CN113611012B - 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 - Google Patents
基于红外阵列传感器的非入侵式人数检测方法、装置及系统 Download PDFInfo
- Publication number
- CN113611012B CN113611012B CN202110668180.0A CN202110668180A CN113611012B CN 113611012 B CN113611012 B CN 113611012B CN 202110668180 A CN202110668180 A CN 202110668180A CN 113611012 B CN113611012 B CN 113611012B
- Authority
- CN
- China
- Prior art keywords
- infrared radiation
- frame
- radiation temperature
- target person
- target
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C9/00—Individual registration on entry or exit
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2455—Query execution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M1/00—Design features of general application
- G06M1/08—Design features of general application for actuating the drive
- G06M1/10—Design features of general application for actuating the drive by electric or magnetic means
- G06M1/101—Design features of general application for actuating the drive by electric or magnetic means by electro-optical means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06M—COUNTING MECHANISMS; COUNTING OF OBJECTS NOT OTHERWISE PROVIDED FOR
- G06M1/00—Design features of general application
- G06M1/08—Design features of general application for actuating the drive
- G06M1/10—Design features of general application for actuating the drive by electric or magnetic means
- G06M1/108—Design features of general application for actuating the drive by electric or magnetic means by electronic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Bioinformatics & Computational Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于红外阵列传感器的非入侵式人数检测方法、装置及系统,方法包括以下过程:采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;使用帧差法对每帧红外辐射温度阵列数据做预处理,获得每帧新的红外辐射温度阵列数据;对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标;基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,通过目标人员的运动轨迹判断目标人员是进入还是离开,进而得到室内人数。本发明方法简单、检测准确性高。
Description
技术领域
本发明属于物联网技术领域,尤其涉及一种基于红外阵列传感器的非入侵式人数检测方法,还涉及一种基于红外阵列传感器的非入侵式人数检测装置。
背景技术
人数检测是一种用于统计人员通过数量的方法,在各种智能化建筑中得到广泛应用。例如,火车站出入口的检票与验票人数、会议室检测人数统计到场率、上课教室统计学生到课情况,通过人数检测技术可以使人工的计数方法自动化。通过人工方式获取人数信息不但耗费大量人力物力,而且数据还存在一定偏差,使研究人员不易准确获取这些区域的具体人员数量
精准实现人数检测技术的基本是选择合适的传感器采集人员通过的数据。目前实现人数检测技术的主要手段有:二氧化碳浓度估计、高清摄像头检测、红外线技术探测、无线和蓝牙技术识别、温度识别等。然而这些技术或多或少存在一定的缺陷或是需要满足特定的条件。通过二氧化碳浓度预测人数需要大量数据进行训练模型,高清摄像头存在侵犯隐私的问题,红外线探测需要布置多个节点,无线和蓝牙更是需要人体携带相关通讯设备。而利用低分辨率红外阵列热成像不需要布置多个节点,又因为是超低分辨率所以不会侵犯隐私,更不需要人体携带相关配件,是一种无侵入,无感知的人数检测手段。
实现人数检测技术,可以灵活、合理利用室内空间设施资源,实现标准化和精细化管理。例如,通过判断会议室是否有人使用,实现自动断电功能,对于拥有上百个会议室的龙头企业来说,可以大幅节约能耗成本。因此,如何在保护室内人员隐私的前提下,设计出一种高精度、低成本、低时延的非入侵式人数检测算法,是改善智慧建筑资源利用率的关键所在。
现有技术中红,CN202010500296.9公开了一种目标检测方法与装置,所述目标检测方法使用红外阵列传感器采集检测区域中各个子区域的区域温度。根据各个子区域的温度差值及前一检测周期中各个子区域的第一目标表示,确定当前检测周期中各个子区域的第二目标标识,进而确定是否存在已通过目标。根据已通过目标在检测区域中的出现区域及离开区域,确定已通过目标的通过方向,最后向服务器发送目标通过信息。这种方法可以根据目标标识,对从相同方向或不同方向通过检测区域的人员进行检测,提高了检测效率及准确性。但是,这种方法仅能判断目标在检测域中出现与离开的区域,无法实现目标的动态轨迹追踪,不能实时地反映目标地运动轨迹。
CN 201611125413.8公开了一种基于红外阵列人数传感器的计数方法,所述方法对设置于门口上方的红外阵列传感器的输出信号进行处理,识别出由人体产生的轮廓,并对轮廓的运动方向进行跟踪;通过轮廓的运动轨迹来判断人员是进入还是外出,以实现进出人员计数。这种方法解决了红外对射式传感器在多人通过时检测精度低的问题,具有多目标跟踪、识别精度高、功耗低的优点。但是,这种方法在多人场景下可能造成轮廓重叠,可能造成检测人数误差。
CN201510042867.8公开了一种红外阵列人数统计方法,所述方法利用红外阵列传感器在监测区域中检测到的温度变化流对各个房间统计到的进出门的人数进行汇总。这种方法使用的红外阵列传感器采集图像的效率很高,性价比高;将初始人数统计数据和进出房门人数统计数据分开,降低设置于房间内的红外阵列传感器的数据采集密度,增加使用寿命。但是,这种方法在室内与室外温差不大时,不易检测出人员流动,可能造成一定的误差。
综上所述,对于现有其他使用红外阵列传感器的人数检测方法,通过轮廓的运动轨迹来判断人员进出,在多人场景下可能造成轮廓重叠,难以精确检测人数;根据红外阵列传感器采集的温度变化流来直接对人员离开与进入进行统计,容易受到背景热源等外界环境的影响,降低检测的准确性。此外,现有的技术大多数只能检测出人员出现与离开的区域,而无法实现人员的动态轨迹追踪,数据维度单一,不能用于对人数计数精度要求高的场合。
发明内容
本发明的目的在于克服现有技术中的不足,提供了一种基于红外阵列传感器的非入侵式人数检测方法,解决现有技术中检测准确性低、成本高的技术问题。
为解决上述技术问题,本发明提供了如下技术方案。
第一方面,本发明提供了一种基于红外阵列传感器的非入侵式人数检测方法,包括以下过程:
采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
使用帧差法对每帧红外辐射温度阵列数据做预处理,获得每帧新的红外辐射温度阵列数据;
对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标;
基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,通过目标人员的运动轨迹判断目标人员是进入还是离开,进而得到室内人数。
可选的,所述采集通过采集区域的目标人员的多帧红外辐射温度阵列数据,包括:
通过设置在室内门口处的红外阵列传感器采集通过采集区域的目标人员的多帧红外辐射温度阵列数据。
可选的,使用帧差法对每帧红外辐射温度阵列数据做预处理,获得每帧新的红外辐射温度阵列数据,包括:
用当前帧的红外辐射温度阵列数据减去历史多帧的红外辐射温度阵列数据平均值,得到的差值作为当前帧新的红外辐射温度阵列数据;
具体计算公式如下:
可选的,所述对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标,包括:
1)根据每帧红外辐射温度阵列数据中每一列的数据计算出该列的特征值,所述特征值为该列有目标人员的可能性权重大小;
2)将每一列的特征值与设定的阈值相比,若存在任一列的特征值小于设定阈值则将该列的特征值置为0;
3)基于每帧中每一列的特征值,计算目标人员所处采集区域的坐标。
可选的,所述特征值的计算公式为:
W(x,t)=Fv*var(x,t)+Fm*(max(x,t)-min(x,t)),
其中,W(x,t)是t时刻x列的可能性权重大小,var(x,t)是t时刻第x列A个红外辐射温度数据的方差,max(x,t)是t时刻第x列的最大红外辐射温度数据,min(x,t)是t时刻第x列的最小红外辐射温度数据,Fv、Fm分别是两项加权系数,Fv的大小是2倍的Fm。
可选的,基于每帧中每一列的特征值,计算目标人员所处采集区域的坐标,包括:
其中,LOC(t)是t时刻当前帧有目标人员通过时计算出来的最终目标人员所处传感器采集区域的横坐标;W(x,t)是t时刻x列的可能性权重大小。
可选的,所述通过目标人员的运动轨迹判断目标人员是进入还是离开,包括:
若目标人员所处采集区域的坐标时域递增,则判断人员进入;
若目标人员所处采集区域的坐标时域递减,则判断人员离开。
可选的,所述基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,包括:
当多目标人员同时出现在采集区域时,检测一帧红外辐射温度阵列数据中多个目标人员的坐标,在时域上对每一帧的多个目标人员坐标进行目标分类,将相邻帧之间间隔短的坐标归类进一个目标轨迹;
所有帧的目标人员的坐标与各个目标人员进行映射,形成多个不同目标人员的追踪轨迹。
可选的,所述通过目标人员的运动轨迹判断目标人员是进入还是离开,包括:
当多目标人员同时出现在采集区域时,如果该轨迹起始横坐标小于3且轨迹终点横坐标大于(B-3),并且轨迹内横坐标时域上保持总体递增趋势,则说明该轨迹一个进入的轨迹;
如果该轨迹起始横坐标大于(B-3)且轨迹终点横坐标小于3,并且轨迹内横坐标时域上保持总体递减趋势,则说明该轨迹一个离开的轨迹;
其中,B为红外辐射温度阵列数据的列数。
第二方面,本发明还提供了一种基于红外阵列传感器的非入侵式人数检测装置,包括:
数据采集模块,用于采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
数据处理模块,用于使用帧差法对每帧红外辐射温度阵列数据做预处理,获得每帧新的红外辐射温度阵列数据;
特征提取模块,用于对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标;
轨迹判断模块,用于基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,通过目标人员的运动轨迹判断目标人员是进入还是离开,进而得到室内人数。
本发明装置中各模块的具体实现方案参见方法中各步骤的具体处理过程。
第三方面,本发明还提供了一种基于红外阵列传感器的非入侵式人数检测系统,包括:
红外阵列传感器和处理器;
所述红外阵列传感器,用于采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
所述处理器,用于接收多帧红外辐射温度阵列数据,并执行上述方法。
本发明系统中处理器的执行方案参见方法中各步骤的处理过程。
与现有技术相比,本发明所达到的有益效果是:
(1)本发明使用帧差法对采集的红外辐射温度阵列数据做预处理,可以实现红外背景降噪,清晰展现目标人员在采样区域的位置。
(2)本发明使用的目标定位算法采集连续帧的红外辐射温度阵列数据进行处理,以连续数据帧中所有时刻所有列有人的可能性作为特征值来生成当前帧内目标人员的位置,可以实现动态追踪目标的运动轨迹。根据进出规则判断目标人员的进出,结合历史进出情况可以实时实现人数检测。
附图说明
图1为红外阵列传感器的采集区域图;
图2为利用帧差法处理后的效果图;
图3为目标定位结果图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1
本发明的基于红外阵列传感器的非入侵式人数检测方法,具体通过以下步骤来实现:
步骤1:设置红外阵列传感器采集连续多帧红外辐射温度阵列数据;
在室内入口处设置一个采集区域,该采集区域为红外阵列传感器正前方110°×75°的广角,使用的红外阵列传感器的分辨率为A×B,A行B列,一共可以采集到矩形区域内分布均匀的A×B个小区域内的红外辐射温度信息,得到红外辐射温度阵列数据。红外阵列传感器的采样频率设置为10Hz左右为最佳,在人通过的一二秒内采集十几帧的红外辐射温度阵列信息。
本发明实施例中,在室内入口处设置红外阵列传感器MLX90641,参见图1所示,红外阵列传感器正前方110°×75°的广角区域为采集区域,MLX90641的红外阵列分辨率为12×16。
步骤2:使用帧差法对红外辐射温度阵列数据做预处理,消除固定热源的影响;
帧差法的具体处理过程为:用当前帧的红外辐射温度阵列数据减去历史M帧的红外辐射温度阵列数据平均值,得到的差值作为当前帧新的红外辐射温度阵列数据,将采集数据的对象锁定在采集区域内的变化热源上,消除该区域内固定热源的影响。具体效果见图2。背景的固定热源基本消除,可以清晰的分辨出移动的热源。
其中,帧差法的计算公式如下:
经过帧差法处理后,可以得到时间连续的红外辐射温度阵列数据,每一帧都是一个A×B的数值矩阵,M越大越大,去除背景里固定热源效果越好,在实际应用中因为缓存大小有限设为20较合适。
步骤3:对经过预处理的红外辐射温度阵列数据做特征提取,以连续数据帧中所有时刻所有列有目标人员的可能性作为特征值,并利用该特征值得到目标人员通过采样空间时的横坐标,实现目标定位,动态追踪运动轨迹;
步骤(3-1)、根据红外阵列A×B矩阵中每一列的A个红外辐射温度数据计算出成一个可以代表该列的特征值,转变成一个1×B的矩阵。每一列的特征值为当前帧中该列有目标人员的可能性权重大小。t时刻该列的可能性权重大小W(x,t)通过该列的方差和该列最大值与最小值的差计算。图3是计算后某时刻的1×B特征值矩阵可视化展示,亮的点有目标人员的可能性较高。
W(x,t)=Fv*var(x,t)+Fm*(max(x,t)-min(x,t)),
其中,var(x,t)是t时刻第x列A个红外辐射温度数据的方差,max(x,t)是t时刻第x列的最大红外辐射温度数据,min(x,t)是t时刻第x列的最小红外辐射温度数据,max(x,t)-min(x,t)为t时刻第x列的红外辐射温度数据最大值与最小值的差。Fv、Fm分别是两项的加权系数。根据实际测量,var(x,t)在无目标人员情况下的值域为(0,a),{max(x,t)-min(x,t)}在无目标人员情况下值域为(0,b),实际测试中,b大概是a的两倍左右,为了使权重大小统一,Fv的大小是2倍的Fm。
利用上式对数据帧中所有时刻所有列有目标人员的可能性进行定量,最终得到所有时刻帧中每列的特征值,即有目标人员可能性的权重大小。
步骤(3-2)、设置判断该列有无目标人员的权重的大小W(x,t)的阈值为T,权重小于T的列即为无目标人员的列。将(3-1)中得到的B个列权重中小于T的列权重大小置为0,得到新的列权重W′(x,t)。
T=Fv*a+Fm*b
步骤(3-3)、标定t时刻帧有目标人员通过采样空间时的横坐标LOC(t),横坐标是1到B之间的一个精确数值。如果该帧所有列的权重都为0,则表示该帧没有目标人员在采样区域移动。不需要计算该帧的目标人员所处的横坐标。
如果该帧有目标人员,则利用以下加权公式计算出当前帧目标人员所在的列的横坐标,也即真实世界中当前帧目标人员所处红外阵列传感器采集区域的横坐标,达到对目标人员定位的作用:
其中,LOC(t)是t时刻当前帧有目标人员通过时计算出来的最终目标人员所处传感器采集区域的横坐标,LOC(t)的值域为1到B。
步骤(3-3)、由步骤(3-1)~(3-3)的目标定位过程,有目标人员通过采集区域时,返回连续横坐标表示目标在采集区域内移动时间上连续的轨迹坐标点,即可动态追踪该目标的运动轨迹;没目标人员通过时则返回负值表示无目标人员通过。
步骤4:将目标人员的运动轨迹与规则库中定义的轨迹匹配,判断人员进出,再结合目标人员的历史进出数据,得到室内人数的准确值。
步骤(4-1)、规则库中定义的进出规则:当人员通过时,红外阵列传感器进行对采集区域内通过的人员定位并实现人员的动态跟踪,得到采集区域内目标人员通过的连续横坐标信息。调整传感器布置位置,使门框在采集区域的横坐标为0。若传入的连续横坐标时域递增,从1递增至B,则判断人员进入。相反,若传入的连续横坐标时域递减,则判断人员离开。
步骤(4-2)、在单片机内编程实现该进出规则,匹配目标人员的运动轨迹,判断目标人员的进出。
步骤(4-3)、当判断出目标人员的进出后,在当前人数的基础上实现室内人数的增减,得到当前室内人数的准确值。
步骤(4-4)、多目标人员同时出现在采集区域时,用步骤(3-1)~(3-3)同样的方式,同时检测一帧红外阵列空间矩阵中多目标人员的列坐标,两帧之间间隔短的横坐标归类成一个目标轨迹,然后在时域上对每一帧的多个列坐标进行目标分类,将不同的列坐标与多个目标进行映射,多目标人员会形成多个追踪轨迹,达到多目标人员动态追踪的目的。再按照本步骤的方式,匹配规则库中的进出规则,实现多人进出判断和室内人数计数。
对多人移动生成的多个轨迹进行如下判断:如果该轨迹起始横坐标小于3且轨迹终点横坐标大于(B-3),并且轨迹内横坐标时域上保持总体递增趋势,则说明该轨迹一个进入的轨迹。如果该轨迹起始横坐标大于(B-3)且轨迹终点横坐标小于3,并且轨迹内横坐标时域上保持总体递减趋势,则说明该轨迹一个离开的轨迹。统计进出的轨迹数,得到多人进入,或者多人离开的轨迹数量,即进出人数变化。
该方法使用红外阵列传感器采集人体的红外辐射温度阵列数据,利用低分辨率的红外热成像技术来检测人员进出,不需要庞大的数据量,只需要布置单个节点,并且不侵犯隐私,可以用于各种室内人数检测环境。此外,本发明公开的人数检测方法可以精准定位目标人员的位置,实现目标人员的动态轨迹追踪。
以MLX90641红外阵列传感器为具体实施例,该传感器检测的是红外辐射能量,并转换成温度,即,红外辐射温度。MLX90641的红外阵列分辨率为12×16,即A为12,B为16,实际测试中,a为1,b为2,在Fv=10,Fm=5的条件下,阈值T为20。轨迹若为进入轨迹则起点小于3,终点大于13,离开轨迹则相反。
本发明方法使用红外阵列传感器采集人体的红外辐射温度阵列数据,利用低分辨率的红外热成像技术来检测人员进出,不需要庞大的数据量,只需要布置单个节点,并且不侵犯隐私,可以用于各种室内人数检测环境。此外,本发明公开的人数检测方法可以精准定位目标人员的位置,实现目标人员的动态轨迹追踪。
实施例2
基于与实施例1同样的发明构思,本发明的一种基于红外阵列传感器的非入侵式人数检测装置,包括:
数据采集模块,用于采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
数据处理模块,用于使用帧差法对每帧红外辐射温度阵列数据做预处理,获得每帧新的红外辐射温度阵列数据;
特征提取模块,用于对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标;
轨迹判断模块,用于基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,通过目标人员的运动轨迹判断目标人员是进入还是离开,进而得到室内人数。
本发明装置中各步骤的处理方案参见实施例1中方法的各步骤处理过程。
实施例3
基于与实施例1同样的发明构思,本发明的一种基于红外阵列传感器的非入侵式人数检测系统,包括:
红外阵列传感器和处理器;
所述红外阵列传感器,用于采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
所述处理器,用于接收多帧红外辐射温度阵列数据,并执行上述方法。
本发明系统中处理器的执行方案参见方法中各步骤的处理过程。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请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、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变型,这些改进和变型也应视为本发明的保护范围。
Claims (9)
1.一种基于红外阵列传感器的非入侵式人数检测方法,其特征是,包括以下过程:
采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
使用帧差法对每帧红外辐射温度阵列数据做预处理,获得每帧新的红外辐射温度阵列数据;
对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标;
基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,通过目标人员的运动轨迹判断目标人员是进入还是离开,进而得到室内人数;
其中,所述对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标,包括:
1)根据每帧红外辐射温度阵列数据中每一列的数据计算出该列的特征值,所述特征值为该列有目标人员的可能性权重大小;
2)将每一列的特征值与设定的阈值相比,若存在任一列的特征值小于设定阈值则将该列的特征值置为0;
3)基于每帧中每一列的特征值,计算目标人员所处采集区域的坐标。
3.根据权利要求1所述的一种基于红外阵列传感器的非入侵式人数检测方法,其特征是,所述特征值的计算公式为:
W(x,t)=Fv*var(x,t)+Fm*(max(x,t)-min(x,t)),
其中,W(x,t)是t时刻x列的可能性权重大小,var(x,t)是t时刻第x列A个红外辐射温度数据的方差,max(x,t)是t时刻第x列的最大红外辐射温度数据,min(x,t)是t时刻第x列的最小红外辐射温度数据,Fv、Fm分别是两项加权系数,Fv的大小是2倍的Fm。
5.根据权利要求1所述的一种基于红外阵列传感器的非入侵式人数检测方法,其特征是,所述通过目标人员的运动轨迹判断目标人员是进入还是离开,包括:
若目标人员所处采集区域的坐标时域递增,则判断人员进入;
若目标人员所处采集区域的坐标时域递减,则判断人员离开。
6.根据权利要求1所述的一种基于红外阵列传感器的非入侵式人数检测方法,其特征是,所述基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,包括:
当多目标人员同时出现在采集区域时,检测一帧红外辐射温度阵列数据中多个目标人员的坐标,在时域上对每一帧的多个目标人员坐标进行目标分类,将相邻帧之间间隔短的坐标归类进一个目标轨迹;
所有帧的目标人员的坐标与各个目标人员进行映射,形成多个不同目标人员的追踪轨迹。
7.根据权利要求6所述的一种基于红外阵列传感器的非入侵式人数检测方法,其特征是,所述通过目标人员的运动轨迹判断目标人员是进入还是离开,包括:
当多目标人员同时出现在采集区域时,如果该轨迹起始横坐标小于3且轨迹终点横坐标大于(B-3),并且轨迹内横坐标时域上保持总体递增趋势,则说明该轨迹一个进入的轨迹;
如果该轨迹起始横坐标大于(B-3)且轨迹终点横坐标小于3,并且轨迹内横坐标时域上保持总体递减趋势,则说明该轨迹一个离开的轨迹;
其中,B为红外辐射温度阵列数据的列数。
8.一种基于红外阵列传感器的非入侵式人数检测装置,其特征是,包括:
数据采集模块,用于采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
数据处理模块,用于使用帧差法对每帧红外辐射温度阵列数据做预处理,获得每帧新的红外辐射温度阵列数据;
特征提取模块,用于对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标;
轨迹判断模块,用于基于所有帧中目标人员所处采集区域的坐标得到目标人员的运动轨迹,通过目标人员的运动轨迹判断目标人员是进入还是离开,进而得到室内人数;
其中,所述对每帧新的红外辐射温度阵列数据进行特征提取,计算目标人员所处采集区域的坐标,包括:
1)根据每帧红外辐射温度阵列数据中每一列的数据计算出该列的特征值,所述特征值为该列有目标人员的可能性权重大小;
2)将每一列的特征值与设定的阈值相比,若存在任一列的特征值小于设定阈值则将该列的特征值置为0;
3)基于每帧中每一列的特征值,计算目标人员所处采集区域的坐标。
9.一种基于红外阵列传感器的非入侵式人数检测系统,其特征是,包括:
红外阵列传感器和处理器;
所述红外阵列传感器,用于采集通过采集区域的目标人员的连续多帧红外辐射温度阵列数据;
所述处理器,用于接收多帧红外辐射温度阵列数据,并执行权利要求1-7任一项所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110668180.0A CN113611012B (zh) | 2021-06-16 | 2021-06-16 | 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110668180.0A CN113611012B (zh) | 2021-06-16 | 2021-06-16 | 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113611012A CN113611012A (zh) | 2021-11-05 |
CN113611012B true CN113611012B (zh) | 2023-02-14 |
Family
ID=78303543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110668180.0A Active CN113611012B (zh) | 2021-06-16 | 2021-06-16 | 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113611012B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008134729A (ja) * | 2006-11-27 | 2008-06-12 | Matsushita Electric Works Ltd | 入退室管理装置 |
CN103942869A (zh) * | 2014-05-09 | 2014-07-23 | 山东大学 | 一种红外线阵列检测人员进出数量的监控系统及其应用 |
CN106384078A (zh) * | 2016-08-31 | 2017-02-08 | 重庆云库房物联科技有限公司 | 一种基于红外阵列的人流行为分析系统及人流行为分析方法 |
CN106600777A (zh) * | 2016-12-09 | 2017-04-26 | 济南赛英立德电子科技有限公司 | 基于红外阵列人数传感器的计数方法及装置 |
CN108710841A (zh) * | 2018-05-11 | 2018-10-26 | 杭州软库科技有限公司 | 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 |
CN108802845A (zh) * | 2018-07-16 | 2018-11-13 | 燕山大学 | 一种基于红外阵列传感器的室内人员占有率估计方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105650804A (zh) * | 2015-11-23 | 2016-06-08 | 惠州学院 | 一种基于红外人体感应的智能空调及控制方法 |
WO2017137287A1 (en) * | 2016-02-11 | 2017-08-17 | Philips Lighting Holding B.V. | People sensing system. |
CN112032987B (zh) * | 2020-07-28 | 2022-04-08 | 四川虹美智能科技有限公司 | 基于红外人体追踪的空调控制方法及装置 |
-
2021
- 2021-06-16 CN CN202110668180.0A patent/CN113611012B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008134729A (ja) * | 2006-11-27 | 2008-06-12 | Matsushita Electric Works Ltd | 入退室管理装置 |
CN103942869A (zh) * | 2014-05-09 | 2014-07-23 | 山东大学 | 一种红外线阵列检测人员进出数量的监控系统及其应用 |
CN106384078A (zh) * | 2016-08-31 | 2017-02-08 | 重庆云库房物联科技有限公司 | 一种基于红外阵列的人流行为分析系统及人流行为分析方法 |
CN106600777A (zh) * | 2016-12-09 | 2017-04-26 | 济南赛英立德电子科技有限公司 | 基于红外阵列人数传感器的计数方法及装置 |
CN108710841A (zh) * | 2018-05-11 | 2018-10-26 | 杭州软库科技有限公司 | 一种基于MEMs红外阵列传感器的人脸活体检测装置及方法 |
CN108802845A (zh) * | 2018-07-16 | 2018-11-13 | 燕山大学 | 一种基于红外阵列传感器的室内人员占有率估计方法 |
Non-Patent Citations (2)
Title |
---|
基于MLX90621红外传感器的室内人数检测;黄 萍;《 电 子 测 量 技 术》;20160815;117-121 * |
基于红外阵列的室内人员检测与占有率;李新;《中国优秀硕士学位论文全文数据库》;20190501;20-33 * |
Also Published As
Publication number | Publication date |
---|---|
CN113611012A (zh) | 2021-11-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110717403B (zh) | 一种人脸多目标跟踪方法 | |
CN111414887B (zh) | 基于yolov3算法的二次检测口罩人脸识别方法 | |
US8620088B2 (en) | Methods and apparatus to count people in images | |
KR100612858B1 (ko) | 로봇을 이용하여 사람을 추적하는 방법 및 장치 | |
CN109896386B (zh) | 一种基于计算机视觉技术的电梯门反复开关的检测方法及系统 | |
CN111260693A (zh) | 一种高空抛物的检测方法 | |
CN110717408B (zh) | 一种基于tof相机的人流计数方法 | |
CN112541403B (zh) | 一种利用红外摄像头的室内人员跌倒检测方法 | |
CN109635720A (zh) | 基于视频主动监控的非法占道实时检测方法 | |
CN103324919A (zh) | 基于人脸识别的视频监控系统及其数据处理方法 | |
CN116761049B (zh) | 一种家用智能安防监控方法及系统 | |
CN111863274A (zh) | 一种智能体温实时监测管理系统 | |
CN110503092A (zh) | 基于领域适应的改进ssd监控视频目标检测方法 | |
KR101107120B1 (ko) | 음원 추적 및 객체 인식 장치와 음원 추적 및 객체 인식 방법 | |
Rahaman et al. | Tracking human motion direction with commodity wireless networks | |
CN113611012B (zh) | 基于红外阵列传感器的非入侵式人数检测方法、装置及系统 | |
CN112183287A (zh) | 一种移动机器人在复杂背景下的人数统计方法 | |
CN108802845B (zh) | 一种基于红外阵列传感器的室内人员占有率估计方法 | |
CN113069088B (zh) | 一种人工智能交互装置 | |
CN116187634A (zh) | 智能排队系统及用于其的预测方法 | |
CN112880660B (zh) | 一种智能建筑WiFi和红外热成像仪的融合定位系统及方法 | |
CN111476205B (zh) | 一种基于lstm模型的人员计数方法及装置 | |
CN114973135A (zh) | 一种基于头肩的时序视频睡岗识别方法、系统及电子设备 | |
CN114359817A (zh) | 基于出入口人行识别的人流量测量方法 | |
CN113537932A (zh) | 一种基于机器视觉的电力系统大型配电室日常智能巡检监测管理系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |