CN112630729A - 一种基于热电堆传感器定位和跟踪室内人类目标的方法 - Google Patents

一种基于热电堆传感器定位和跟踪室内人类目标的方法 Download PDF

Info

Publication number
CN112630729A
CN112630729A CN202011443091.8A CN202011443091A CN112630729A CN 112630729 A CN112630729 A CN 112630729A CN 202011443091 A CN202011443091 A CN 202011443091A CN 112630729 A CN112630729 A CN 112630729A
Authority
CN
China
Prior art keywords
temperature
data array
thermopile
target
human
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
Application number
CN202011443091.8A
Other languages
English (en)
Inventor
章涵博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Bo Pr Technology Co ltd
Original Assignee
Hangzhou Bo Pr Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Bo Pr Technology Co ltd filed Critical Hangzhou Bo Pr Technology Co ltd
Priority to CN202011443091.8A priority Critical patent/CN112630729A/zh
Publication of CN112630729A publication Critical patent/CN112630729A/zh
Pending legal-status Critical Current

Links

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
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/16—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • 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
    • 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
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/12—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using thermoelectric elements, e.g. thermocouples
    • 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
    • G01J5/10—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors
    • G01J5/12—Radiation pyrometry, e.g. infrared or optical thermometry using electric radiation detectors using thermoelectric elements, e.g. thermocouples
    • G01J2005/123—Thermoelectric array

Abstract

本发明公开了一种基于热电堆传感器定位和跟踪室内人类目标的方法，其包括以下步骤：A、部署热电堆传感器收集人体运动数据阵列；B、对收集到的人体运动数据阵列进行插值扩展；C、应用高斯滤波器对扩展后的数据阵列进行平滑处理，得到二级数据阵列；D、采用自适应阈值方法去除二级数据阵列的背景并识别人类目标；E、采用卡尔曼滤波器跟踪人类目标。本方法可以检测静止人体或目标、能够获取目标运动方向、获得热成像图谱或探测目标温度，能够同时跟踪多个人类目标。本方案适用于智能住宅等系统。

Description

一种基于热电堆传感器定位和跟踪室内人类目标的方法
技术领域
本发明涉及热电堆传感器温度测量和人体跟踪领域，尤其是涉及一种基于热电堆传感器定位和跟踪室内人类目标的方法。
背景技术
智能住宅控制、老人住所或托儿所等场合中，人体的位置、运动状态等数据是实现智能监测、控制的主要依据，我们需要在检测区域中检测、定位和跟踪多个人类目标。
传统检测人体移动采用被动式红外传感器，对于检测人体移动效果很好。但是，它们仅能感测运动中的人体或目标，无法检测静止的人体或目标。这些简单的红外传感器具有传统的局限性，因此不能应用于更先进的探测领域。例如，被动红外传感器无法感应不动的目标，它们不能精确地探测目标的运动方向，它们也不能获得热成像图谱或者探测目标的温度。
发明内容
本发明主要是解决现有技术所存在的无法检测静止人体或目标、不能精确探测目标的运动方向等的技术问题，提供一种可以检测静止人体或目标、能够获取目标运动方向、获得热成像图谱或探测目标温度的基于热电堆传感器定位和跟踪室内人类目标的方法。
本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种基于热电堆传感器定位和跟踪室内人类目标的方法，包括以下步骤：
A、部署热电堆传感器收集人体运动数据阵列；
B、对收集到的人体运动数据阵列进行插值扩展；
C、应用高斯滤波器对扩展后的数据阵列进行平滑处理，得到二级数据阵列；
D、采用自适应阈值方法去除二级数据阵列的背景并识别人类目标；
E、采用卡尔曼滤波器跟踪人类目标。
作为优选，所述步骤A中的热电堆传感器是红外阵列传感器，热电堆传感器包括由若干个热电堆元件构成的传感矩阵，本方法的处理流程针对的是热电堆传感器接受到的单帧数据，一次处理就是针对单侧检测得到的一组数据进行处理，具体的收集人体运动数据阵列的过程为：
A1、计算各个热电堆元件采集到的平均温度AT0；
A2、计算环境温度AT：传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT0的差值在热电堆元件精度范围内，则此热电堆元件采集到的温度值视为背景温度，环境温度AT为所有背景温度的平均温度；传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT0的差值超过热电堆元件精度范围，则此热电堆元件采集到的温度视为目标温度；
A3、计算温度差ΔT，计算公式如下：
ΔT=To-AT
式中，To为各个热电堆元件测得的目标温度；
A4、计算人类目标的测量温度MT，计算公式如下：
MT=AT+ΔT×So/Sp
式中，So为目标的实际大小，即检测到的温度作为目标温度的热电堆元件个数，也就是目标温度的个数 ，Sp为热电堆传感器像素大小，也就是热电堆元件的个数。
热电堆传感器的8×8网格式布局内含有64个热电堆元件，不仅能够探测移动的人体和物体，还能够探测不动的人体和物体的出现和位置、运动方向以及精确的表面温度，温度测量范围为- 20°C至+100°C。
热电堆传感器的检测模块类似于矩形金字塔，如果我们将传感器水平放置，它可以覆盖下面的方形检测区域。当热电堆传感器与地面之间的距离增加时，传感器和每个像素可以覆盖更大的检测区域。由于人类目标的实际大小不会改变，因此它在检测区域中的大小相对较小，并且对输出温度的影响较小。
作为优选，所述步骤B中，对对收集到的人体运动数据阵列进行插值扩展，具体为在原始数据阵列的每相邻两个像素之间插入若干点，使整个数据阵列不小于64×64。
热电堆传感器的输出数据阵列只有64个像素，分辨率为8 x 8，对于人类目标定位来说太低了。原始数据数组需要插值。对于每个单个数据帧，一般在每两个像素之间插入9个点。数据阵列的分辨率从8乘8扩展到71乘71。差值方法采用双线性插值或最邻近插值等方法。
扩展后的数据阵列经过步骤C中高斯滤波器滤波以后，数据阵列保持原始数据阵列的温度和形状特征，并且具有更高的分辨率和更平滑的图像。
作为优选，所述步骤D中，采用自适应阈值方法去除二级数据阵列的背景并识别人类目标具体为：
对于二级数据阵列的每个单帧，计算自适应温度阈值ADT：
ADT = (Maz - Mean) × W + Mean - ASD
式中，Max为经过高斯滤波平滑处理后的二级数据阵列的最高温度，Mean为二级数据阵列的平均温度，W为自适应权重，ASD为调整后的标准偏差，W由以下公式确定：
W = 0.025 + 1.40/(Max-Mean+1)
ASD由以下公式得到：
ASD = SD × 0.7
式中，SD为二级数据阵列的标准偏差；
将二级数据阵列中的各数据逐个与人类目标的测量温度MT进行比较，如果两者差值的绝对值大于自适应温度阈值ADT，将此数据视为背景数据，如果两者的差值的绝对值小于自适应温度阈值ADT，则将此数据视为人类目标数据。
自适应阈值方法主要是为了去除那些伪人类目标数据。经过插值和高斯滤波后，数据阵列中的人类目标对应于中部高温和边缘较低温度的模块，但是可能存在有热电堆传感器测量误差引起的多个非人类峰，虽然他们也是中部高，边缘低，却不是我们想要的人类目标。对于处理的数据阵列的每个单帧，计算温度阈值，这些伪人类目标峰的温度低于阈值，将由阈值温度代替，避免对我们定位真正的人类目标造成干扰。
经过插值和高斯滤波后，数据阵列中的人类目标仍然对应于中部高温和边缘较低温度的模块。使用自适应阈值的方法来去除热电堆传感器数据阵列的背景并识别、定位和跟踪人类目标。
作为优选，所述步骤E中，采用卡尔曼滤波器跟踪人类目标具体为：
E1：基于之前的结果计算状态X(k|k-1)：
X(k|k-1)=FX(k-1|k-1)
E2：计算状态预测误差的协方差矩阵：
P(k|k-1)=FP(k-1|k-1)F^T + Q
E3：用最小误差计算卡尔曼增益 G(k)：
G(k)=P(k|k-1)H^T(HP(k|k-1)H^T+R)^(-1)
E4：根据观察结果计算状态估计 X(k|k)：
Z(k) = HX(k)
X(k|k)=X(k|k-1) +G(k)(Z(k)-HX(k|k-1))
E5：更新状态估计的协方差矩阵 P(k|k)：
P(k|k) = (I-G(k)H)P(k|k-1)
X(K)是状态变量，包括水平坐标x(k)和垂直坐标y(k)，水平速度Vx(k)和垂直速度Vy(k)用数据阵列帧之间的位置和时间差来计算；F 是状态转换矩阵， H 是观察矩阵， Q是系统噪声的协方差矩阵，R是观测噪声的协方差矩阵。
卡尔曼滤波器是使用最广泛的跟踪方法之一，使用的状态方程的线性系统的系统，输入和输出数据，系统的最佳状态可以被估计。
本发明提出了一种使用热电堆传感器的室内定位和跟踪方法。由于传感器的分辨率低，因此需要对传感器的数据数组进行插值并进行高斯滤波。然后使用自适应阈值处理扩展后的数据数组，以保留人类目标并删除背景。在热电堆传感器的检测区域中，可能有多个人类目标。人类目标可能会彼此靠近走，并且它们的路径可能会相交，位置信息无法区分目标。本发明计算了最高温度和能量特征的热信号。使用位置信息和热信号，目标点将与它们的轨迹相关联，人体跟踪是通过使用卡尔曼滤波器实现的。该定位和跟踪系统对室内多个人类目标具有良好的功能。
本发明带来的实质性效果是，可以检测静止人体或目标、能够获取目标运动方向、获得热成像图谱或探测目标温度，能够同时跟踪多个人类目标。
附图说明
图1是本发明的一种流程图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例： 本实施例的一种基于热电堆传感器定位和跟踪室内人类目标的方法，如图1所示，包括以下步骤：
A、部署热电堆传感器收集人体运动数据阵列；
B、对收集到的人体运动数据阵列进行插值扩展；
C、应用高斯滤波器对扩展后的数据阵列进行平滑处理，得到二级数据阵列；
D、采用自适应阈值方法去除二级数据阵列的背景并识别人类目标；
E、采用卡尔曼滤波器跟踪人类目标。
步骤A中的热电堆传感器是红外阵列传感器，热电堆传感器包括由若干个热电堆元件构成的传感矩阵，本方法的处理流程针对的是热电堆传感器接受到的单帧数据，一次处理就是针对单侧检测得到的一组数据进行处理，具体的收集人体运动数据阵列的过程为：
A1、计算各个热电堆元件采集到的平均温度AT0；
A2、计算环境温度AT：传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT0的差值在热电堆元件精度范围（±3.0摄氏度）内，则此热电堆元件采集到的温度值视为背景温度，环境温度AT为所有背景温度的平均温度；传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT0的差值超过热电堆元件精度范围（±3.0摄氏度），则此热电堆元件采集到的温度视为目标温度；
A3、计算温度差ΔT，计算公式如下：
ΔT=To-AT
式中，To为各个热电堆元件测得的目标温度；
A4、计算人类目标的测量温度MT，计算公式如下：
MT=AT+ΔT×So/Sp
式中，So为目标的实际大小，即检测到的温度作为目标温度的热电堆元件个数，也就是目标温度的个数 ，Sp为热电堆传感器像素大小，也就是热电堆元件的个数。
热电堆传感器的8×8网格式布局内含有64个热电堆元件，不仅能够探测移动的人体和物体，还能够探测不动的人体和物体的出现和位置、运动方向以及精确的表面温度，温度测量范围为- 20°C至+100°C。
热电堆传感器的检测模块类似于矩形金字塔，如果我们将传感器水平放置，它可以覆盖下面的方形检测区域。当热电堆传感器与地面之间的距离增加时，传感器和每个像素可以覆盖更大的检测区域。由于人类目标的实际大小不会改变，因此它在检测区域中的大小相对较小，并且对输出温度的影响较小。
步骤B中，对对收集到的人体运动数据阵列进行插值扩展，具体为在原始数据阵列的每相邻两个像素之间插入若干点，使整个数据阵列不小于64×64。
热电堆传感器的输出数据阵列只有64个像素，分辨率为8 x 8，对于人类目标定位来说太低了。原始数据数组需要插值。对于每个单个数据帧，一般在每两个像素之间插入9个点。数据阵列的分辨率从8乘8扩展到71乘71。差值方法采用双线性插值或最邻近插值等方法。这里采用最邻近插值法，在待求像素的四邻像素中，将距离待求像素最近的邻像素灰度赋给待求像素。
扩展后的数据阵列经过步骤C中高斯滤波器滤波以后，数据阵列保持原始数据阵列的温度和形状特征，并且具有更高的分辨率和更平滑的图像。
步骤D中，采用自适应阈值方法去除二级数据阵列的背景并识别人类目标具体为：
对于二级数据阵列的每个单帧，计算自适应温度阈值ADT：
ADT = (Maz - Mean) × W + Mean - ASD
式中，Max为经过高斯滤波平滑处理后的二级数据阵列的最高温度，Mean为二级数据阵列的平均温度，W为自适应权重，ASD为调整后的标准偏差，W由以下公式确定：
W = 0.025 + 1.40/(Max-Mean+1)
ASD由以下公式得到：
ASD = SD × 0.7
式中，SD为二级数据阵列的标准偏差；
将二级数据阵列中的各数据逐个与人类目标的测量温度MT进行比较，如果两者差值的绝对值大于自适应温度阈值ADT，将此数据视为背景数据，如果两者的差值的绝对值小于自适应温度阈值ADT，则将此数据视为人类目标数据。
自适应阈值方法主要是为了去除那些伪人类目标数据。经过插值和高斯滤波后，数据阵列中的人类目标对应于中部高温和边缘较低温度的模块，但是可能存在有热电堆传感器测量误差引起的多个非人类峰，虽然他们也是中部高，边缘低，却不是我们想要的人类目标。对于处理的数据阵列的每个单帧，计算温度阈值，这些伪人类目标峰的温度低于阈值，将由阈值温度代替，避免对我们定位真正的人类目标造成干扰。
经过插值和高斯滤波后，数据阵列中的人类目标仍然对应于中部高温和边缘较低温度的模块。使用自适应阈值的方法来去除热电堆传感器数据阵列的背景并识别、定位和跟踪人类目标。
步骤E中，采用卡尔曼滤波器跟踪人类目标具体为：
E1：基于之前的结果计算状态X(k|k-1)：
X(k|k-1)=FX(k-1|k-1)
E2：计算状态预测误差的协方差矩阵：
P(k|k-1)=FP(k-1|k-1)F^T + Q
E3：用最小误差计算卡尔曼增益 G(k)：
G(k)=P(k|k-1)H^T(HP(k|k-1)H^T+R)^(-1)
E4：根据观察结果计算状态估计 X(k|k)：
Z(k) = HX(k)
X(k|k)=X(k|k-1) +G(k)(Z(k)-HX(k|k-1))
E5：更新状态估计的协方差矩阵 P(k|k)：
P(k|k) = (I-G(k)H)P(k|k-1)
X(K)是状态变量，包括水平坐标x(k)和垂直坐标y(k)，水平速度Vx(k)和垂直速度Vy(k)用数据阵列帧之间的位置和时间差来计算；F 是状态转换矩阵， H 是观察矩阵， Q是系统噪声的协方差矩阵，R是观测噪声的协方差矩阵。
卡尔曼滤波器是使用最广泛的跟踪方法之一，使用的状态方程的线性系统的系统，输入和输出数据，系统的最佳状态可以被估计。
本发明提出了一种使用热电堆传感器的室内定位和跟踪方法。由于传感器的分辨率低，因此需要对传感器的数据数组进行插值并进行高斯滤波。然后使用自适应阈值处理扩展后的数据数组，以保留人类目标并删除背景。在热电堆传感器的检测区域中，可能有多个人类目标。人类目标可能会彼此靠近走，并且它们的路径可能会相交，位置信息无法区分目标。本发明计算了最高温度和能量特征的热信号。使用位置信息和热信号，目标点将与它们的轨迹相关联，人体跟踪是通过使用卡尔曼滤波器实现的。该定位和跟踪系统对室内多个人类目标具有良好的功能。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了热电堆传感器、插值、高斯滤波、卡尔曼滤波等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (5)

1.一种基于热电堆传感器定位和跟踪室内人类目标的方法，其特征在于，包括以下步骤：
A、部署热电堆传感器收集人体运动数据阵列；
B、对收集到的人体运动数据阵列进行插值扩展；
C、应用高斯滤波器对扩展后的数据阵列进行平滑处理，得到二级数据阵列；
D、采用自适应阈值方法去除数据阵列的背景并识别人类目标；
E、采用卡尔曼滤波器跟踪人类目标。
2.根据权利要求1所述的一种基于热电堆传感器定位和跟踪室内人类目标的方法，其特征在于，所述步骤A中的热电堆传感器是红外阵列传感器，热电堆传感器包括由若干个热电堆元件构成的传感矩阵，本方法的处理流程针对的是热电堆传感器接收到的单帧数据，具体的收集人体运动数据阵列的过程为：
A1、计算各个热电堆元件采集到的平均温度AT0；
A2、计算环境温度AT：传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT0的差值在热电堆元件精度范围内，则此热电堆元件采集到的温度值视为背景温度，环境温度AT为所有背景温度的平均温度；传感矩阵中单个热电堆元件采集到的温度值如果与平均温度AT0的差值超过热电堆元件精度范围，则此热电堆元件采集到的温度视为目标温度；
A3、计算温度差ΔT，计算公式如下：
ΔT=To-AT
式中，To为各个热电堆元件测得的目标温度；
A4、计算目标的测量温度MT，计算公式如下：
MT=AT+ΔT×So/Sp
式中，So为目标的实际大小，即检测到的温度作为目标温度的热电堆元件个数，也就是目标温度的个数 ，Sp为热电堆传感器像素大小，也就是热电堆元件的个数。
3.根据权利要求1或2所述的一种基于热电堆传感器定位和跟踪室内人类目标的方法，其特征在于，所述步骤B中，对对收集到的人体运动数据阵列进行插值扩展，具体为在原始数据阵列的每相邻两个像素之间插入若干点，使整个数据阵列不小于64×64。
4.根据权利要求2所述的一种基于热电堆传感器定位和跟踪室内人类目标的方法，其特征在于，所述步骤D中，采用自适应阈值方法去除二级数据阵列的背景并识别人类目标具体为：
对于二级数据阵列的每个单帧，计算自适应温度阈值ADT：
ADT = (Max - Mean) × W + Mean - ASD
式中，Max为经过高斯滤波平滑处理后的二级数据阵列的最高温度，Mean为二级数据阵列的平均温度，W为自适应权重，ASD为调整后的标准偏差，W由以下公式确定：
W = 0.025 + 1.40/(Max-Mean+1)
ASD由以下公式得到：
ASD = SD × 0.7
式中，SD为二级数据阵列的标准偏差；
将二级数据阵列中的各数据逐个与人类目标的测量温度MT进行比较，如果两者差值的绝对值大于自适应温度阈值ADT，将此数据视为背景数据，如果两者的差值的绝对值小于自适应温度阈值ADT，则将此数据视为人类目标数据。
5.根据权利要求4所述的一种基于热电堆传感器定位和跟踪室内人类目标的方法，其特征在于，所述步骤E中，采用卡尔曼滤波器跟踪人类目标具体为：
E1：基于之前的结果计算状态X(k|k-1)：
X(k|k-1)=FX(k-1|k-1)
E2：计算状态预测误差的协方差矩阵：
P(k|k-1)=FP(k-1|k-1)F^T + Q
E3：用最小误差计算卡尔曼增益 G(k)：
G(k)=P(k|k-1)H^T(HP(k|k-1)H^T+R)^(-1)
E4：根据观察结果计算状态估计 X(k|k)：
Z(k) = HX(k)
X(k|k)=X(k|k-1) +G(k)(Z(k)-HX(k|k-1))
E5：更新状态估计的协方差矩阵 P(k|k)：
P(k|k) = (I-G(k)H)P(k|k-1)
X(K)是状态变量，包括水平坐标x(k)和垂直坐标y(k)，水平速度Vx(k)和垂直速度Vy(k)用数据阵列帧之间的位置和时间差来计算；F 是状态转换矩阵， H 是观察矩阵， Q是系统噪声的协方差矩阵，R是观测噪声的协方差矩阵。
CN202011443091.8A 2020-12-11 2020-12-11 一种基于热电堆传感器定位和跟踪室内人类目标的方法 Pending CN112630729A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011443091.8A CN112630729A (zh) 2020-12-11 2020-12-11 一种基于热电堆传感器定位和跟踪室内人类目标的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011443091.8A CN112630729A (zh) 2020-12-11 2020-12-11 一种基于热电堆传感器定位和跟踪室内人类目标的方法

Publications (1)

Publication Number Publication Date
CN112630729A true CN112630729A (zh) 2021-04-09

Family

ID=75309461

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011443091.8A Pending CN112630729A (zh) 2020-12-11 2020-12-11 一种基于热电堆传感器定位和跟踪室内人类目标的方法

Country Status (1)

Country Link
CN (1) CN112630729A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640897A (zh) * 2021-08-05 2021-11-12 上海上实龙创智能科技股份有限公司 空间中人体检测方法、装置、电子设备及存储介质
CN114533040A (zh) * 2022-01-12 2022-05-27 北京京仪仪器仪表研究总院有限公司 一种固定空间内人员特定活跃度的监测方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105739339A (zh) * 2016-03-18 2016-07-06 上海斐讯数据通信技术有限公司 一种人体识别和定位的方法和系统
CN108038868A (zh) * 2017-10-17 2018-05-15 国网河南省电力公司郑州供电公司 基于三维数字模型的变电站复杂环境跨视场目标跟踪方法
US20180217292A1 (en) * 2017-01-30 2018-08-02 Microsoft Technology Licensing, Llc Use of thermopiles to detect human location
CN108615022A (zh) * 2018-05-02 2018-10-02 广东工业大学 一种人体定位方法、装置、设备及系统
CN110837768A (zh) * 2018-08-16 2020-02-25 武汉大学 一种面向珍稀动物保护的在线检测与识别方法
KR20200121551A (ko) * 2019-04-16 2020-10-26 주식회사 신한중전기 복합 개구경 스크린을 구비한 배전반 열화상 진단 시스템

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105739339A (zh) * 2016-03-18 2016-07-06 上海斐讯数据通信技术有限公司 一种人体识别和定位的方法和系统
US20180217292A1 (en) * 2017-01-30 2018-08-02 Microsoft Technology Licensing, Llc Use of thermopiles to detect human location
CN108038868A (zh) * 2017-10-17 2018-05-15 国网河南省电力公司郑州供电公司 基于三维数字模型的变电站复杂环境跨视场目标跟踪方法
CN108615022A (zh) * 2018-05-02 2018-10-02 广东工业大学 一种人体定位方法、装置、设备及系统
CN110837768A (zh) * 2018-08-16 2020-02-25 武汉大学 一种面向珍稀动物保护的在线检测与识别方法
KR20200121551A (ko) * 2019-04-16 2020-10-26 주식회사 신한중전기 복합 개구경 스크린을 구비한 배전반 열화상 진단 시스템

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113640897A (zh) * 2021-08-05 2021-11-12 上海上实龙创智能科技股份有限公司 空间中人体检测方法、装置、电子设备及存储介质
CN114533040A (zh) * 2022-01-12 2022-05-27 北京京仪仪器仪表研究总院有限公司 一种固定空间内人员特定活跃度的监测方法
CN114533040B (zh) * 2022-01-12 2024-04-09 北京京仪仪器仪表研究总院有限公司 一种固定空间内人员特定活跃度的监测方法

Similar Documents

Publication Publication Date Title
Tzannes et al. Detecting small moving objects using temporal hypothesis testing
KR101619076B1 (ko) 모바일 플랫폼의 동적 물체 검출 및 추적 방법
US20180112985A1 (en) Vision-Inertial Navigation with Variable Contrast Tracking Residual
CN101853511B (zh) 一种抗遮挡目标轨迹预测跟踪方法
Qu et al. Indoor multiple human targets localization and tracking using thermopile sensor
AU2018282347B2 (en) Method and apparatus for monitoring vortex-induced vibration of wind turbine
CN111027496B (zh) 基于空时联合局部对比度的红外弱小目标检测方法
CN112630729A (zh) 一种基于热电堆传感器定位和跟踪室内人类目标的方法
EP2901236B1 (en) Video-assisted target location
Snidaro et al. Sensor fusion for video surveillance
CN104599286A (zh) 一种基于光流的特征跟踪方法及装置
CN109975798A (zh) 一种基于毫米波雷达与摄像头的目标检测方法
JP2017156219A (ja) 追尾装置、追尾方法およびプログラム
US7502515B2 (en) Method for detecting sub-pixel motion for optical navigation device
CN113988228B (zh) 一种基于rfid和视觉融合的室内监控方法及系统
Orguner et al. Statistical characteristics of harris corner detector
CN115144828B (zh) 一种智能汽车多传感器时空融合的自动在线标定方法
CN116358547B (zh) 一种基于光流估计获取agv位置的方法
KR101662292B1 (ko) 영상 처리를 통한 쇄파지역 연안류 측정 장치 및 방법
KR100751096B1 (ko) 광흐름을 이용한 속도 측정 장치 및 그 방법
Salimzadeh et al. Augmented visual localization using a monocular camera for autonomous mobile robots
CN111209877B (zh) 一种复杂场景下基于深度图的红外小目标检测方法
CN111239761B (zh) 一种用于室内实时建立二维地图的方法
Bhuyan et al. Tracking with multiple cameras for video surveillance
CN111095024A (zh) 高度确定方法、装置、电子设备和计算机可读存储介质

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