CN109035685B - 一种幼儿高空防坠落系统及方法 - Google Patents

Abstract

本发明涉及一种幼儿高空防坠落系统及方法，所述系统包括数据采集子系统、ARM控制子系统、手机终端三个部分。本发明采用数据采集子系统捕捉人脸、采集人脸信息、人体身高和位置信息，并将采集到的信息发送给ARM控制子系统处理，如果检测到幼儿人脸，进一步利用卡尔曼滤波的运动状态预测算法来预测其的运动趋势，如有预测幼儿有危险，触发警报和紧急措施装置，并将警报信息发送到手机终端。本发明相较于传统的高空防坠楼系统和方法，减少了检测盲区、提高幼童识别率、降低误警率，有较高的应用价值。

Description

一种幼儿高空防坠落系统及方法

技术领域

本发明涉及数据处理技术领域，具体是指一种幼儿高空防坠落系统及方法。

背景技术

现今，随着城市化进程的不断发展，城市人口越来越多，为保证城市对人口容纳能力，在城市中建造了大量的高层住宅，但从而引起的高空坠楼事故越来越多，尤其是幼儿攀爬窗户从高楼坠落的事故，在媒体、社交平台的报道中层出不穷，对社会和家庭造成了巨大的损失和创伤。目前，由于高空的建筑限制，在外立面不允许搭建额外的高空防护设施，因此迫切需要一种应用于室内的幼儿高空防坠楼系统防护幼儿避免高空坠楼，降低幼儿高空坠楼事故率。

目前，应用于室内的高空幼儿防坠落系统在应用上并不成熟，在市场上尚未见相关商品。主要研究成果还集中于理论和设计阶段，其中，大都用单个传感器进行幼儿检测，存在有检测盲区、幼儿识别错误、误警率高的缺点，并且，目前的设计缺少对幼儿运动趋势识别的功能，无法提前对幼儿是否会接近窗户做出预测，会造成系统响应的时间不够以及不必要的误警。因此需要一种可以准确识别幼儿、提前预测幼儿运动趋势、并采取有效紧急措施的幼儿高空防坠楼系统。

发明内容

为克服传统检测方法存在有检测盲区、幼儿识别错误、误警率高的问题，本发明提供一种基于摄像头、红外、超声波数据融合的幼儿高空防坠楼系统，增加广角摄像头捕捉人脸，缩小检测盲区，再通过人脸识别技术对幼儿身份进行识别，降低幼儿识别错误率，提出卡尔曼滤波的运动状态预测算法对当前幼儿的运动轨迹进行估计，降低误警率，如检测到幼儿可能发生意外，则通过WiFi和4G无线通信，将警示信息发送给幼儿监护人，同时发出警报声并关闭窗户，防止意外发生。

为了实现上述目的，本发明具有如下构成：

该幼儿高空防坠落系统，包括数据采集子系统、ARM控制子系统和手机终端，所述数据采集子系统包括：

摄像头模块，用于采集目标对象的人脸图像；

红外人体感应模块，用于测量目标对象的身高；

超声波模块，用于对目标对象进行定位；

所述ARM控制子系统包括：

GPIO模块，用于读取所述红外人体感应模块的数据和所述超声波模块的数据；

摄像头接口模块，用于读取所述摄像头模块采集到的人脸图像数据；

WIFI模块，用于与所述手机终端进行通信；

ARM模块，与所述GPIO模块、摄像头接口模块和WIFI模块相连接；

其中，所述ARM模块分析所述人脸图像数据和目标对象的身高数据判断是否检测到幼儿；

如果检测到幼儿，则所述ARM模块根据所述目标对象的定位数据判断目标对象是否进入危险区域，且当目标对象进入危险区域时通过所述WIFI模块将报警信息发送至所述手机终端。

可选地，所述ARM控制子系统还包括关窗制动器，所述关窗制动器安装于窗户下沿中间位置，当所述ARM模块判断幼儿进入危险区域时，通过所述关窗控制器控制窗户关闭。

可选地，所述ARM控制子系统还包括报警器模块，当所述ARM模块判断幼儿进入危险区域时，控制所述报警器模块进行声音报警和/或发光报警。

本发明实施例还提供一种幼儿高空防坠落方法，采用所述的幼儿高空防坠落系统，所述方法包括如下步骤：

所述ARM模块分析所述人脸图像数据和目标对象的身高数据判断是否检测到幼儿；

如果检测到幼儿，则所述ARM模块根据所述目标对象的定位数据判断目标对象是否进入危险区域，且当目标对象进入危险区域时通过所述WIFI模块将报警信息发送至所述手机终端。

可选地，所述ARM模块分析所述人脸图像数据和目标对象的身高数据判断是否检测到幼儿，包括如下步骤：

所述ARM模块分析人脸图像数据，判断目标对象的年龄是否处于预设年龄范围之内；

所述ARM模块分析目标对象的身高区域，判断目标对象的身高是否处于预设身高范围之内；

如果目标对象的年龄处于预设年龄范围之内且身高处于预设身高范围之内，则判断检测到幼儿。

可选地，所述ARM模块根据所述目标对象的定位数据判断目标对象是否进入危险区域，包括如下步骤：

所述ARM模块根据所述目标对象的定位数据计算幼儿的加速度，根据幼儿的加速度预测幼儿的运动轨迹，预测幼儿在预设时间内是否会进入危险区域，且当预测到目标对象在预设时间内会进入危险区域时通过所述WIFI模块将报警信息发送至所述手机终端。

可选地，所述ARM模块根据所述目标对象的定位数据计算幼儿的加速度，包括如下步骤：

所述ARM模块根据卡尔曼滤波的计算方法，构建幼儿运动状态预测模型如下：

其中a_max是目标最大加速度，

是加速度方差，P(k+1|k)是先验误差矩阵，F是前进力的大小，h为测得的幼儿身高，g为重力加速度，E(a)选择采用先验加速度估计值，P(k|k)是后验误差矩阵，通过卡尔曼增益和先验误差计算获得，φ(k+1|k)为幼儿运动状态预测矩阵，通过分析超声波数据和幼儿运动状态的对应关系后获得，β是幼儿加速度时间常数，Q(k)是幼儿运动状态方差矩阵。

可选地，所述根据幼儿的加速度预测幼儿的运动轨迹，包括如下步骤：

基于先验卡尔曼滤波误差矩阵，计算卡尔曼增益，进行后验卡尔曼预测，计算后验误差，最终预测出目标运动轨迹。

该发明中的幼儿高空防坠落系统及方法的有益效果在于：本发明提出了一种基于摄像头、红外、超声波数据复合的幼儿高空防坠楼方案，采用红外夜视摄像头捕捉人脸和获取人脸信息，采用红外模块获得目标身高；采用超声波模块，定位幼儿位置，采用ARM模块对图像、身高、位置信息进行数据处理，利用卡尔曼滤波的运动状态预测算法来预测目标的运动趋势；采用WIFI进行信息传输，将报警信息传输给监护人。该系统具有检测范围广、幼儿识别率高，误警率低、运行稳定、可靠性高等优点，满足幼儿高空防坠落窗的基本要求，具有较高的应用价值。

附图说明

图1是本发明一实施例的幼儿高空防坠落系统的结构框图；

图2是本发明一实施例的幼儿高空防坠落系统的工作示意图；

图3是本发明一实施例的幼儿高空防坠落系统的工作流程图；

图4是本发明一实施例的基于卡尔曼滤波的幼儿运动状态预测算法流程图；

图5是本发明一实施例的OV5647摄像头模块的电路原理图；

图6是本发明一实施例的红外模块的电路原理图；

图7是本发明一实施例的HG-C40UC超声波模块的电路原理图；

图8～10是本发明一实施例的ARM模块的电路原理图；

图11是本发明一实施例的GPIO模块的电路原理图；

图12是本发明一实施例的摄像头接口模块的电路原理图；

图13a和图13b是本发明一实施例的电源模块的电路原理图；

图14是本发明一实施例的报警器模块的电路原理图。

具体实施方式

为了能够更清楚地描述本发明的技术内容，下面结合具体实施例来进行进一步的描述。

如图1所示，为了解决上述技术问题，本发明提供了一种基于摄像头、红外、超声波融合的幼儿高空防坠楼系统，所述系统包括包括数据采集子系统、ARM控制子系统、手机终端三个部分。其中：

数据采集子系统是由用于捕捉人脸及采集人脸信息摄像头模块、用于测量目标身高红外人体感应模块、用于目标定位的超声波模块等组成。ARM控制子系统主要由用于读取红外人体感应模块、超声波模块数据的GPIO(General Purpose Input Output，通用输入输出)模块、用于读取摄像头模块采集到的图像数据的摄像头接口模块、用于数据处理、数据分析和控制的ARM模块、用于与手机终端通信的WiFi模块，用于关窗的关窗制动器、用于供电的电源模块、用于报警的报警器模块等组成。

所述数据采集子系统：所述摄像头模块与所述ARM控制子系统中的摄像头接口模块连接，所述超声波模块和所述红外人体感应模块与所述ARM控制子系统中的GPIO模块连接。所述ARM控制子系统：所述摄像头模块、GPIO模块、关窗制动模块、报警器模块、WiFi模块和电源模块均与ARM模块连接。所述ARM控制子系统通过WiFi模块与手机终端通信。

进一步所述ARM控制子系统根据数据采集子系统采集到的人脸信息、身高、位置，通过卡尔曼滤波的运动状态预测算法来预测目标的运动趋势。

再进一步所述卡尔曼滤波的运动状态预测算法，根据人体加速度统计模型，求解幼儿最大加速度优化传统的卡尔曼滤波算法，提高系统性能，减小误差。

如图2所示，所述的本发明工作示意图，将超声波模块2安装于同一水平高度以L型分布在靠近地面位置，将关窗制动器3置安装于窗户下沿中间位置，将红外模块6安装于关窗制动器3垂直下方靠近地面位置，摄像头模块5安装于窗户上沿中间位置，报警器模块4安装在窗户旁边，WiFi模块1放在茶几上，摄像头模块5捕捉到人脸并进行人脸识别，同时红外模块6对人体身高进行识别，通过人脸识别和身高识别判断是否为幼儿，如果判断结果为幼儿，通过超声波模块2对幼儿位置进行定位，对幼儿的运动轨迹进行预算，如果预算结果为幼儿可能将会发生危险则通过WiFi模块1将信息发送给手机终端并触发报警器，同时启动关窗制动器3关闭窗户。

如图3所示，为所述幼儿高空防坠落系统的工作流程图，即本发明的幼儿高空防坠落方法的流程图，首先通过摄像头、红外、超声波进行数据采集，获得图像、身高、定位等信息，判断是否出现幼儿。具体地，所述ARM模块分析人脸图像数据，判断目标对象的年龄是否处于预设年龄范围之内，此处可以采用现有的人脸识别方法；所述ARM模块分析目标对象的身高区域，判断目标对象的身高是否处于预设身高范围之内；如果目标对象的年龄处于预设年龄范围之内且身高处于预设身高范围之内，则判断检测到幼儿。利用卡尔曼滤波算法预测出幼儿运动轨迹，判断幼儿是否进入危险区域，最后进行危险度判断是否报警并关窗。

如图4所示，为所述幼儿高空防坠落方法中基于卡尔曼滤波的幼儿运动状态预测算法流程图，根据卡尔曼滤波的计算方法，构建幼儿运动状态预测模型：根据国内幼儿标准身高体重比例表以及人体运动学理论，建立并求解幼儿加速度模型，优化加速度方差以获得合理的先验卡尔曼滤波误差矩阵：

其中a_max是目标最大加速度，

是加速度方差，P(k+1|k)是先验误差矩阵。F是前进力的大小，前进力指的是幼儿运动的最大力，通过牛顿定律F＝ma获得，h为测得的幼儿身高，g为重力加速度。E(a)选择采用先验加速度估计值。P(k|k)是后验误差矩阵，通过卡尔曼增益和先验误差计算获得，φ(k+1|k)为幼儿运动状态预测矩阵，通过分析超声波数据和幼儿运动状态的对应关系后获得，具体地，通过测量幼儿运动过程中不同时刻的运动状态数据(位移、速度、加速度)，并分析连续时刻运动状态数据之间的对应关系，计算获得该矩阵。β是幼儿加速度时间常数，Q(k)是幼儿运动状态方差矩阵，记录不同时刻幼儿运动状态数据(位移，速度，加速度)的方差，初始矩帧一般设为[0,0,1]。通过先验卡尔曼滤波误差矩阵，计算卡尔曼增益，进行后验卡尔曼预测，计算后验误差，最终预测出目标运动轨迹。

如图5所示，示出了本发明一实施例的摄像头模块电路，摄像头模块CAM1的1、4、7、10、13、16、19脚接地，2脚与摄像头接口模块J4的2脚相连,3脚J4的3脚相连,5脚J4的5脚相连,6脚J4的6脚相连,8脚J4的8脚相连,9脚J4的9脚相连,17脚J4的17脚相连,18脚J4的18脚相连,20脚J4的21脚相连。11、12、14、15脚悬空。

如图6所示，示出了本发明一实施例的红外模块电路，红外模块P1的1脚与5V电源相连，2脚与GPIO模块的8脚相连，3脚与地相连。

如图7所示，示出了本发明一实施例的超声波模块电路，超声波模块H1的1脚与5V电源相连，2脚与地相连，3脚与GPIO模块的29脚相连，4脚与GPIO模块的31脚相连，5脚与GPIO模块的26脚相连，6脚与GPIO模块的19脚相连，7脚与GPIO模块的23脚相连，8脚悬空。

如图8所示，示出了本发明一实施例的ARM模块电路，ARM模块中的U1A的P9脚接1.8V电源，U1A的N7、P7、N8脚和C2、C3的1脚相连，U1A的R8脚接晶振X1的3脚，U1A的R9脚接晶振X1的1脚，电容C4的1脚接X1的1脚，电容C4的2脚接地，电容C5的1脚接X1的3脚，电容C5的2脚接地，晶振的2、4脚接地，电容C1的1脚接1.8V电源，2脚接地，电容C2、C3的2脚接地。

如图9所示，示出了本发明一实施例的ARM模块电路，ARM模块中的U2的R14脚接3.3V电源，U2的U1、U2脚接地，U2的P14脚接1005的2脚，U2的27脚接1005的1脚，2.54mm插座的1脚接1005的2脚，2.54mm插座的2脚接地，

如图10所示，示出了本发明一实施例的ARM模块电路，ARM模块中的U3的H4、E4脚接3.3V电源，U3的J6脚接电阻R1的1脚，U3的J4脚接电阻R2的1脚，电阻R1、R2的2脚接3.3V电源。电容C6的1脚接3.3V电源，2脚接地，CAM0的R10脚接1.8V电源，T5脚接地。

如图11所示，示出了本发明一实施例的GPIO模块电路，GPIO模块J1D的1、17脚与3.3V电源相连，2、4脚与5V电源相连，6、9、14、20、25、30、34、39脚与地相连，3脚与BCM2838芯片U3的J6脚相连，5脚与U3的J4脚相连，7脚与U3的H1脚相连，8脚与U3的D4脚相连，10脚与U3的E2脚相连，11脚与U3的E1脚相连，12脚与U3的B4脚相连，15脚与U3的B5脚相连，5脚与U3的B3脚相连，16脚与U3的C5脚相连，18脚与U3的A4脚相连，19脚与U3的G3脚相连，21脚与U3的G2脚相连，22脚与U3的A5脚相连，23脚与U3的G4脚相连，24脚与U3的F1脚相连，26脚与U3的D6脚相连，27脚与U3的H2脚相连，28脚与U3的H6脚相连，29脚与U3的H3脚相连，31脚与U3的G1脚相连，32脚与U3的H7脚相连，33脚与U3的G5脚相连，35脚与U3的G8脚相连，36脚与U3的C1脚相连，37脚与U3的D6脚相连，38脚与U3的E5脚相连，40脚与U3的C4脚相连，

如图12所示，示出了本发明一实施例的摄像头接口模块电路，摄像头接口模块J4的1、4、7、10、13、16、19脚接地，2脚与ARM模块CAM0的M11脚相连，3脚与CAM0的N11脚相连，5脚与CAM0的M12脚相连，6脚与CAM0的N12脚相连，8脚与CAM0的P11脚相连，9脚与CAM0的R11脚相连,20脚与CAM0的J6脚相连,21脚与CAM0的J4脚相连11、12、14、15脚悬空。

如图13所示，示出了本发明一实施例的电源模块电路，电源模块的RT1的1脚和电容C14、C17、C16的1脚相连,RT1的2脚和电容C14、C17、C16的2脚相连，RT1的3脚和1脚相连，RT1的4脚接C18的1脚，RT1的5脚接3.3V电源，电容C14、C16、C17的2脚接地电阻BD1的1脚接5V电源，2脚接RT1的1脚，电容C18的2脚接地，C15的1脚接地，电容C15的2脚接3.3V电源，二极管得1脚接3.3V电源，2脚接电阻R7的1脚R7的2脚接地，稳压管D12的1脚接地，2脚接3.3V电源，DC电源插座P2的1脚接电源芯片U5的2脚，P2的2脚接U5的1脚，U5的3脚接地，4脚接5V电源。

如图14所示，示出了本发明一实施例的报警器模块电路，报警器模块JB的1脚与12V电源相连,JB的的2脚与GPIO模块的8脚相连，3脚与地相连。

在该实施例中，所述的摄像头模块型号OV5467；所述的红外模块型号VI-40VIS-60；所述的超声波模块型号HG-C40UA；所述的ARM模块芯片型号BCM2835；所述的电源模块芯片RT1型号RT9192；所述的报警器模块JB型号LTE-1101J。此处仅为几种可选的产品型号，可以理解的是，本发明也可以采用其他型号的各个功能模块，能够实现对应的功能即可，均属于本发明的保护范围之内。

该发明中的幼儿高空防坠落系统及方法的有益效果在于：本发明提出了一种基于摄像头、红外、超声波数据复合的幼儿高空防坠楼方案，采用红外夜视摄像头捕捉人脸和获取人脸信息，采用红外模块获得目标身高；采用超声波模块，定位幼儿位置，采用ARM模块对图像、身高、位置信息进行数据处理，利用卡尔曼滤波的运动状态预测算法来预测目标的运动趋势；采用WIFI进行信息传输，将报警信息传输给监护人。该系统具有检测范围广、幼儿识别率高，误警率低、运行稳定、可靠性高等优点，满足幼儿高空防坠落窗的基本要求，具有较高的应用价值。

在此说明书中，本发明已参照其特定的实施例作了描述。但是，很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此，说明书和附图应被认为是说明性的而非限制性的。

Claims (6)

1.一种幼儿高空防坠落系统，其特征在于，包括数据采集子系统、ARM控制子系统和手机终端，所述数据采集子系统包括：

摄像头模块，用于采集目标对象的人脸图像；

红外人体感应模块，用于测量目标对象的身高；

超声波模块，用于对目标对象进行定位；

所述ARM控制子系统包括：

GPIO模块，用于读取所述红外人体感应模块的数据和所述超声波模块的数据；

摄像头接口模块，用于读取所述摄像头模块采集到的人脸图像数据；

WIFI模块，用于与所述手机终端进行通信；

ARM模块，与所述GPIO模块、摄像头接口模块和WIFI模块相连接；

其中，所述ARM模块分析所述人脸图像数据和目标对象的身高数据判断是否检测到幼儿；

如果检测到幼儿，则所述ARM模块根据所述目标对象的定位数据判断目标对象是否进入危险区域，且当目标对象进入危险区域时通过所述WIFI模块将报警信息发送至所述手机终端；

所述ARM模块采用如下步骤根据所述目标对象的定位数据判断目标对象是否进入危险区域：

所述ARM模块根据所述目标对象的定位数据计算幼儿的加速度，根据幼儿的加速度预测幼儿的运动轨迹，预测幼儿在预设时间内是否会进入危险区域，且当预测到目标对象在预设时间内会进入危险区域时通过所述WIFI模块将报警信息发送至所述手机终端；

所述ARM模块采用如下步骤根据所述目标对象的定位数据计算幼儿的加速度：

所述ARM模块根据卡尔曼滤波的计算方法，构建幼儿运动状态预测模型如下：

其中a_max是目标最大加速度，

是加速度方差，P(k+1|k)是先验误差矩阵，F是前进力的大小，h为测得的幼儿身高，g为重力加速度，E(a)选择采用先验加速度估计值，P(k|k)是后验误差矩阵，通过卡尔曼增益和先验误差计算获得，φ(k+1|k)为幼儿运动状态预测矩阵，β是幼儿加速度时间常数，Q(k)是幼儿运动状态方差矩阵。

2.根据权利要求1所述的幼儿高空防坠落系统，其特征在于，所述ARM控制子系统还包括关窗制动器，所述关窗制动器安装于窗户下沿中间位置，当所述ARM模块判断幼儿进入危险区域时，通过所述关窗控制器控制窗户关闭。

3.根据权利要求1所述的幼儿高空防坠落系统，其特征在于，所述ARM控制子系统还包括报警器模块，当所述ARM模块判断幼儿进入危险区域时，控制所述报警器模块进行声音报警和/或发光报警。

4.一种幼儿高空防坠落方法，其特征在于，采用权利要求1至3中任一项所述的幼儿高空防坠落系统，所述方法包括如下步骤：

所述ARM模块分析所述人脸图像数据和目标对象的身高数据判断是否检测到幼儿；

如果检测到幼儿，则所述ARM模块根据所述目标对象的定位数据判断目标对象是否进入危险区域，且当目标对象进入危险区域时通过所述WIFI模块将报警信息发送至所述手机终端；

所述ARM模块根据所述目标对象的定位数据判断目标对象是否进入危险区域，包括如下步骤：

所述ARM模块根据所述目标对象的定位数据计算幼儿的加速度，根据幼儿的加速度预测幼儿的运动轨迹，预测幼儿在预设时间内是否会进入危险区域，且当预测到目标对象在预设时间内会进入危险区域时通过所述WIFI模块将报警信息发送至所述手机终端；

所述ARM模块根据所述目标对象的定位数据计算幼儿的加速度，包括如下步骤：

所述ARM模块根据卡尔曼滤波的计算方法，构建幼儿运动状态预测模型如下：

其中a_max是目标最大加速度，

是加速度方差，P(k+1|k)是先验误差矩阵，F是前进力的大小，h为测得的幼儿身高，g为重力加速度，E(a)选择采用先验加速度估计值，P(k|k)是后验误差矩阵，通过卡尔曼增益和先验误差计算获得，φ(k+1|k)为幼儿运动状态预测矩阵，β是幼儿加速度时间常数，Q(k)是幼儿运动状态方差矩阵。

5.根据权利要求4所述的幼儿高空防坠落方法，其特征在于，所述ARM模块分析所述人脸图像数据和目标对象的身高数据判断是否检测到幼儿，包括如下步骤：

所述ARM模块分析人脸图像数据，判断目标对象的年龄是否处于预设年龄范围之内；

所述ARM模块分析目标对象的身高区域，判断目标对象的身高是否处于预设身高范围之内；

如果目标对象的年龄处于预设年龄范围之内且身高处于预设身高范围之内，则判断检测到幼儿。

6.根据权利要求4所述的幼儿高空防坠落方法，其特征在于，所述根据幼儿的加速度-预测幼儿的运动轨迹，包括如下步骤：

基于先验卡尔曼滤波误差矩阵，计算卡尔曼增益，进行后验卡尔曼预测，计算后验误差，最终预测出目标运动轨迹。

Images