| CN106815545B (zh) | 行为分析系统和行为分析方法 | |
| TW202210977A (zh) | 異常檢知裝置 | |
| EP3617933A1 (en) | Detecting room occupancy with binary pir sensors |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |