CN110888121A - 目标体探测方法与装置及目标体温度探测方法与装置 - Google Patents
目标体探测方法与装置及目标体温度探测方法与装置 Download PDFInfo
- Publication number
- CN110888121A CN110888121A CN201911290053.0A CN201911290053A CN110888121A CN 110888121 A CN110888121 A CN 110888121A CN 201911290053 A CN201911290053 A CN 201911290053A CN 110888121 A CN110888121 A CN 110888121A
- Authority
- CN
- China
- Prior art keywords
- target
- microwave sensor
- sensor
- target body
- passive infrared
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 177
- 230000036760 body temperature Effects 0.000 title claims abstract description 16
- 230000008859 change Effects 0.000 claims abstract description 86
- 230000033001 locomotion Effects 0.000 claims abstract description 72
- 230000005855 radiation Effects 0.000 claims abstract description 42
- 238000003384 imaging method Methods 0.000 claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 29
- 241001465754 Metazoa Species 0.000 claims description 62
- 238000000034 method Methods 0.000 claims description 47
- 230000006870 function Effects 0.000 claims description 29
- 238000013507 mapping Methods 0.000 claims description 27
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000009434 installation Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 9
- 239000000463 material Substances 0.000 claims description 8
- 230000000717 retained effect Effects 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 10
- 230000036544 posture Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 230000001133 acceleration Effects 0.000 description 6
- 230000008447 perception Effects 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000013506 data mapping Methods 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J5/00—Radiation pyrometry, e.g. infrared or optical thermometry
- G01J5/0022—Radiation pyrometry, e.g. infrared or optical thermometry for sensing the radiation of moving bodies
- G01J5/0025—Living bodies
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Geophysics And Detection Of Objects (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供了一种目标体探测方法与装置及目标体温度探测方法与装置，其中的目标体探测方法，包括：利用微波传感器探测目标空间的N个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态以及运动轨迹中至少之一；利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布与变化情况，得到用于表征所述红外辐射能量分布情况与变化情况的电信号；根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体；所述第一匹配关系用于表征所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的匹配关系。
Description
技术领域
本发明涉及传感器探测领域，尤其涉及一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测方法与装置及目标体温度探测方法与装置。
背景技术
微波传感器(典型的比如24Ghz微波雷达传感器，60G、77Ghz毫米波传感器)可以检测人与动物所处的位置，同时可以检测人与动物的运动速度与加速度特征，还可以利用分类器对特征的提取(反射点的轮廓，运动特性，有效反射面积等)来区分人，动物，以及其他物体。其中的人、动物可视作探测的目标体。微波传感器被广泛用于家用电器，机器人与AGV，智慧家居(Smart Home)，智能楼宇，工厂自动化，安防监控，医疗看护，居家养老，智慧城市等等众多领域。
然而，现有相关技术中，微波传感器易于因电波的多径反射以及其它的一些干扰因素产生“鬼影”，该“鬼影”可理解为目标体与其反射电波因多径反射产生的镜像被传感器探测为多个目标体，或者单个目标体被传感器错误感知为多个目标体，或者背景被误判为目标，同时，越是多发多收的高角度分辨率和灵敏度的微波传感器越容易产生“鬼影”。
此外，微波传感器所探测的目标体的反射信号的许多特征会有相似性，很多场景下背景(例如桌子、椅子、电风扇等物体)的反射信号与人(特别是人处于静止状态)的反射信号非常相似，也会造成误判，可见，其易于被背景噪声或者其它干扰覆盖，导致对目标的漏判(比如人已经进入到探测区域内，但是系统没能探测到)或者误判(比如人已经离开探测区域，可是系统没有检测到目标的离去)。
可见，现有相关技术中，微波传感器易于针对于目标体产生误判、漏判等情形。
发明内容
本发明提供一种基于微波传感器与红外传感器的目标体探测方法与装置及目标体温度探测方法与装置，以解决微波传感器易于针对于目标体产生误判、漏判等情形的问题。
根据本发明的第一方面，提供了一种基于微波传感器的目标体探测方法，所述目标体为人体或动物，包括：
利用微波传感器探测目标空间的N个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态以及运动轨迹中至少之一；其中的N为大于或等于1的整数；
利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布情况，得到用于表征所述红外辐射能量分布情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的所述目标空间；
根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体；所述第一匹配关系用于表征所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的匹配关系；
若所述N个当前目标体中任意之一目标体为误判目标体，则筛除所述误判目标体；所述误判目标体为所述N个当前目标体中并未实际存在的目标体。
可选的，根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体，包括：
若所述微波传感器探测到的N个当前目标体包括直接新出现在所述目标空间的第一疑似目标体，且：在所述第一疑似目标体被所述微波传感器探测到时，所述电信号并未发生匹配于所述第一疑似目标体的变化，则：确定所述第一疑似目标体为所述误判目标体：
若所述微波传感器探测到的N个当前目标体包括在所述目标空间内发生相对运动的第二疑似目标体，且：在所述第二疑似目标体被探测到发生相对运动时，所述电信号并未发生匹配于所述第二疑似目标体的变化，则：确定所述第二疑似目标体为所述误判目标体。
可选的，根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体，还包括：
若所述微波传感器探测到的N个当前目标体包括直接新出现在所述目标空间的第一疑似目标体，且：在所述第一疑似目标体被所述微波传感器探测到时，所述电信号发生了匹配于所述第一疑似目标体的变化，则：确定所述第一疑似目标体为并非误判目标体，以使得所述第一疑似目标体被保留，和/或：
若所述微波传感器探测到的N个当前目标体包括在所述目标空间内发生相对运动的第二疑似目标体，且：在所述第二疑似目标体被探测到发生相对运动时，所述电信号发生了匹配于所述第二疑似目标体的变化，则：确定所述第二疑似目标体并非误判目标体，以使得所述第二疑似目标体被保留。
可选的，根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体，还包括：
若所述电信号发生了新目标体直接出现才会发生的变化，而所述微波传感器所探测到的N个当前目标体中未包括所述新目标体，则：确定所述微波传感器漏检了所述新目标体；和/或：
若所述微波传感器探测到的N个当前目标体未包括之前已检测到的旧目标体，而所述电信号未发生所述旧目标体直接消失或远离才会发生的变化，则：确定所述微波传感器漏检了所述旧目标体。
可选的，所述目标匹配关系是通过目标映射函数，或者目标映射神经网络表征的；
所述目标映射函数为预先确定的所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的函数关系；
所述目标映射神经网络为预先利用所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的素材与所述微波传感器的探测信息的素材训练确定的。
根据本发明的第二方面，提供了一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测装置，所述目标体为人体或动物，包括：
微波探测模块，用于利用微波传感器探测目标空间的N个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态以及运动轨迹中至少之一；其中的N为大于或等于1的整数；
红外探测模块，用于利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布以及变化情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的目标空间；
验证模块，用于根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体；所述第一匹配关系用于表征所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的匹配关系；
筛除模块，用于若所述N个当前目标体中任意之一目标体为误判目标体，则筛除所述误判目标体；所述误判目标体为所述N个当前目标体中并未实际存在的目标体；
重新确认模块，用于若所述N个当前目标体中漏判了至少之一新目标体，则触发所述微波传感器重新确认被漏判的新目标体。
根据本发明的第三方面，提供了一种基于微波传感器的目标体温度探测方法，所述目标体为人体或动物，包括：
利用微波传感器探测目标空间的M个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态以及运动轨迹中至少之一；其中的M为大于或等于1的整数；
利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布情况，得到用于表征所述红外辐射能量分布情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的所述目标空间；
根据所述探测信息、所述电信号，以及第二匹配关系，确定所述M个当前目标体中至少部分目标体的体表温度信息；所述第二匹配关系用于表征所述目标空间或其关联的典型环境中所述微波传感器的探测信息的变化、被动红外传感器的电信号的变化，以及目标体的相对体表温度之间的匹配关系。
根据本发明的第四方面，提供了一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测装置，所述目标体为人体或动物，包括：
微波探测模块，用于利用微波传感器探测目标空间的M个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态以及运动轨迹中至少之一；其中的M为大于或等于1的整数；
红外探测模块，用于利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布情况，得到用于表征所述红外辐射能量分布情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的所述目标空间；
温度确定模块，用于根据所述探测信息、所述电信号，以及第二匹配关系，确定所述M个当前目标体中至少部分目标体的体表温度信息；所述第二匹配关系用于表征所述目标空间或其关联的典型环境中所述微波传感器的探测信息的变化、被动红外传感器的电信号的变化，以及目标体的相对体表温度的匹配关系。
根据本发明第五方面，一种电子设备，包括：处理器与存储器；
所述存储器，用于所述处理器的可执行指令；
所述处理器配置为经由执行所述可执行指令来执行第一方面及其可选方案涉及的方法，或者第三方面及其可选方案涉及的方法。
根据本发明的第六方面，提供了一种存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现第一方面及其可选方案涉及的方法，或者第三方面及其可选方案涉及的方法。
本发明提供的基于微波传感器的目标体探测方法、装置中，由于被动红外传感器检测红外辐射能量分布而得到的电信号的变化与微波传感器的探测结果的变化之间具有一定匹配关联性，基于可表征该种匹配关联性的第一匹配关系，能够以被动红外传感器得到的电信号为依据，对微波传感器的检测结果进行验证，从而便于将例如“鬼影”的误判目标体筛除，有效提高微波传感器的检测结果。可选方案中，还可在微波传感器漏检目标体时及时发现。
本发明提供的基于微波传感器的目标体温度探测方法、装置中，由于被动红外传感器检测红外辐射能量分布得到的电信号的变化、微波传感器的探测结果的变化，以及被测目标体实际的体表温度具有一定匹配关联性，基于可表征以上匹配关联性的第二匹配关系，能够以微波传感器的检测结果为依据推断出目标体的温度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，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性的前提下，还可以根据这些附图获得其他的附图。
图1a是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测方法的流程示意图一；
图1b是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测方法的流程示意图二；
图2是本发明一实施例中微波传感器中各点聚合的示意图；
图3是本发明一实施例中步骤S14的流程示意图一；
图4是本发明一实施例中步骤S14的流程示意图二；
图5是本发明一实施例中步骤S14的流程示意图三；
图6是本发明一实施例中步骤S14的流程示意图四；
图7是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测方法的流程示意图；
图8是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测装置的程序模块示意图；
图9是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测装置的程序模块示意图；
图10是本发明一实施例中电子设备的构造示意图一；
图11是本发明一实施例中电子设备的构造示意图二。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1a是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测方法的流程示意图一；图1b是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测方法的流程示意图二。
以上所涉及的方法可应用于任意电子设备，例如可以是与微波传感器相分离，进而通过直接或间接通讯的方式与微波传感器连接，以上所涉及的方法还可以应用于集成有微波传感器的任意设备。
本实施例所涉及的微波传感器，可理解为利用微波特性来检测一些物理量的器件，其中的微波可例如是波长为1～1000mm的电磁波。包括感应目标体的存在、运动速度、距离、角度等信息。
具体的，微波传感器可以在发射电磁波后接收电磁波对应的反射回波，然后根据其相对的反射强度、回波的接收时间、相位差、波束组之间的相对相位差等参数，来检测探测目标体的空间位置(相对距离，空间角度等)以及运动信息(例如相对速度)等信息，从而推导出被探测之人与动物的位置与姿态以及运动特征与体征，进一步的，还可以区分人与动物的个体做目标分类。
具体应用时，可以选择一个目前常用的MIMO(3发4收)微波传感器(典型的比如基于美国德州仪器的IWR6843型号的单芯片毫米波传感器所搭建的模块，当然也可以采用其他的模块)，利用它射频多发多收(3TX/4RX)的特点，将其发射接收天线列阵设计成探测视场(FOV)为：160度(水平方向)x 80度(垂直方向)，这是一种非常合适沿着墙壁侧面安装的微波传感器探测视场(FOV)的设计，在使用时，可将它安装在墙上(靠近墙顶部的位置，垂直方向倾斜安装,使其探测区域最大限度的与房间空间和人员活动空间重叠)。我们利用其微波传感器的特性，来检测房间内的人数，各人所处的位置，同时检测各人的运动(速度与加速度特征)，并利用分类器对特征的提取(反射点的轮廓，运动特性，有效反射面积等)来区分人，动物，以及其他物体。多发多收的高角度分辨率的毫米波传感器，能够探测目标物体(人和动物)的空间尺寸轮廓，再结合对其他特征(运动速度、加速度等)的信息提取，还可以进一步感知人和动物的许多姿态(站着，坐着，躺着，奔跑，或者是跌倒的瞬间)并还可以区分人与动物的个体做目标分类。
针对于此，由于电磁波传播的物理特性，其多径反射，底噪干扰以及信号有离散性等问题难以避免。例如：就微波的物理特性，许多物体目标的反射信号都有相似性，背景中桌子，椅子，电风扇等的反射信号与人(静止不动时)的反射信号非常相近，进而，若只用微波传感器来探测目标体，在实际的背景环境下，系统的鬼影、虚报漏报等问题非常难根除解决。当屋子里金属物品比较多的情况下(无线电波的多径反射严重)，这种误判以及虚报会更容易发生，导致系统性能的极度恶化，甚至无法使用。其实目前现实的情况正是基于微波传感器的这些局限，导致其在本应用领域里的推广并不顺畅，这个问题需要解决。
请参考图1，基于微波传感器的目标体探测方法，包括：
S11：利用微波传感器探测目标空间的N个当前目标体，得到每个当前目标体的探测信息；
S12：利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布以及变化情况的电信号；其中的红外辐射，也可视作热辐射；
S13：根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体；
S14：所述N个当前目标体中任意之一目标体是否为误判目标体；
S15：筛除所述误判目标体；其中的误判目标体为所述N个当前目标体中并未实际存在的目标体；
S16：所述N个当前目标体中是否漏判了至少之一新目标体；
若步骤S16的判断结果为是，则可实施步骤S17：触发所述微波传感器重新确认漏判的新目标体，所述漏判的新目标体为实际存在但并未被所述微波传感器探测到的目标体。
如前文针对于微波传感器的描述可知，步骤S11中的探测信息可理解为用于表征所述当前目标体的位置、姿态、运动状态、运动轨迹中至少之一；其中的N为大于或等于1的整数。
以上的步骤S11与步骤S12可以是同时实施的，而不区分先后关系，进而，可匹配得到同一时间的探测信息与电信号。
步骤S12中的被动红外传感器，可理解为能够一定距离内探测并度量目标空间内的红外线辐射能量，且不具有成像能力的器件，例如可以采用热电堆(THERMOPILE)，测辐射热器(THERMAL BOLOMETER)及热释电(PYROELECTRIC)元件。在后文部分举例中，可以热电堆为例进行阐述，然而，本实施例所涉及的被动红外传感器不限于热电堆。
其中的电信号，可以是一个信号，也可以是多个信号，后续步骤S13中，可以利用电信号的电压值，或者自电信号转换而得到的电压值、电流值进行验证，也不排除利用电信号的电流值或其他电参数进行验证的手段。
以上所涉及的被动红式外传感器都是指那些相对低成本的不具备成像功能的被动红外传感器(比如普通的单元热电堆器件，或者双元/三元热电堆,或者线性和矩阵型热电堆,单元数为个位数或者8x8矩阵，16x16矩阵，32x24以32x32矩阵等；由于成本等因素的制约，这些器件参与检测的单元素(单元数目)不多，从而导致了他们不能用有效成像的方式来对远处随机位置的目标做检测，进而，本实施例所涉及的被动红外传感器并非针对昂贵的高分辨率成像的被动红外传感器(成像像素数目达到成千上万像素，甚至更高)；进而，本实施例所涉及的方案可以以较低的成本实现验证。我们的传感器组合可以选用最简单的红外线传感器，比如单元热电堆这样的器件就可以实现复杂功能。
具体应用时中，若采用单元热电堆，其可比如PERKINELMER品牌的TPS333热电堆,其视场角为100度(圆锥角)。当然本实施例也可以用其他品牌的其他型号的元件。安装时，可将由热电堆组成的被动红外探测单元(本单元除了热电对器件外，是一个完整功能的探测单元模块，其组成包含电源，信号运算放大器等等其他必须的电路单元)对准房屋内的探测空间，两个传感器探测空间共同重叠的部分，其为实际有效探测区域。
步骤S12中的被动红外传感器与所述微波传感器的安装位置相匹配；进而，可便于两者采集同一目标空间的信息。
步骤S11与步骤S12中的目标空间，可理解为被动红外传感器与微波传感器重叠探测的二维空间或三维空间范围，其可以是红外传感器探测到的所有空间范围中的部分或全部，也可以是微波传感器探测到的所有空间范围中的部分或全部。
在应用本方案进行硬件与系统设计时，可使得两种传感器的探测的空间尽可能调整到一致，进而便于最大限度的互用彼此的探测结果。例如：若被动红外传感器是单体的，则：可将微波传感器的探测空间全覆盖被动红外传感器的探测空间。
两种传感器的视场角尽可能设计成相同为最佳组合；但是如果被动红外传感器单体本身的视场角比较小，也可以用几个被动红外传感器的组合来扩大视场角,由于微波传感器可以感知到目标的具体位置信息(位置坐标)，可以据此来判断界定目标在这些被动红外传感器组合的何种探测空间内，从而可以针对性的对所处不同区域的定位来相应处理信息；例如：如果目标体处于两个或多个红外传感器单体探测空间的重叠空间内，那相应地，这些被动红外传感器的输出数据都会因为此目标体的出现和运动产生有共性的变化；而如果目标体只处于某单个红外传感器单体探测的区域内，他不在重叠空间内，那么，应该只有与此对应的那个红外传感器的数据会产生变化；反之亦然。
针对地面上人移动的空间区域，可以忽略天花板的区域，所以对于电热堆而言，其视场角为100度(圆锥角)，只关心其对地面以及地面上人移动的空间区域的覆盖，电热堆的模块的安装位置可尽可能的靠近微波传感器，其垂直方向上的安装角度可以比微波传感器的倾斜角度大5～10度，其对着天花板的区域可以作为背景看待而忽略不计，因为人不会爬到天花板上去活动。
本实施例基于微波传感器与被动红外传感器，创造性地提出了步骤S13中的第一匹配关系，该第一匹配关系，可理解为用于表征所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的匹配关系。
为了便于说明该第一匹配关系，以下分别从微波传感器与被动红外传感器的角度，对目标体的探测进行举例描述。
其中，微波传感器基于目标体反射的热图或者点云信息，利用聚类算法来探测目标体的数量、其所处的空间位置，以及目标体的运动状态(目标的运动速度和加速度)。
图2是本发明一实施例中微波传感器中各点聚合的示意图。
以图2为例，微波传感器探测到在XY平面上的点云信号可例如：U1、U2、U3…，利用聚类算法，基于这些点的相对空间位置关系、它们的运动状态信息(速度矢量信息)以及相对反射强度或者RCS信息来确定它们分别属于目标体G1和目标体G2，同时求出目标体G1、目标体G2的中心所处的坐标位置(X1，Y1)和(X2,Y2)，即：此时可得到目标体G1、目标体G2的坐标信息，以及目标体G1、目标体G2的运动信息(例如速度矢量)。
在图2所示的距离中，其仅示意了XY平面这一二维空间下的举例，在三维空间下，所涉及的坐标还可具体结合Z维度的信息，进而，可在立体的XYZ三维坐标系下做聚类处理，导出的坐标信息和运动信息都是三维的。针对于三维空间，微波传感器需要具备有探测三维信号的能力。
对于被动红外传感器所输出的电信号，其可例如被表征为输出值V，其可例如具有如下函数关系：V＝F(L,T,Ф,K)；
其中：
L是目标体到被动红外传感器的距离，其也是一个函数，与目标体的位置坐标相关，进而，可表征为：L＝f(x,y,z)(其中的x,y,z可以是目标体被微波传感器探测到位置坐标)；
T是目标体的体表温度；
Ф为目标体相对于被动红外传感器镜头的入射角，其也与目标体被微波传感器探测到空间位置坐标相关；
K为相应被动红外传感器信号转换系数。
所以，当有n个目标出现时，红外传感器的输出值V可表征为：
目标体的运动状态(速度、加速度)会反映到红外传感器的输出值V的变化特性。
基于以上描述可见，本实施例所涉及的第一匹配关系，可例如是对以上输出值V的变化与微波传感器的探测信息的变化之间的匹配关联性进行表征。
可见，通过第一匹配关系，可利用人和动物都带有明显热辐射特征的生物属性，将这一属性在系统里显性化，以此作为微波传感器探测人与动物位置与状态特征的一个新的数据感知参考维度；具体举例中，将两种传感器在重叠的环境内感知的多维度数据做综合处理分析，可针对于微波传感器的探测信息与被动红外传感器的电信号建立一定的表征匹配关联性的信息，该信息即是对第一匹配关系进行表征的信息。
其中一种实施方式中，所述目标匹配关系可以通过目标映射函数表征，所述目标映射函数可理解为：预先确定的所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的函数关系；该目标映射函数可例如表征了逻辑和/或量值的函数映射关系，对应的，建立该函数映射关系可例如是指将各种需要被探测的信息(例如目标体的位置坐标、运动信息如速度/加速度矢量以及运动轨迹、对微波的反射强度信息等)作为自变量，建立起与被动红外传感器输出值的函数映射关系，进而，将微波传感器要探测的信息变量的各种组合映射到被动红外传感器输出的数据组合上。
其中变量的组合函数映射可以是逻辑关系组合，或者是量值关系组合，或者是两者的综合组合，通过对自变量与变量的数据组合结果的逻辑与/或量值分析来强化系统对各变量的检测精度，去除背景躁声,给微波对人与动物目标多径反射的信号干扰建立甄别条件，用来去除微波传感器对目标探测的多径反射产生的虚假信息；系统通过度量这些变量之间的关系，还可以利用他们的关联性来求导未知数，扩展系统目标探测的维度。
另一种实施方式中，所述目标匹配关系也可以通过目标映射神经网络表征。所述目标映射神经网络可理解为：预先利用所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的素材与所述微波传感器的探测信息的素材训练确定的。目标映射神经网络的功能，可参照于前文对目标映射函数的功能理解，对于相同或相类似的部分，在此不再累述，该神经网络可以当做是能够拟合任意以上函数的黑盒子，只要训练数据足够，给定特定的输入，利用训练好的神经网络就能得到所需的输出。
可见，本实施例中，可以根据微波传感器与被动红外传感器的组合的关联原理以及针对应用场景采集的实验数据来建立起数据映射关系(即逻辑和/或量值的函数映射关系)，推导出具体的函数公式；或者，利用神经网络来求解。
图3是本发明一实施例中步骤S14的流程示意图一；图4是本发明一实施例中步骤S14的流程示意图二；图5是本发明一实施例中步骤S14的流程示意图三。
部分场景中，当探测空间内的人体或动物数量发生增加或减少时，被动红外传感器输出的电信号(可以经电路转换为电压或者电流的数值)，会发生相应的变化而且相应的变化具备与场景对应的数据特征(此即为第一匹配关系所能够体现的)；
另部分场景中，探测空间内人体或者动物的接近和远离(运动轨迹变化)也会导致输出信号的变化，同样，其相应的变化具备与此场景对应的数据特征(其也是第一匹配关系所能够体现的)。
可见，探测空间内目标体的变化，典型场景可例如包括：目标体直接出现、目标体直接消失、目标体靠近、目标体远离这四种情形；以下针对于此逐一进行举例(当然，可探测的场景并不限于以下举例的场景,本实施例可以基于目标的各种相对运动做出判断)。
第一种情形下，若微波传感器探测到情形是目标体直接出现，则：被动红外传感器可能探测到目标体直接出现对应的变化(此时可视作未发生误判)，也可能未探测到目标体直接出现对应的变化(此时可视作发生误判，产生误判目标体)。
在图3所示的实施方式中，步骤S14可包括：
S1401：N个当前目标体是否包括直接新出现在所述目标空间的第一疑似目标体；若步骤S1401的判断结果为是，则可进入以下步骤：
S1402：所述电信号是否发生匹配于所述第一疑似目标体的变化；其具体指：在所述第一疑似目标体被所述微波传感器探测到时，所述电信号是否发生匹配于所述第一疑似目标体的变化；
若步骤S1402的判断结果为是，则可实施步骤S1403：确定所述第一疑似目标体为并非误判目标体，以使得所述第一疑似目标体被保留。
若步骤S1402的判断结果为否，则可实施步骤S1404：确定所述第一疑似目标体为所述误判目标体。
第二种情形下，若微波传感器探测到的情形是目标体靠近，则：被动红外传感器可能探测到目标体靠近(此时未发生误判)，也可能未探测到目标体远离(此时可视作发生误判)。
在图4所示的实施方式中，步骤S14可包括：
S1405：N个当前目标体是否包括在所述目标空间内发生相对运动的第二疑似目标体；若步骤S1405的判断结果为是，则可进入以下步骤：
S1406：所述电信号是否发生匹配于所述第二疑似目标体的变化；其具体指：在所述第二疑似目标体被探测到发生相对运动(例如靠近运动或其他运动方式)时，所述电信号是否发生匹配于所述第二疑似目标体的变化；
若步骤S1406的判断结果为是，则可实施步骤S1407：确定所述第二疑似目标体并非误判目标体，以使得所述第二疑似目标体被保留；
若步骤S1406的判断结果为否，则可实施步骤S1408：确定所述第二疑似目标体为误判目标体。
第三种情形下，若微波传感器探测到的情形是目标体直接消失，则：被动红外传感器可能探测到目标体依旧存在而未发生相应变化(此时可视作发生误判)，也可能探测到目标体直接消失对应的变化(此时可视作未发生误判)。
第四种情形下，若微波传感器探测到的情形是目标体远离，则：被动红外传感器可能探测到目标体依旧存在而未发生相应变化(此时可视作未发生误判与漏检)，也可能探测到目标体远离对应的变化(此时可视作发生漏检)。
在图5所示的实施方式中，步骤S14可包括：
S1409：N个当前目标体是否包括之前已检测到的旧目标体；
若步骤S1409的判断结果为否，则可实施步骤S1410：所述电信号是否发生匹配于所述旧目标体直接消失或远离才会发生的变化；
若步骤S1410的判断结果为否，则可实施步骤S1411：确定所述微波传感器漏检了所述旧目标体；
第五种情形下，若微波传感器未探测到任意情形，则：被动红外传感器可能探测到部分情形的变化(此时可视作发生误判或漏检)，其中尤其需针对于微波传感器未探测到任何情形变化，但是被动红外传感器探测到新目标体直接出现或靠近的情形(此时可视作发生了漏判)。
在图6所示的实施方式中，步骤S14可包括：
S1412：所述电信号是否发生了新目标体直接出现才会发生的变化；
若步骤S1412的判断结果为是，则可实施步骤S1413：所述微波传感器所探测到的N个当前目标体中是否包括所述新目标体；
若步骤S1413的判断结果为否，则可实施步骤S1414：确定所述微波传感器漏检了所述新目标体。
以上所涉及的远离运动，可例如指的是远离被动红外传感器与微波传感器，从而无法被探测到的情形；靠近运动，可例如指的是靠近被动红外传感器与微波传感器，从而能够被探测到的情形。同时，本实施例也不排除始终能探测到的情形。
以下结合三个具体的场景对以上过程进行举例说明：
场景1)、一个人从远处进入到探测区域中：微波传感器检测到目标体(例如人体)产生的反射点群组合，探测到其位置与移动速度等信息，同时，被动式红外传感器的输出的电信号因为目标体的出现带来的热辐射导致输出信号的变化，两组信号的同时出现以及其对应的关联变化，可以确认微波传感器检测到目标体产生的反射点群正是进入探测区域的人的反射信息，再通过对反射点群的聚类分析(由于有红外传感器的检测数据的关联映射辅助，我们可以增加微波传感器的灵敏度同时滤除躁声干扰)推导出人的精确位置与移动信息；
场景2)、没有新的(或称增加的)目标体(例如人体或动物)进入探测空间：微波传感器确检测到有一个疑似目标体从远处进入到探测空间中，可是红外传感器的输出的电信号并没有相应的变化特征出现，那系统就可以推断出：疑似目标体非人或动物，只是一个由于多径反射产生的目标镜像(鬼影)的虚报，雷达探测到的疑似目标的反射点是镜像信息。
场景3)、在探测空间内一个人由近走远地离开探测区域：微波传感器与红外传感器都探测到一个人的渐渐离开，可是突然，微波传感器检测到系统内出现第2个人的疑似目标点群，在由远而近的移动，可是红外传感器的输出信号并没有跳变，其信号的连续变化幅度表明之前探测到的人还是继续离开，根据这些信号的组合，系统可以判定突然出现的第2个人的疑似目标点群其实还是多径反射的镜像信号，只有探测到的渐渐离开的那个人的信号才是确定的。
以上各实施方式中，由于被动红外传感器检测红外辐射能量分布而得到的电信号的变化与微波传感器的探测结果的变化之间具有一定匹配关联性，基于可表征该种匹配关联性的第一匹配关系，能够以被动红外传感器得到的电信号为依据，对微波传感器的检测结果进行验证，从而便于将例如“鬼影”的误判目标体筛除，有效提高微波传感器的检测结果。可选方案中，还可在微波传感器漏检目标体时及时发现。
其中，由于综合加入被动红外传感器的数据感知维度，比较容易的把人与背景信号区分出来；也正是有了这个数据维度，还可以非常有效的提升算法，比如，人离开探测区域后的释放算法的改进，或者，可以通过提高系统检测灵敏度同时又因为排除了容易触发产生“鬼影”的副作用的方法来解决微波传感器对出现目标不宜快速建立的问题。
同时，被动红外传感器输出的电信号在探测空间内的人数量发生增加或减少时，输出信号会发生相应的变化而且相应的变化具备与场景对应的数据特征；探测区域内人的接近和远离也会导致输出信号的变化，同样，其相应的变化具备与此场景对应的数据特征；正是由于有微波传感器的同时存在，微波传感器可以探测到各个反射目标(目标点)或者疑似反射目标(目标点)的距离与相对速度，进而可以推导出各个反射目标或者疑似反射目标的移动路径，我们在同一时间段内同时提取来自微波传感器的反射目标(目标点)信号数据与来自红外传感器的输出信号变化的特征做相关性比对以及多维度的综合数据处理分析，推导出与感知场景对应的显性的数据组合变化特征以及目前传感器输出的数据特变化特征是否符合相应的感知场景，进而可以精确地探测出目标与场景，利用甄别条件去除微波传感器对目标探测因多径反射产生的错误信息，排除虚报与误报。
除了以上描述之外，由于探测场景是一个延续的过程(有时间轴)，还可以重复多次的探测场景，利用探测到的输出值数据组合，来迭代推导出所需要探测的其他未知数；这样的组合，极大的增强了原本两种传感器各自为政的测试场景，扩展了探测的准确度(自信度)，精确度；同时还扩展了系统的探测维度，比如可以在一个开放区域(比如一个房间)中，连续地探测区域内单个甚至多个人或者动物目标的相对体温，其中，在设定好的探测区域背景不变的前提下(即一段时间内)，被动红外传感器的输出信号与探测区域内的人或动物数量、人或动物所处的位置以及人或动物的热辐射强度(也可以映射为人或动物的温度)是有一定的函数关系的，人或动物数量、人或动物所处的位置以及人或动物的热辐射强度作为变量组合决定了红外传感器的输出信号值；而微波传感器，能够检测到探测区域内的人或动物数量和他们所处的精确位置(包含目标的运动轨迹，它们相对于被动红外传感器探测视场的入射角度等)，正是这样，利用系统数据的组合输出(被动红外传感器的输出信号大小与变化信息，微波传感器检测到区域内人或动物数量和他们所处的位置信息)，可推算出人或者动物的热辐射强度(既可映射出人和动物的相对温度数据。
基于以上原理，可提供一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测方法。
图7是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测方法的流程示意图。
请参考图7，基于微波传感器的目标体温度探测方法，包括：
S21：利用微波传感器探测目标空间的M个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态与运动轨迹中至少之一；其中的M为大于或等于1的整数；
S22：利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布以及变化情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的所述目标空间；
以上所涉及的内容可参照前文目标体探测方法的相关描述理解；
S23：根据所述探测信息、所述电信号，以及第二匹配关系，确定所述M个当前目标体中至少部分目标体的体表温度信息。
其中：
体表温度信息，可以是绝对体表温度的信息，也可以是相对体表温度的信息，若为相对体表温度的信息，可例如反映出M个当前目标体之间的相对温度，或相对于其他客观温度(例如室内温度)的相对温度。
所述第二匹配关系用于表征所述目标空间或其关联的典型环境中所述微波传感器的探测信息的变化、被动红外传感器的电信号的变化，以及目标体的相对体表温度的匹配关系。
以上过程也可视作基于微波传感器的目标体探测方法的一部分。
在具体应用时，可以利用图1至图6实施方式所采用的硬件组合(例如采用一个微波传感器与一个单元热电堆的组合)探测室内人员的数目、人员所处的各自位置、各自姿态与运动状态以及运动轨迹的同时,增加探测屋里面人体的相对温度的功能。
在很多智能家居应用案例里,对目标体(例如人体)相对温度检测也是非常重要的。举例说明，智能传感器用在家用智能空调的温度与风向风速控制上,控制过程中，不仅需要知道人在哪里，人体表面的相对温度(与背景环境相比)也是一个重要指标。如果人睡着了，可是体表温度还是很高，那控制过程中可能需要让传感器感知到这个体表温度，然后再用于控制空调的温度和风向风速。
仅仅利用一个单元热电堆是无法检测到在一个屋子的范围内随机位置上个别人的体表温度的。
在设定好的探测空间背景不变的前提下(即一个时间段T内)，被动红外传感器的输出信号与探测区域内的人或动物数量、人或动物所处的位置与运动轨迹，以及人或动物的相对热辐射强度(也可以映射为人或动物的温度)是有一定的匹配关联性，人或动物数量、人或动物所处的位置以及人或动物的热辐射强度作为变量组合决定了红外传感器当时的输出电信号的量值；而微波传感器，能够检测到探测区域内的人或动物数量和他们所处的精确位置(包含目标的运动轨迹，它们相对于被动红外传感器探测视场的入射角度等)；正是这样，使用组合系列数据输出(被动红外传感器的输出信号大小与变化信息，微波传感器检测到区域内人或动物数量和他们所处的位置运动轨迹信息等)，可推算出人或者动物的热辐射强度(既可映射出人和动物的相对温度数据)。
在许多应用场景下,可不需要去关注一屋子挤满人的场景(这种情形下，空调只需要满负荷的高速运转去尽快降温就行)，往往关注的是屋里面有少数人(比如,<5个人的场景)，进而，需要相对准确地探测出他们的体温，然后来的控制家用智能空调的运作(温度设定，风向风速控制)。
首先，可利用微波传感器准确的测出屋子里的人数，以及他们所处于的空间位置，以及他们的运动轨迹(或者他们就是不动，比如在睡觉状态)。然后，根据微波传感器与被动红外传感器的组合的关联原理以及针对应用场景采集的实验数据来建立起数据映射关系(即逻辑与量值的函数映射关系)，推导出数据映射函数，或者,我们根据实验数据来递归这个函数，或者也可以直接用神经网络来求解，进而，该函数与神经网络均可理解为对第二匹配关系的一种表征。
该函数与神经网络的输入信息可以是所述探测信息与表征被动红外传感器输出的电信号的信息，输出信息可以是所需的温度信息。
具体实施过程中，例如可以用实验数据递归的方式，用相对简便的查表方式，来探测体温(相对温度)。具体可将整个探测空间细分，分成许多个小区域，然后把人所处的位置(处于哪个小区域)确定，然后通过其他手段(比如利用空调内置的通用测温计)把环境温度数据取得，而后去度量热电堆的输出数据。被动红外传感器的输出信号与探测空间内的人或动物数量、人或动物所处的位置以及人或动物的热辐射强度(也可以映射为人或动物的温度)是有一定的函数关系的，人或动物数量、人或动物所处的位置与运动轨迹以及人或动物的热辐射强度作为变量组合决定了红外传感器的输出信号值。当测试环境中人数不多时，我们可以把各种变量的组合(“人数”，“人所处的区域位置”，“人的运动轨迹特征”，“环境温度”，“人的运动状态特征”，“被动红外传感器的数据输出值”，“人的体温”)做一个事先标定，取得一组历史数据，然后我们通过系统的现场测定，探测出各分量的值：“人数”，“人所处的区域位置”，“人的运动轨迹特征”，“环境温度”，“人的运动状态特征”，“被动红外传感器的数据输出值”，根据这些变量的组合来比对历史数据(事先标定数据)，从而查表导出“人的体温”这个需要推算出来的数值。
其中：“人数”，“人所处的区域位置”，“人的运动轨迹特征”、“人的运动状态特征”可理解为微波传感器的探测信息所能够表征的信息；“环境温度”可以是利用微波传感器与被动红外传感器之外其他设备探测到的信息；“被动红外传感器的数据输出值”可理解为被动红外传感器输出的电信号所表征的信息。
如果人是处于移动的状态(场景)，还可以通过人移动的轨迹而导致的“被动红外传感器的数据输出值”的变化规律，同理导出“人的体温”这个需要推算出来的数值。
同样，若需要扩大探测的视场角度，可以通过修改微波传感器天线的参数来扩展其视场角(如果原本微波传感器视场角也不够大),同时,也可以用几个被动红外传感器的组合来实现目标(扩大视场角)；由于微波传感器可以感知到目标的位置信息(位置坐标)，可以通过它来判断界定目标在这些被动红外传感器组合的何种探测区域内，从而可以针对性的对所处不同空间的定位来相应处理信息，比方说，如果目标处于两个或多个红外传感器单体探测区域的重叠区域内，那相应地，这些红外传感器的输出数据都会因为此目标的出现和运动产生有共性的变化，而如果目标只处于某单个红外传感器单体探测的区域内，它不在重叠区域内，那么，应该只有与此对应的那个红外传感器的数据会产生变化；这种实现方式，由于我们只是增加了几个单元热电堆，成本并不高，所以系统的性价比还是非常好的。
以上所涉及的目标体温度探测方法与目标体探测方法，不仅包含智能家居等室内场景应用，在户外以及其它场景，比如车辆内部的驾驶员和成员检测，智慧城市与智慧路灯的人”来灯亮人走灯灭”的场景应用和人流统计应用,安防监控领域的人员感知等领域也适用，甚至可以跨越到野外的动物探测领域，只要目标对应的是人与动物之类目标体的感知领域，需要使用微波传感器的场合，均可适用本实施例所涉及的方法。
图8是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测装置的程序模块示意图。
请参考图8，基于微波传感器的目标体探测装置300，包括：
微波探测模块301，用于利用微波传感器探测目标空间的N个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态中至少之一；其中的N为大于或等于1的整数；
红外探测模块302，用于利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布情况，得到用于表征所述红外辐射能量分布情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配；
验证模块303，用于根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体；所述第一匹配关系用于表征所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的匹配关系；
筛除模块304，用于若所述N个当前目标体中任意之一目标体为误判目标体，则筛除所述误判目标体；所述误判目标体为所述N个当前目标体中并未实际存在的目标体；
重新确认模块305，用于若所述N个当前目标体中漏判了至少之一新目标体，则触发所述微波传感器重新确认被漏判的新目标体。
验证模块303，具体用于：
若所述微波传感器探测到的N个当前目标体包括直接新出现在所述目标空间的第一疑似目标体，且：在所述第一疑似目标体被所述微波传感器探测到时，所述电信号并未发生匹配于所述第一疑似目标体的变化，则：确定所述第一疑似目标体为所述误判目标体：
若所述微波传感器探测到的N个当前目标体包括在所述目标空间内发生相对运动的第二疑似目标体，且：在所述第二疑似目标体被探测到发生相对运动时，所述电信号并未发生匹配于所述第二疑似目标体的变化，则：确定所述第二疑似目标体为所述误判目标体。
可选的，验证模块303，还用于：
若所述微波传感器探测到的N个当前目标体包括直接新出现在所述目标空间的第一疑似目标体，且：在所述第一疑似目标体被所述微波传感器探测到时，所述电信号发生了匹配于所述第一疑似目标体的变化，则：确定所述第一疑似目标体为并非误判目标体，以使得所述第一疑似目标体被保留，和/或：
若所述微波传感器探测到的N个当前目标体包括在所述目标空间内发生相对运动的第二疑似目标体，且：在所述第二疑似目标体被探测到发生相对运动时，所述电信号发生了匹配于所述第二疑似目标体的变化，则：确定所述第二疑似目标体并非误判目标体，以使得所述第二疑似目标体被保留。
验证模块303，还用于：
若所述电信号发生了新目标体直接出现或相对运动才会发生的变化，而所述微波传感器所探测到的N个当前目标体中未包括所述新目标体，则：确定所述微波传感器漏检了所述新目标体；和/或：
若所述微波传感器探测到的N个当前目标体未包括之前已检测到的旧目标体，而所述电信号未发生所述旧目标体直接消失或远离才会发生的变化，则：确定所述微波传感器漏检了所述旧目标体。
可选的，所述目标匹配关系是通过目标映射函数，或者目标映射神经网络表征的；
所述目标映射函数为预先确定的所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的函数关系；
所述目标映射神经网络为预先利用所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的素材与所述微波传感器的探测信息的素材训练确定的。
图9是本发明一实施例中基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测装置的程序模块示意图。
请参考图9，基于微波传感器的目标体温度探测装置400，包括：
微波探测模块401，用于利用微波传感器探测目标空间的M个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态以及运动轨迹中至少之一；其中的M为大于或等于1的整数；
红外探测模块402，用于利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布以及变化情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配；
温度确定模块403，用于根据所述探测信息、所述电信号，以及第二匹配关系，确定所述M个当前目标体中至少部分目标体的体表温度信息；所述第二匹配关系用于表征所述目标空间或其关联的典型环境中所述微波传感器的探测信息的变化、被动红外传感器的电信号的变化，以及目标体的相对体表温度的匹配关系。
图10是本发明一实施例中电子设备的结构示意图。
请参考图10，提供了一种电子设备50，包括：
处理器51；以及，
存储器52，用于存储所述处理器的可执行指令；
其中，所述处理器51配置为经由执行所述可执行指令来执行以上所涉及的方法。
处理器51能够通过总线53与存储器52通讯。
图11是本发明一实施例中电子设备的结构示意图。
请参考图11，提供了一种电子设备60，包括：
处理器61；
存储器62，用于存储所述处理器的可执行指令；以及：
以上方法实施例所涉及的微波传感器64与被动红外传感器65。
其中，所述处理器51配置为经由执行所述可执行指令来执行以上所涉及的方法。
处理器51能够通过总线53与存储器52通讯。
本实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以上所涉及的方法。
本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，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，或者对其中部分或者全部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发明各实施例技术方案的范围。
Claims (10)
1.一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测方法，所述目标体为人体或动物，其特征在于，包括：
利用微波传感器探测目标空间的N个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态与运动轨迹中至少之一；其中的N为大于或等于1的整数；
利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布以及变化情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的所述目标空间；
根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体；所述第一匹配关系用于表征所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的匹配关系；
若所述N个当前目标体中任意之一目标体为误判目标体，则筛除所述误判目标体；所述误判目标体为所述N个当前目标体中并未实际存在的目标体；
若所述N个当前目标体中漏判了至少之一新目标体，则触发所述微波传感器重新确认漏判的新目标体，所述漏判的新目标体为实际存在但并未被所述微波传感器探测到的目标体。
2.根据权利要求1所述的方法，其特征在于，根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体，包括：
若所述微波传感器探测到的N个当前目标体包括直接新出现在所述目标空间的第一疑似目标体，且：在所述第一疑似目标体被所述微波传感器探测到时，所述电信号并未发生匹配于所述第一疑似目标体的变化，则：确定所述第一疑似目标体为所述误判目标体：
若所述微波传感器探测到的N个当前目标体包括在所述目标空间内发生相对运动的第二疑似目标体，且：在所述第二疑似目标体被探测到发生相对运动时，所述电信号并未发生匹配于所述第二疑似目标体的变化，则：确定所述第二疑似目标体为所述误判目标体。
3.根据权利要求1所述的方法，其特征在于，根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体，还包括：
若所述微波传感器探测到的N个当前目标体包括直接新出现在所述目标空间的第一疑似目标体，且：在所述第一疑似目标体被所述微波传感器探测到时，所述电信号发生了匹配于所述第一疑似目标体的变化，则：确定所述第一疑似目标体为并非误判目标体，以使得所述第一疑似目标体被保留，和/或：
若所述微波传感器探测到的N个当前目标体包括在所述目标空间内发生相对运动的第二疑似目标体，且：在所述第二疑似目标体被探测到发生相对运动时，所述电信号发生了匹配于所述第二疑似目标体的变化，则：确定所述第二疑似目标体并非误判目标体，以使得所述第二疑似目标体被保留。
4.根据权利要求1所述的方法，其特征在于，根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体，还包括：
若所述电信号发生了新目标体直接出现才会发生的变化，而所述微波传感器所探测到的N个当前目标体中未包括所述新目标体，则：确定所述微波传感器漏检了所述新目标体；和/或：
若所述微波传感器探测到的N个当前目标体未包括之前已检测到的旧目标体，而所述电信号未发生所述旧目标体直接消失或远离才会发生的变化，则：确定所述微波传感器漏检了所述旧目标体。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述目标匹配关系是通过目标映射函数，或者目标映射神经网络表征的；
所述目标映射函数为预先确定的所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的函数关系；
所述目标映射神经网络为预先利用所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的素材与所述微波传感器的探测信息的素材训练确定的。
6.一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体探测装置，所述目标体为人体或动物，其特征在于，包括：
微波探测模块，用于利用微波传感器探测目标空间的N个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态与运动轨迹中至少之一；其中的N为大于或等于1的整数；
红外探测模块，用于利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布以及变化情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的目标空间；；
验证模块，用于根据所述电信号，以及预先确定的第一匹配关系，验证所述N个当前目标体；所述第一匹配关系用于表征所述目标空间或其关联的典型环境中所述被动红外传感器的电信号的变化与所述微波传感器的探测信息变化之间的匹配关系；
筛除模块，用于若所述N个当前目标体中任意之一目标体为误判目标体，则筛除所述误判目标体；所述误判目标体为所述N个当前目标体中并未实际存在的目标体；
重新确认模块，用于若所述N个当前目标体中漏判了至少之一新目标体，则触发所述微波传感器重新确认被漏判的新目标体。
7.一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测方法，所述目标体为人体或动物，其特征在于，包括：
利用微波传感器探测目标空间的M个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态与运动轨迹中至少之一；其中的M为大于或等于1的整数；
利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的所述目标空间；
根据所述探测信息、所述电信号，以及第二匹配关系，确定所述M个当前目标体中至少部分目标体的体表温度信息；所述第二匹配关系用于表征所述目标空间或其关联的典型环境中所述微波传感器的探测信息的变化、被动红外传感器的电信号的变化，以及目标体的相对体表温度之间的匹配关系。
8.一种基于微波传感器与不具有成像能力的被动红外传感器组合的目标体温度探测装置，所述目标体为人体或动物，其特征在于，包括：
微波探测模块，用于利用微波传感器探测目标空间的M个当前目标体，得到每个当前目标体的探测信息；所述探测信息用于表征所述当前目标体的位置、姿态、运动状态与运动轨迹中至少之一；其中的M为大于或等于1的整数；
红外探测模块，用于利用不具有成像能力的被动红外传感器探测所述目标空间内的红外辐射能量分布以及变化情况，得到用于表征所述红外辐射能量分布以及变化情况的电信号；所述被动红外传感器与所述微波传感器的安装位置相匹配，以使得两者具有共同的所述目标空间；；
温度确定模块，用于根据所述探测信息、所述电信号，以及第二匹配关系，确定所述M个当前目标体中至少部分目标体的体表温度信息；所述第二匹配关系用于表征所述目标空间或其关联的典型环境中所述微波传感器的探测信息的变化、被动红外传感器的电信号的变化，以及目标体的相对体表温度之间的匹配关系。
9.一种电子设备，其特征在于，包括：处理器与存储器；
所述存储器，用于所述处理器的可执行指令；
所述处理器配置为经由执行所述可执行指令来执行权利要求1至5任一项所述的方法，或者权利要求7所述的方法。
10.一种存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现权利要求1至5任一项所述的方法，或者权利要求7所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911290053.0A CN110888121B (zh) | 2019-12-16 | 2019-12-16 | 目标体探测方法与装置及目标体温度探测方法与装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911290053.0A CN110888121B (zh) | 2019-12-16 | 2019-12-16 | 目标体探测方法与装置及目标体温度探测方法与装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110888121A true CN110888121A (zh) | 2020-03-17 |
| CN110888121B CN110888121B (zh) | 2020-11-24 |
Family
ID=69751938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911290053.0A Active CN110888121B (zh) | 2019-12-16 | 2019-12-16 | 目标体探测方法与装置及目标体温度探测方法与装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110888121B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111536660A (zh) * | 2020-04-01 | 2020-08-14 | 海信（山东）空调有限公司 | 空调器的控制方法、装置、存储介质及空调器 |
| CN113521369A (zh) * | 2020-04-21 | 2021-10-22 | 艾美特电器（深圳）有限公司 | 杀菌装置 |
| WO2021259806A1 (en) * | 2020-06-25 | 2021-12-30 | Signify Holding B.V. | System and methods to optimize neural networks using sensor fusion |
| CN114002546A (zh) * | 2021-10-22 | 2022-02-01 | 深圳供电局有限公司 | 一种变电站端子箱多功能外界环境实时在线监测装置 |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4317117A (en) * | 1979-07-20 | 1982-02-23 | Chasek Norman E | Cross correlated doppler radar/infra red velocity and presence sensor |
| CN101228557A (zh) * | 2005-06-10 | 2008-07-23 | 埃森哲环球服务有限公司 | 电子车辆识别 |
| WO2015054601A2 (en) * | 2013-10-11 | 2015-04-16 | Duke University | Multi-sensor compressive imaging |
| CN106706133A (zh) * | 2016-12-31 | 2017-05-24 | 华中科技大学 | 一种点斑状目标姿态估计方法及系统 |
| CN105326479B (zh) * | 2015-10-16 | 2017-12-05 | 北京农业智能装备技术研究中心 | 手持式动物体温监控装置及其数据处理方法 |
| CN105864962B (zh) * | 2016-04-01 | 2018-09-11 | 广东美的制冷设备有限公司 | 一种空调温度可视化方法、系统及空调器 |
| CN109284783A (zh) * | 2018-09-27 | 2019-01-29 | 广州慧睿思通信息科技有限公司 | 基于机器学习的大礼拜计数方法、装置、用户设备及介质 |
| CN109328310A (zh) * | 2016-04-19 | 2019-02-12 | 特里纳米克斯股份有限公司 | 用于对至少一个对象进行光学检测的检测器 |
| CN109858378A (zh) * | 2019-01-03 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于生物特征识别的售货机售货方法及装置、介质和设备 |
| CN110513318A (zh) * | 2019-08-21 | 2019-11-29 | 广东乐美智家环境科技股份有限公司 | 一种微波雷达感应及红外线感应控制系统以及应用该系统的智能风扇 |
| CN110537109A (zh) * | 2017-04-28 | 2019-12-03 | 深圳市大疆创新科技有限公司 | 用于自主驾驶的感测组件 |
-
2019
- 2019-12-16 CN CN201911290053.0A patent/CN110888121B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4317117A (en) * | 1979-07-20 | 1982-02-23 | Chasek Norman E | Cross correlated doppler radar/infra red velocity and presence sensor |
| CN101228557A (zh) * | 2005-06-10 | 2008-07-23 | 埃森哲环球服务有限公司 | 电子车辆识别 |
| WO2015054601A2 (en) * | 2013-10-11 | 2015-04-16 | Duke University | Multi-sensor compressive imaging |
| CN105326479B (zh) * | 2015-10-16 | 2017-12-05 | 北京农业智能装备技术研究中心 | 手持式动物体温监控装置及其数据处理方法 |
| CN105864962B (zh) * | 2016-04-01 | 2018-09-11 | 广东美的制冷设备有限公司 | 一种空调温度可视化方法、系统及空调器 |
| CN109328310A (zh) * | 2016-04-19 | 2019-02-12 | 特里纳米克斯股份有限公司 | 用于对至少一个对象进行光学检测的检测器 |
| CN106706133A (zh) * | 2016-12-31 | 2017-05-24 | 华中科技大学 | 一种点斑状目标姿态估计方法及系统 |
| CN110537109A (zh) * | 2017-04-28 | 2019-12-03 | 深圳市大疆创新科技有限公司 | 用于自主驾驶的感测组件 |
| CN109284783A (zh) * | 2018-09-27 | 2019-01-29 | 广州慧睿思通信息科技有限公司 | 基于机器学习的大礼拜计数方法、装置、用户设备及介质 |
| CN109858378A (zh) * | 2019-01-03 | 2019-06-07 | 深圳壹账通智能科技有限公司 | 基于生物特征识别的售货机售货方法及装置、介质和设备 |
| CN110513318A (zh) * | 2019-08-21 | 2019-11-29 | 广东乐美智家环境科技股份有限公司 | 一种微波雷达感应及红外线感应控制系统以及应用该系统的智能风扇 |
Non-Patent Citations (1)
| Title |
|---|
| 文娟: "《重庆：重庆大学出版社》", 31 August 2016 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111536660A (zh) * | 2020-04-01 | 2020-08-14 | 海信（山东）空调有限公司 | 空调器的控制方法、装置、存储介质及空调器 |
| CN113521369A (zh) * | 2020-04-21 | 2021-10-22 | 艾美特电器（深圳）有限公司 | 杀菌装置 |
| WO2021259806A1 (en) * | 2020-06-25 | 2021-12-30 | Signify Holding B.V. | System and methods to optimize neural networks using sensor fusion |
| CN114002546A (zh) * | 2021-10-22 | 2022-02-01 | 深圳供电局有限公司 | 一种变电站端子箱多功能外界环境实时在线监测装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110888121B (zh) | 2020-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110888121B (zh) | 目标体探测方法与装置及目标体温度探测方法与装置 | |
| US11079482B2 (en) | Presence detection system | |
| Liu et al. | Robotic room-level localization using multiple sets of sonar measurements | |
| Hauschildt et al. | Advances in thermal infrared localization: Challenges and solutions | |
| Kemper et al. | Passive infrared localization with a probability hypothesis density filter | |
| CN111839360B (zh) | 扫地机数据处理方法、装置、设备及计算机可读介质 | |
| Geng et al. | Indoor tracking with RFID systems | |
| CN112859033A (zh) | 目标探测的方法、装置及相关设备 | |
| Deyle et al. | Finding and navigating to household objects with UHF RFID tags by optimizing RF signal strength | |
| Zheng et al. | Detection, localization, and tracking of multiple MAVs with panoramic stereo camera networks | |
| CN206516016U (zh) | 一种基于多传感器融合技术主动防御智能入侵探测设备 | |
| Faulkner et al. | Smart wall: Passive visible light positioning with ambient light only | |
| Deyle et al. | Probabilistic UHF RFID tag pose estimation with multiple antennas and a multipath RF propagation model | |
| Emad-ud-Din et al. | Indoor occupancy estimation using particle filter and SLEEPIR sensor system | |
| Narayana et al. | LOCI: Privacy-aware, device-free, low-power localization of multiple persons using IR sensors | |
| Choubisa et al. | An optical-camera complement to a PIR sensor array for intrusion detection and classfication in an outdoor environment | |
| US11729372B2 (en) | Drone-assisted sensor mapping | |
| Sabat et al. | An IoT concept for region based human detection using PIR sensors and FRED cloud | |
| Faulkner et al. | Device-free localization using privacy-preserving infrared signatures acquired from thermopiles and machine learning | |
| Wei et al. | Research on Information Fusion of Computer Vision and Radar Signals in UAV Target Identification | |
| Linzmeier | Pedestrian detection with thermopiles using an occupancy grid | |
| KR20060003871A (ko) | 검출시스템, 물체검출방법 및 물체검출을 위한 컴퓨터프로그램 | |
| Bai et al. | Enhancement of the complement of an embedded surveillance system with PIR sensors and ultrasonic sensors | |
| CN108415332A (zh) | 一种基于激光雷达的家用防盗系统 | |
| Gao et al. | MMW-Carry: Enhancing Carry Object Detection through Millimeter-Wave Radar-Camera Fusion |
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 | ||
| CP02 | Change in the address of a patent holder | ||
| CP02 | Change in the address of a patent holder |
Address after: 201108 3 / F and 4 / F, building 2, 598 Guanghua Road, Minhang District, Shanghai Patentee after: SHANGHAI ZHITONGTONG TECHNOLOGY Co.,Ltd. Address before: Room 3001, creative building, 1559 Zuchongzhi Road, Pudong New Area, Shanghai, 201203 Patentee before: SHANGHAI ZHITONGTONG TECHNOLOGY Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220322 Address after: 201210 3rd floor, building 1, No.400, Fangchun Road, China (Shanghai) pilot Free Trade Zone, Pudong New Area, Shanghai Patentee after: Shanghai Zhenfu Intelligent Technology Co.,Ltd. Address before: 201108 3 / F and 4 / F, building 2, 598 Guanghua Road, Minhang District, Shanghai Patentee before: SHANGHAI ZTTVISION TECHNOLOGIES Co.,Ltd. |