CN117333967A - 进出检测方法、系统及存储介质 - Google Patents
进出检测方法、系统及存储介质 Download PDFInfo
- Publication number
- CN117333967A CN117333967A CN202311152524.8A CN202311152524A CN117333967A CN 117333967 A CN117333967 A CN 117333967A CN 202311152524 A CN202311152524 A CN 202311152524A CN 117333967 A CN117333967 A CN 117333967A
- Authority
- CN
- China
- Prior art keywords
- temperature
- frame
- people
- temperature data
- data frame
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000012545 processing Methods 0.000 claims description 33
- 230000002159 abnormal effect Effects 0.000 claims description 29
- 238000004891 communication Methods 0.000 claims description 24
- 230000008569 process Effects 0.000 claims description 14
- 230000008859 change Effects 0.000 claims description 9
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 9
- 230000036760 body temperature Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 abstract description 8
- 238000000053 physical method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 11
- 230000001502 supplementing effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004927 fusion Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004861 thermometry Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本申请提供了一种进出检测方法、系统及存储介质,涉及物理测量技术领域。本申请中的进出检测系统采用低功耗的PIR传感器来唤醒热电堆阵列传感器采集温度数据并进行人员检测,能够有效降低整体功耗;仅采集温度数据则保证了高隐私性;基于温度数据的进出检测方法根据温度分布情况和/或温度平均值来预判温度数据帧对应时刻的检测区域中是否有人,筛选出有效的温度数据帧,再通过阈值温度的判断和连通域划分,精准地从温度数据中识别出进出的人数和人员位置,通过对比前后几个对应时刻有人的温度数据帧,精细化地得出人员的运动轨迹和进出人数,实现了高精准度的人员进出检测。
Description
技术领域
本申请涉及物理测量技术领域,特别涉及一种进出检测方法、系统及存储介质。
背景技术
进出检测是指,通过部署在过道或关卡中的检测设备对来往的人员进行统计和监控。当前的进出检测方案根据所采用检测设备的不同,主要包括:红外对管方案、多PIR检测方案和视频类检测方案,其中,视频类检测方案又包括双目摄像机、间接光飞行时间技术(indirect Time Of Flight,iTOF)和雷达等。而目前的进出检测方案存在以下问题:
1、红外对管需要长时间保持开启状态,而由于红外对管的功耗很高,无人通行时会造成较大能耗浪费。2、多PIR检测方案功耗相对更低,但进出检测的精准度很低,特别是人员跟随和并行通过等复杂场景难。3、虽然视频类进出检测方案的精准度相对更高,但会采集人员的面部信息,对用户隐私不够友好。且视频类进出检测方案整机布线成本极高,需要接线接网,解决方案成本高,不利于推广。
因此,亟需一种进出检测方案,在兼具低功耗、低成本和高隐私性的同时,还能够实现高精准度的进出检测。
发明内容
本申请提供了一种进出检测方法、系统及存储介质,在兼具低功耗、低成本和隐私友好性的同时,实现高精准度的人员进出检测。
为了实现上述目的,第一方面,本申请提供了一种进出检测方法,应用于进出检测系统中,所述进出检测系统包括:热电堆阵列传感器、热释电被动红外PIR传感器和控制模块,所述PIR传感器和所述热电堆阵列传感器部署在检测区域上方的预设高度;由所述控制模块执行的所述进出检测方法包括:
S1、响应于所述PIR传感器检测到人员出现在检测区域,向所述热电堆阵列传感器发送唤醒信号,所述唤醒信号指示所述热电堆阵列传感器采集所述检测区域的温度数据;
S2、从所述热电堆阵列传感器获取所述温度数据,所述温度数据用于检测出现在所述检测区域中人员的运动轨迹;其中,所述温度数据包括多个温度数据帧,每个温度数据帧包括用于表示所述检测区域中温度分布的多个温度点;
S3、针对所述温度数据的任一温度数据帧,根据所述温度数据帧中多个温度点的温度分布和/或所述温度数据帧中多个温度点的温度平均值,预判在所述温度数据帧对应的时刻下所述检测区域中是否有人;
S4、针对预判对应时刻有人的温度数据帧中的第i帧,将所述第i帧的多个温度点中、超过阈值温度的温度点设置为1,低于所述阈值温度的温度点设置为0,所述阈值温度是预设的固定阈值温度,或者,随着检测区域的环境变化而更新的动态阈值温度,i为正整数;
S5、将所述第i帧中相邻的多个1划定为一个连通域,根据所述第i帧中连通域的数量和位置,确定所述第i帧对应时刻下所述检测区域中的人数和人员位置;
S6、将预判对应时刻有人的温度数据帧中的第i-1帧、第i帧和第i+1帧对应时刻下所述检测区域中的人数和人员位置进行对比,确定出现在所述检测区域中人员的人数和运动轨迹。
2.根据权利要求1所述的进出检测方法,其特征在于,所述步骤S5包括:
S51、获取所述预设高度对应的配置信息,所述配置信息包括:在所述预设高度下,一个连通域中表示存在一个人的1的数量;
其中,所述检测区域中靠近所述热电堆阵列传感器部署位置的连通域中表示存在一个人的1的数量小于所述检测区域中其他区域中表示存在一个人的1的数量;
S52、将所述第i帧中多个相邻的1组成的阵列区域,划分为一个连通域,得到多个划定的连通域,根据所述配置信息,确定每个所述连通域中的人数和人员位置;
S53、对于连通域中的1数量大于预设的上限数量的异常连通域进行二次判定,确定所述异常连通域中的人数:如果所述异常连通域中的1数量小于或等于预设的第一阈值,则判定所述异常连通域中的人数为1;如果所述异常连通域中的1数量大于所述第一阈值且小于或等于预设的第二阈值,则判定所述异常连通域的人数为2;如果所述异常连通域中的1数量大于所述第二阈值,则针对所述异常连通域重新执行步骤S52;
S54、根据所划定的多个连通域的位置以及多个连通域中人数之和,输出所述第i帧中的人数和人员位置。
3.根据权利要求1所述的进出检测方法,其特征在于,在步骤S5之后,所述方法还包括:
如果所述第i帧中人数为0,获取预判对应时刻有人的第i-1帧,如果所述第i-1帧中的人数也为0,则丢弃所述第i帧;
如果所述第i帧中人数不为0,或者,如果所述第i帧中人数为0但所述第i-1帧中的人数不为0,则等待目标时长后,获取预判对应时刻有人的第i+1帧;
如果所述第i+1帧中的人数不为0,则执行步骤S6;
如果所述第i+1帧中的人数为0,则根据所述第i-1帧和所述第i+1帧进行插帧,得到预测帧;
如果所述预测帧的人数和人员位置满足预设的合理条件,则将所述预测帧作为所述第i帧,执行所述步骤S6。
在一种可能实施方式中,所述步骤S3包括:
根据下述任一种判断结果或多种判断结果的组合来预判所述温度数据帧对应时刻下所述检测区域中是否有人;
第一种判断结果:根据所述温度数据帧的热分布直方图,确定代表背景温度的第一大峰值和代表人体温度的第二大峰值,在所述第二大峰值的振幅和宽度达到所述第一大峰值的给定百分比时,预判所述温度数据帧对应时刻有人;
第二种判断结果:采用大津二值化法,将所述温度数据帧中的温度点划分为背景类和人员类,在所述背景类温度点的平均值与所述人员类温度点的平均值之间的差值大于第一预设阈值的情况下,预判所述温度数据帧对应时刻有人;
第三种判断结果:确定所述温度数据帧的中多个温度点的整体平均值,在所述整体平均值与给定的平均背景温度之间的差值大于第二预设阈值的情况下,预判所述温度数据帧对应时刻有人。
在一种可能实施方式中,所述动态阈值温度的更新过程包括:
在所述检测区域中没有人员进出的情况下,判断当前是否存在确定的阈值温度;
如果存在确定的阈值温度,则获取当前确定的阈值温度作为初始阈值温度;如果不存在确定的阈值温度,则从热电堆阵列传感器获取当前的环境温度作为初始阈值温度;
从热电堆阵列传感器获取所述检测区域的当前温度数据帧,根据所述初始阈值温度对所述当前温度数据帧进行二值化处理,所述二值化处理过程包括:将所述当前温度数据帧的多个温度点中超过所述初始阈值温度的温度点设置为1,低于所述初始阈值温度的温度点设置为0;
判断所述二值化处理后的所述当前温度数据帧中是否有1;
如果有,则增大所述初始阈值温度,直到根据增大后的阈值温度进行二值化处理后的当前温度数据帧中没有1,将所述增大后的阈值温度确定为最新的动态阈值温度;
如果没有,则减小所述初始阈值温度,直到根据减小后的阈值温度进行二值化处理后的当前温度数据帧中有1,将所述减小后的阈值温度确定为最新的动态阈值温度。
在一种可能实施方式中,所述方法还包括:
所述控制模块每隔预设时长,对所采集的温度数据执行所述步骤S3-S6;
如果所述检测区域中没有人员通行,所述控制模块则进入休眠模式。
在一种可能实施方式中,所述进出检测系统还包括远距离无线电Lora模块,所述方法还包括:
每隔上报周期,通过所述Lora模块向服务器发送所述进出的人数和所述运动轨迹。
在一种可能实施方式中,所述进出检测系统还包括近场通信NFC模块,所述方法还包括:
在所述进出检测系统上电前,所述控制模块通过所述NFC模块获取目标配置参数,根据所述目标配置参数进行配置初始化或配置更新
第二方面,提供一种进出检测系统,所述进出检测系统包括:热电堆阵列传感器、热释电被动红外PIR传感器和控制模块,所述PIR传感器和所述热电堆阵列传感器部署在检测区域上方的预设高度;
所述PIR传感器用于,检测到人员是否出现在所述检测区域内;
所述热电堆阵列传感器用于,在人员出现在所述检测区域内时,采集所述检测区域的温度数据;
所述控制模块用于执行第一方面中任一可能实施方式所述的进出检测方法。
在一种可能实施方式中,所述进出检测系统还包括远距离无线电Lora模块,所述控制模块还用于:每隔上报周期,通过所述Lora模块向服务器发送所述进出的人数和所述运动轨迹。
在一种可能实施方式中,所述进出检测系统还包括近场通信NFC模块,所述控制模块还用于:在所述进出检测系统上电前,通过所述NFC模块获取目标配置参数,根据所述目标配置参数进行配置初始化或配置更新。
第三方面,提供一种芯片,该芯片包括存储器和处理器,所述存储器存储有至少一段程序,所述至少一段程序由处理器执行以实现如第一方面提供的进出检测方法。
第四方面,提供一种计算机可读存储介质,该存储介质中存储有至少一段程序,该至少一段程序由处理器执行以实现如第一方面提供的进出检测方法。
本申请提供的技术方案至少包括如下技术效果:
本申请中的进出检测系统采用低功耗的PIR传感器来唤醒热电堆阵列传感器采集温度数据并进行人员检测,能够有效降低整体功耗;PIR传感器和热电堆阵列传感器的成本相对于其他类的进出检测方案,实施成本大大降低,仅采集温度数据则保证了高隐私性;基于温度数据的进出检测方法根据温度分布情况和/或温度平均值来预判温度数据帧对应时刻的检测区域中是否有人,筛选出有效的温度数据帧,再通过阈值温度的判断和连通域划分,精准地从温度数据中识别出进出的人数和人员位置,进而通过对比前后几个对应时刻有人的温度数据帧,精细化地得出人员的运动轨迹和进出的人数,实现了高精准度的人员进出检测。
附图说明
图1是本申请一示例性实施例示出的一种进出检测系统的示意图;
图2是本申请一示例性实施例示出的一种传感器测温的示意图;
图3是本申请一示例性实施例示出的一种进出检测方法的流程示意图;
图4是本申请一示例性实施例示出的一种背景温度变化曲线的示意图;
图5是本申请一示例性实施例示出的一种阈值温度选择算法的流程示意图;
图6是本申请一示例性实施例示出的一种环境学习算法的流程示意图;
图7是本申请一示例性实施例示出的一种连通域的示意图;
图8是本申请一示例性实施例示出的一种人数统计算法的流程示意图;
图9是本申请一示例性实施例示出的一种帧处理算法的流程示意图;
图10是本申请一示例性实施例示出的一种人员进出轨迹检测算法的示意图;
图11是本申请一示例性实施例示出的一种进出检测方法的原理示意图。
具体实施方式
为进一步说明各实施例,本申请提供有附图。这些附图为本申请揭露内容的一部分,其主要用以说明实施例,并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容,本领域普通技术人员应能理解其他可能的实施方式以及本申请的优点。图中的组件并未按比例绘制,而类似的组件符号通常用来表示类似的组件。本申请中术语“至少一个”的含义是指一个或多个,本申请中术语“多个”的含义是指两个或两个以上,例如,多个温度点是指两个或两个以上的温度点。
现结合附图和具体实施方式对本申请进一步说明。
首先介绍本申请提供的进出检测系统。图1为本申请一示例性实施例示出的一种进出检测系统的示意图,参考图1,该进出检测系统:热电堆阵列传感器10、热释电被动红外(Passive lnfraRed,PIR)传感器20和控制模块30,PIR传感器20和热电堆阵列传感器10部署在检测区域上方的预设高度。
在本申请实施例中,检测区域可以是过道或进出关卡区域,例如,楼道、大门或安检门等。进出检测系统中,PIR传感器用于检测人员是否出现在检测区域内;热电堆阵列传感器用于在人员出现在检测区域内时采集检测区域的温度数据。PIR传感器用于在人员进入检测区域时,通知控制模块,从而唤醒热电堆阵列传感器进行温度数据采集以及人员进出检测。热电堆阵列传感器未被唤醒时则处于低功耗的休眠状态,结合低功耗的PIR传感器,则大大降低进出检测系统的整体功耗。
其中,热电堆阵列传感器是一种支持多像素采集的温度传感器,热电堆阵列传感器所采集的温度数据包括多个温度数据帧,每个温度数据帧包括用于表示检测区域内的温度分布的多个温度点。示例性地,温度数据帧以二维阵列的形式来表示检测区域中的温度分布,温度数据帧中的每个温度点相当于一个像素点,温度点所在的行列位置对应于像素点的行列位置,温度点的数值也即表示检测区域内与该行列位置对应的子区域的测量温度。热电堆阵列传感器的分辨率取决于温度点阵的尺寸,温度点阵的尺寸决定了温度数据帧的阵列规格,例如,32*32、32*24、16*12或16*4,在不同实施场景中可以适应性选用不同尺寸的点阵,本申请对此不做限定。图2是本申请一示例性实施例示出的一种传感器测温的示意图,参见图2,传感器能够在一定测量范围内采集到进出人员的人体温度。温度数据用于检测出现在检测区域中人员的运动轨迹,检测原理在后文介绍,在此不赘述。
其中,控制模块可以是微控制单元(Microcontroller Unit,MCU),也可以是具备更高性能的其他芯片,本申请对此不做限定。示例性地,控制模块作为MCU可以采用STM32WLE5CC方案,STM32WLE5CC单片机有多种低功耗模式:shutdown模式、standby模式、sleep模式、stop1模式、stop2模式。示例性地,采用stop2模式作为控制模块的低功耗模式,该模式下实时时钟(realtime clock,RTC)定时器可以定时唤醒控制模块。例如,使用RTC定时器每十秒唤醒控制模块,控制模块被唤醒后开始采集温度数据并进行人员进出统计,统计完成后进入stop2模式进行休眠。在一些实施例中,采集和统计耗时大概在200毫秒(ms)。控制单元进入stop2模式休眠后,工作电流低至9微安(uA),因此设备的功耗极低的。
在一种可能实施方式中,PIR传感器和热电堆阵列传感器均部署在检测区域上方,例如,过道的天花板或者门框顶部的内侧。PIR传感器的视场角在检测区域内的投影区域,包含了热电堆阵列传感器的视场角在检测区域内的投影区域,因此,PIR传感器的检测范围包含了热电堆阵列传感器的检测范围。基于此,可以第一时间检测到有人员进入检测区域内,并直接唤醒热电堆阵列传感器进行温度数据采集以及人员进出检测。在另一些实施例中,PIR传感器和热电堆阵列传感器可以分别进行顶装或侧装,以在实际环境中实现合理的检测范围,本申请对传感器的安装方式不做限定。相比于只能侧装的红外对管方案,本申请中进出检测系统的安装场景更加丰富。
在一种可能实施方式中,进出检测系统还包括远距离无线电(Long Range Radio,Lora)模块40。Lora模块与服务器通信连接,控制模块每隔上报周期,通过Lora模块向服务器发送统计得到的检测区域中进出的人数以及人员的运动轨迹,服务器用于为进出检测系统提供后台的数据存储和分析服务,可以是物理服务器也可以是云服务器或云服务器集群。
可选地,控制模块30由电池模块50供电。基于此,使用Lora无线通讯技术和电池供电方案,无需额外的布线,整个进出检测系统即安即用,使得整个进出检测系统的成本大大降低。相比于需要定时充电的红外对管方案,采用电池模块供电可以进一步提升系统部署的便捷性。在一种可能实施方式中,10000毫安小时(mA.h)规格的电池模块的更换周期可以达到2年。
在一种可能实施方式中,进出检测系统还包括近场通信(Near FieldCommunication,NFC)模块60。在进出检测系统上电前,例如,进出检测系统初次使用前,或运维状态下。控制模块能通过NFC模块获取目标配置参数,根据目标配置参数进行配置初始化或配置更新。其中,目标配置参数可以存储在支持NFC功能的芯片、存储器或智能卡等设备中,由系统的NFC模块读取。
在一种可能实施方式中,控制模块每隔预设时长,对所采集的温度数据进行进出检测分析;如果分析得出检测区域中的人员进出情况指示没有人员通行,则控制模块则进入休眠模式。控制模块进入低功耗模式,可以使得整机电流低至微安(μA)级别,实现低功耗功能。
本申请提供的进出检测系统采用低功耗的PIR传感器来唤醒热电堆阵列传感器采集温度数据并进行人员检测,能够有效降低整体功耗;PIR传感器和热电堆阵列传感器的成本相对于视频类进出检测方案和红外对管检测方案,成本大大降低;采用温度数据来检测人员进出,保证了高隐私性。
下面结合上述图1示出的进出检测系统,对本申请的技术方案进行详细介绍。图3是本申请实施例提供的一种进出检测方法的流程示意图,参考图3,本申请提供的技术方案包括下述步骤S1至步骤S5,由控制模块执行。
S1、响应于PIR传感器检测到人员出现在检测区域,向热电堆阵列传感器发送唤醒信号,唤醒信号指示热电堆阵列传感器采集检测区域的温度数据。
本申请实施例中,PIR在检测到人员出现在检测区域内时,向控制模块发送触发信号,控制模块响应于该触发信号,则向热电堆阵列传感器发送唤醒信号。
S2、从热电堆阵列传感器获取温度数据。
其中,温度数据包括多个温度数据帧,每个温度数据帧包括多个表示检测区域中温度分布的多个温度点。温度数据用于检测出现在检测区域中人员的运动轨迹。
示例性地,温度数据帧以二维阵列的形式表示检测区域中的温度分布。温度数据参考前文的介绍,在此不赘述。
S3、针对温度数据的任一温度数据帧,根据温度数据帧中多个温度点的分布情况和/或温度数据帧中多个温度数据点的温度平均值,预判在温度数据帧对应的时刻下检测区域中是否有人。
本申请实施例中,采用多种方法来分析温度数据帧中的热噪声分布,从而灵敏地预判当前的温度数据帧对应时刻下是否有人。此处的有人是指温度数据帧描述的温度分布符合人员存在的特征。需要说明的是,步骤S3预判温度数据帧对应时刻下有人并不表示温度数据帧对应的时刻内检测区域中一定有人,此过程作为一种筛选方法,通过预先筛选出对应时刻有人的温度数据帧,能够从传感器所采集的温度数据中选取出合理的温度数据帧来进行后续的人员统计,以提升人员进出检测的精确度和效率。
下面对本申请涉及的多种判断方法进行介绍,其中,热分布方法利用了数据帧中多个温度点的分布情况进行判断,大津二值化法则是先利用了分布情况划分多个类,再利用温度数据帧在不同类下的温度平均值进行判断,温度滤波器则是利用了温度数据帧整体的温度平均值。
(1)热分布
S31、在一种可能实施方式中,控制模块根据温度数据帧的热分布直方图,确定代表背景温度的第一大峰值和代表人体温度的第二大峰值,在第二大峰值的振幅和宽度达到第一大峰值的给定百分比时,预判温度数据帧对应时刻有人。
其中,热分布直方图表示不同数值的温度点的数量之间的差异。
当有人出现在热电堆阵列传感器的检测范围内时,热噪声遵循一种与像素值直方图显著不同的分布模型。有人和没有人情况下的温度数据帧与背景温度之间的差异不同。当场景中有人时,像素值(温度点)的分布比没有人的情况下更宽,且具有多个峰值。因此,可以利用此特征来区分有人和没有人的情况。
示例性地,温度数据帧的热分布直方图中,最大的峰值代表背景温度,而第二大的峰值代表帧内的人体温度。因此,通过给定百分比,来比较第一大峰值和第二大峰值,即可判断是否有人类存在。例如,若第二大峰值的宽度大于第一大峰值宽度的50%,且振幅大于第一大峰值振幅的40%,则预判当前温度数据帧对应时刻有人。其中,给定百分比可以通过广泛的实验来确定。如果温度数据帧不符合上述条件(振幅和宽度达到给定百分比),则认为当前的温度数据帧只是对检测区域中背景框架(只有环境没有人)的采集,故丢弃该温度数据帧。
在一些实施例中,本申请提供的进出检测方法还包括对背景温度进行估计。实现高精度人员进出检测的关键在于能够检测出检测区域中背景温度发生的微小变化。因此,需要精准地估计背景温度。示例性地,可以通过计算多个对应时刻没人存在的温度数据帧的温度平均值来得到背景温度。在进出检测系统初始启动时,通过传感器收集多个温度数据帧,并计算的多个温度数据帧逐像素平均值。可选地,实验数据表明使用100帧可以准确估计背景温度,且建筑环境中的热背景(背景温度)是稳定的。
需要说明的是,在估计背景温度的阶段,检测区域中没有热源,如人或热物体。在背景温度估计完成后,系统则可以基于背景温度持续实时统计进出人数。
本申请实施例提供了一种背景温度变化曲线的示意图,如图4所示,横坐标为背景温度的采样时间和日期,纵坐标为温度。可以看出背景温度在长期(七天)内的变化范围未超出传感器的噪声水平(±2.5摄氏度)。
(2)大津二值化法
S32、在一种可能实施方式中,控制模块采用大津二值化法,将温度数据帧中的温度点划分为背景类和人员类,在背景类温度点的平均值与人员类温度点的平均值之间的差值大于第一预设阈值的情况下,预判温度数据帧对应时刻有人。
在一些情况下,由于传感器采集的温度数据中存在噪声,像素值分布与没有人的帧的噪声分布没有明显区别,导致采用热分布直方图来判断温度数据帧的对应时刻是否有人,可能会出现误差。
采用大津二值化法能够有效地缓解这个问题。示例性地,首先将温度数据帧中的温度点划分为背景类和人员类,如果每个类的平均温度之间的差值不大于第一预设阈值,例如,0.75摄氏度,则当前温度数据帧识别为没有人存在的背景。其中,第一预设阈值可以根据多次试验来确定。
如果上述差值不大于第二预设阈值,则认为当前的温度数据帧只是对检测区域中背景框架(只有环境没有人)的采集,故丢弃该温度数据帧。
(3)温度滤波器
S33、在一种可能实施方式中,控制模块确定温度数据帧的中多个温度点的整体平均值,在整体平均值与给定的平均背景温度之间的差值大于第二预设阈值的情况下,预判温度数据帧对应时刻有人。
在本申请实施例中,对应时刻有人的帧应该比对应时刻没有人的帧有更高的平均温度。因此,可以通过比较整体平均值与给定的平均背景温度之间的差值来判断。其中,平均背景温度可以是一段时间内估计的背景温度的平均值(背景温度的估计参考前文)。第二预设阈值可以通过实际测量来确定,例如,0.25摄氏度(℃)。
如果上述差值不大于第二预设阈值,则认为当前的温度数据帧只采集到了检测区域中背景框架(只有环境没有人),故丢弃该温度数据帧。
在本申请实施例中,可以采用上述热分布(第一种判断结果)、大津二值化法(第二种判断结果)和温度滤波器(第三种判断结果)中的任一种判断结果来判断一个温度数据帧中是否有人,也可以组合上述多种判断结果来判断,实现更高精度、高灵敏度的数据帧筛选。
示例性地,组合多种判断结果进行判断的方式包括:
1、任一方法判断有人即判断有人。执行步骤S31、S32和S33(执行顺序不做限定),在第一种判断结果、第二种判断结果和第三种判断结果中任一个,判断温度数据帧对应时刻有人的情况下,才预判该温度数据帧对应时刻有人。
2、至少两个方法判断有人才判断有人。执行步骤S31、S32和S33(执行顺序不做限定),在第一种判断结果、第二种判断结果和第三种判断结果中任意两个判断温度数据帧对应时刻有人的情况下,才预判该温度数据帧对应时刻有人。
3、多种方法的判断结果融合,综合判断是否对应时刻是否有人。为第一种判断结果、第二种判断结果和第三种判断结果预设置信度系数,执行步骤S31、S32和S33后,将第一种判断结果、第二种判断结果和第三种判断结果用对应的置信度系数加权后的结果作为判断是否有人的结果。例如,指示有人的判断结果为1,指示没有人的判断结果为0;第一种判断结果、第二种判断结果和第三种判断结果对应的置信度系数分别为0.4、0.4和0.2;若第一种判断结果、第二种判断结果和第三种判断结果分别为1、0和1,则通过置信度系数加权后的融合判定值为0.6,可以设置若融合判定值大于判定阈值(例如0.5),则预判该帧对应时刻有人。
通过上述组合方法可以进一步提升筛选温度数据帧的精度、灵敏度和准确度。
S4、针对预判对应时刻有人温度数据帧中的第i帧,将第i帧的多个温度点中、超过阈值温度的温度点设置为1,低于阈值温度的温度点设置为0。
其中,阈值温度是预设的固定阈值温度,或者,随着检测区域的环境变化而更新的动态阈值温度,i为正整数。
本申请实施例采用阈值温度对步骤S3筛选得到的、预判对应时刻有人的温度数据帧进行二值化,可以将数据帧中人体对应的温度点筛选出来,便于后续基于二值化后的温度数据帧识别人数和人员位置。
其中,阈值温度用于区分整体环境对应的背景温度和人体对应的温度。具体地,本申请提供至少两种算法来实现二值化处理:一种是针对不同环境的背景温度,均采用固定阈值;另一种是动态阈值温度,算法会周期性地认识环境,使得阈值温度随着环境变化而更新,其能良好地兼容环境升、降温的情况。
在一种可能实施方式中,考虑到针对环境进行学习的动态阈值温度所需的更新周期较长,故使用固定阈值温度和动态阈值温度的结合,来提供步骤S4所需的阈值温度。
图5是本申请提供的一种阈值温度选择算法的流程示意图,下面结合图5,对本申请实施例选择阈值温度的过程进行说明。在一种可能实施方式中,选择阈值温度的过程包括下述步骤1-步骤7。
步骤1、检查环境学习算法当前是否学习到了确定的阈值温度,执行步骤2。其中,可以用标志位E_flag的状态来指示是否有确定的阈值温度,“E_flag==1”则表示有。
步骤2、检测当前是否需要开始采集温度数据帧,例如,可以用采集事件是否触发来表示。如果有确定的阈值温度但是没有采集事件,则执行步骤3;如果没有确定的阈值温度且没有采集事件,则执行步骤4;如果有确定的阈值温且有采集事件,则执行步骤5;如果没有确定的阈值温度但有采集事件,则执行步骤6。
步骤3、检测标志位计时器(E_flag_Timer)是否到达预设时长(例如,1小时),如果到达则执行步骤4,如果未到达则退出流程。
步骤4、执行环境学习算法学习阈值温度(后文详述,在此不赘述)。
步骤5、根据标志位状态判断是否有确定的阈值温度,如果有,则获取确定的阈值温度(E_Temp)作为后续使用的阈值温度(Threshold_Temp);如果没有则执行步骤6。
步骤6、根据环境温度选择预设的固定温度阈值作为后续使用的阈值温度(Threshold_Temp)执行步骤7。
步骤7、采集温度数据帧,利用阈值温度(Threshold_Temp)对温度数据帧进行二值化处理。
通过上述过程,可以根据环境学习算法的灵活地选择合适的阈值温度,从而提升二值化处理的合理性。
本申请提供了一种环境学习算法的流程示意图,如图6所示,下面结合图6介绍环境学习算法更新阈值温度的过程。在一种可能实施方式中,利用环境学习算法更新动态阈值温度的过程包括下述步骤A至步骤D:
A、在检测区域中没有人员进出的情况下,判断当前是否存在确定的阈值温度。如果存在确定的阈值温度,则获取当前确定的阈值温度作为初始阈值温度;如果不存在确定的阈值温度,则从热电堆阵列传感器获取当前的环境温度作为初始阈值温度。
本申请实施例中,首先判断是否存在环境学习算法所确定的阈值温度(E_Temp),若没有,则说明环境算法还没有一个能够作为初始值的阈值温度,此时直接获取环境温度作为初始阈值温度进行后续的更新过程。
B、从热电堆阵列传感器获取检测区域的当前温度数据帧,根据初始阈值温度对当前温度数据帧进行二值化处理,二值化处理过程包括:将当前温度数据帧的多个温度点中超过初始阈值温度的温度点设置为1,低于初始阈值温度的温度点设置为0。
C、判断二值化处理后的当前温度数据帧中是否有1。如果有,则增大初始阈值温度,直到根据增大后的阈值温度进行二值化处理后的当前温度数据帧中没有1,将增大后的阈值温度确定为最新的动态阈值温度。如果没有,则减小初始阈值温度,直到根据减小后的阈值温度进行二值化处理后的当前温度数据帧中有1,将减小后的阈值温度确定为最新的动态阈值温度。
本申请实施例中,每次可以按照固定的幅度来增大或减小动态温度阈值,例如,可以是0.25℃。
D、将指示存在确定的阈值温度的标志位“E_flag”状态设置为1,以在前述的步骤1中提供指示作用。
通过上述过程,通过周期性地认识环境,使得阈值温度随着环境变化而更新,并能良好地兼容环境升、降温的情况,从而保证用于区分环境背景和人体温度的阈值温度始终精准。
S5、将第i帧中相邻的多个1划定为一个连通域,根据第i帧中连通域的数量和位置,确定第i帧对应时刻下检测区域中的人数和人员位置。
本申请实施例中,针对人员并行穿过检测区域的情况,通过分析连通域来精准识别人数。示例性地,热电堆阵列传感器部署在预设高度,且具备一定检测距离,对应的视场宽度为80厘米,视野宽度为100厘米。这使得在热阵列传感器所采集的画面中,如果存在多个人员,人员之间理论上会存在一定的间隙,因此,在二值化后的温度数据帧中,可以通过划分多个连通域,来划分出多个人员。相应地,每个连通域可用于在接下来的帧中表示对应人员,从而利用多个帧之间连通域的位置变化即可实现人员跟踪和轨迹检测。
在一种可能实施方式中,本步骤S42包括下述步骤S421-步骤S424:
S51、获取预设高度对应的配置信息,配置信息包括:在预设高度下,一个连通域中表示存在一个人的1的数量。
考虑到现实情况的复杂性,越靠近传感器正下方,则人体在帧中所占的温度点越少,而离传感器越远的边缘则相反。基于此,本申请对温度数据帧中不同阵列区域,采用不同的1数量来判定人数。具体地,检测区域中靠近热电堆阵列传感器部署位置的连通域中表示存在一个人的1的数量小于检测区域中其他区域中表示存在一个人的1的数量。例如,针对其他区域对应的阵列区域,表示一个人员的1数量为7-8,也即是,7-8个相邻的1温度点即表示一个人员;针对靠近热电堆阵列传感器部署位置正下方位置的阵列区域,表示一个人员的1数量为5-6,也即是,5-6个相邻的1温度点即可表示一个人员。
进一步地,配置信息中可以根据偏差量来设定划分连通域时允许的偏差范围,例如,其他区域的基本数量是7-8,偏差量为±2,则在划分连通域时,相邻的5-10个1温度点都可以划分为一个连通域。
S52、将第i帧中由多个相邻的1组成的阵列区域,划分为一个连通域,得到多个划定的连通域,根据配置信息,确定每个连通域中的人数和人员位置。
本申请实施例中,可以从当前的第i个温度数据帧中划分出多个连通域,每个连通域中都包括多个表示人体温度的1温度点。
本申请提供了一种连通域的示意图,参考图7,图7的(a)部分中,对二值化后的温度数据帧进行划分得到了连通域1-3,连通域1-3中1的数量为11、10和9,按照配置信息,连通域2和3中均有1个人员;图7的(b)部分中,划分出的连通域中1的数量为5,按照配置信息,(b)部分中连通域中有1个人员;图7的(c)部分中,划分出的连通域中1的数量为15。
S53、对于连通域中的1数量大于预设的上限数量的异常连通域进行二次判定,确定异常连通域中的人数:如果异常连通域中的1数量小于或等于预设的第一阈值,则判定异常连通域中的人数为1;如果异常连通域中的1数量大于第一阈值且小于或等于预设的第二阈值,则判定异常连通域的人数为2;如果异常连通域中的1数量大于第二阈值,则针对异常连通域重新执行步骤S422。
在一些情况下,划分出的连通域中可能包括超过基本数量且不在偏差量允许范围内的温度点。例如,基本数量为7-8,偏差量为±2,上限数量则为10,而一些连通域中包括10个以上的1温度点,如图7中(a)部分的连通域3(有11个1)以及(c)部分的连通域(有15个1)。这一类连通域称为异常连通域,本申请通过步骤S53对异常连通域进行二次判定。
示例性地,在基本数量为7-8,偏差量为±2的配置信息下,第一阈值可以设置为12,第二阈值可以设置为14。基于此,异常连通域中1的数量大于10小于12的,可以判定为1人,1的数量大于12小于14的,可以判定为2人,1的数量大于14的,则需要通过步骤S52重新划分成非异常的连通域。
S54、根据所划定的多个连通域的位置以及多个连通域中的人数之和,输出第i帧中的人员位置和人数。
以图7为例,连通域1-3对应的人数均为1,多个连通域对应的人数之和最后确定为3;相应地,人员位置也即根据连通域在第i帧中的行列位置所确定。
为了便于理解上述步骤S51-步骤S54中统计第i帧中人数的原理,本申请在图7所提供的连通域示意图的基础上,提供了一种人数统计算法的流程示意图,参考图8,其中的第一阈值设置为12,第二阈值设置为14,经过用预设高度的配置信息划分连通域、对异常连通域进行二次判定以及人数累加,最后确定连通域1-3的总人数为3人。
进一步地,考虑到人员可能处于在热电堆正下方,因为头发和衣服的遮挡,偶然出现热电堆采集上的温度值过小的情况,从而导致人体温度与周围的背景温度相差并不明显。这种情况定义为“丢帧”。
本申请针对丢帧的情况提供了一种补帧算法,在步骤S5确定了第i帧中的人数之后,在步骤S6进行多帧对比分析之前,用于对可能存在的丢帧情况进行补偿。补帧算法包括下述步骤a-步骤e:
步骤a、如果第i帧中人数为0,获取预判对应时刻有人的第i-1帧,如果第i-1帧中的人数也为0,则丢弃第i帧。其中,如果第i帧和第i-1帧中都检测为没有人,则认为第i帧确实没有人,丢弃该第i帧。
步骤b、如果第i帧中人数不为0,或者,如果第i帧中人数为0但第i-1帧中的人数不为0,则等待目标时长(例如,100毫秒)后,获取预判对应时刻有人的第i+1帧。其中,第i帧前后的帧都有人而第i帧没有人,则有可能出现了丢帧现象。
步骤c、如果第i+1帧中的人数不为0,则对第i-1帧、第i帧和第i+1帧进行人员进出轨迹检测(也即是执行下述步骤S6)。
步骤d、如果第i+1帧中的人数为0,则根据第i-1帧和第i+1帧进行插帧,得到预测帧。
在本申请实施例中,可以通过对第i-1帧和第i+1帧中同一连通域的位置求平均,来得到预测帧,例如,第i-1帧中的连通域3的行列位置可以表示为(行8-9;列7-11);假设第i+1帧中的连通域3的行列位置可以表示为(行12-13;列1-5),则预测帧中连通域的行列位置可以是(行8-9;列7-11)和(行12-13;列1-5)的平均值(行10-11;列4-8)。
基于此,即得到了能够精细化模拟人员进出轨迹的预测帧。
步骤e、如果预测帧的人数和人员位置满足预设的合理条件,则将预测帧作为第i帧,对第i-1帧、预测帧和第i+1帧进行人员进出轨迹检测(也即是执行下述步骤S6)。
考虑到预测帧可能存在一定误差,本申请实施例通过为预测帧设定一个合理条件,来保证预测帧的准确性。如果生成的预测帧满足合理条件,则使用这个预测帧进行人员进出轨迹检测,如果不满足合理条件,则认为预测帧有问题,丢弃本次生成的预测帧,认为人员并没有通行。
示例性地,预设的合理条件可以为:预测帧中的人数不大于第i-1帧和第i+1帧中的人数,预测帧中的人员位置位于第i-1帧和第i+1帧的人员位置之间。
本申请提供了一种帧处理算法的流程示意图,参考图9,帧处理算法包括人数统计算法和补帧算法。图9用于对上述步骤S5与步骤a至步骤e之间的逻辑关联进行示例性说明,参考图9,其中,开始对第i帧进行处理后,先通过步骤S51-S54的过程,得到第i帧中的人数;根据第i帧中的人数,再通过步骤a至步骤e,完成对第i帧的补帧处理。
通过上述补帧算法,在丢帧的情况下,可以直接根据当前帧的上下帧生成预测帧,并且在合理范围采用预测帧进行人员进出轨迹的检测,有效提升人员进出检测的精确度。
S6、将预判对应时刻有人的温度数据帧中的第i-1帧、第i帧和第i+1帧对应时刻下检测区域中的人数和人员位置进行对比,确定出现在检测区域中人员的人数和运动轨迹。
在本申请实施例中,人员的运动轨迹表示人员从第i-1帧对应时刻到第i+1帧对应时刻的移动方向,从而可以表示该人员是进入检测区域还是从检测区域出去;结合人数,即可精准地统计第i-1帧对应时刻到第i+1帧对应时刻进入检测区域的人数和从检测区域出去的人数。
在本申请实施例中,针对对应时刻有人的温度数据帧中的第i-1帧和第i帧,先在这两个相邻帧中匹配上同一个连通域,再根据同一个连通域的位置从第i-1帧到第i帧的变化,确定第一段人员运动轨迹;同理,针对对应时刻有人的第i帧和第i+1帧,首先在这两个相邻帧中匹配上同一个连通域,再根据同一个连通域的位置从第i到第i+1帧的变化,即可确定第二段人员运动轨迹。结合第一段人员运动轨迹和第二段人员运动轨迹,即可精准地判断人员的进出方向;根据连通域对应的人数(例如,前述的连通域3对应于1人),即可统计得到进入检测区域的人数和从检测区域出去的人数。
本申请提供了一种人员进出轨迹检测算法的示意图,用于对检测得到人员进出轨迹的具体流程进行示例性说明,参见图10,开始进行人员进出轨迹检测后,接收帧处理线程(也即是执行帧处理算法的线程,帧处理算法参考前文介绍)发来的第i帧(使用补帧算法后发来的也可能是预测帧),根据第i帧中的连通域,确认第i帧中的人数和人员位置;再接收帧处理线程发来的第i+1帧,根据第i+1帧中的连通域,确认第i+1帧中的人数和人员位置;进而对比第i帧和第i-1帧(上一个处理流程中已获取),得到第一段人员进出轨迹;对比第i+1帧和第i帧,得到第二段人员进出轨迹,基于此即可准确地得到各个连通域对应人员的进出轨迹。
通过上述介绍的技术方案,在进出检测系统能够平衡功耗、降低成本并提供高隐私性的基础上,进出检测方法根据温度分布情况和/或温度平均值来判温度数据帧中是否有人,筛选出有效的温度数据帧,再通过阈值温度的二值化处理和连通域划分,精准地从温度数据中识别出进出的人数和人员位置,进而通过对比前后几个对应时刻有人的温度数据帧,来精细化地得出人员的运动轨迹和进出人数,在不采集人脸信息的情况下即可实现高精准度的人员进出检测。
为了对上述实施例介绍的进出检测方法进行整体性的说明,本申请提供了一种进出检测方法的原理示意图,参考图11,在进出检测系统开始运行后,控制模块初始化内部寄存器和内部函数,并初始化PIR传感器和热电堆阵列传感器;热电堆阵列传感器未被唤醒,控制模块则通过环境学习算法学习阈值温度;当PIR传感器检测到有人员进入(被激活),则控制模块唤醒热电堆,使其按照预设频率采集温度数据帧;控制模块通过阈值温度选择算法确定筛选有人的温度数据帧所使用的阈值温度;通过帧处理算法进行人数统计和补帧,对处理后的温度数据帧执行人员进出轨迹检测算法,最后输出人员进出情况(进入人数、出去人数和运动轨迹)。
本申请提供的进出检测方法采用了模块化的算法架构,按照检测精度需求,可以选择不同的算法来对检测精度进行提升,如判断帧内是否有人的热分布、大津二值化法和温度滤波器,以及用于提升轨迹检测准确度的帧处理算法(包括本申请提供的人员统计算法和补帧算法两部分)。因此,本申请提供的进出检测方法在不同的检测场景中,都能够提供良好的检测精度,且具备低功耗、低成本(部署成本)和高隐私性的特点。
本申请提供了一种芯片,能够实现为上述控制模块,执行本申请提供的进出检测方法。该芯片包括处理器、存储器和接口以及存储在所述存储器中并可在所述处理器上运行的计算机程序,处理器包括一个或一个以上处理核心,存储器与处理器相连,存储器用于存储程序指令,所述处理器执行所述计算机程序时实现本申请提供的上述方法实施例中的全部或部分步骤。
进一步地,作为一个可执行方案,该芯片可以是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述芯片作为进出检测系统的控制中心,利用各种接口和线路连接整个进出检测系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述控制单元的各种功能。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现本申请实施例上述方法的步骤。
所述芯片集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
尽管结合优选实施方案具体展示和介绍了本申请,但所属领域的技术人员应该明白,在不脱离所附权利要求书所限定的本申请的精神和范围内,在形式上和细节上可以对本申请做出各种变化,均为本申请的保护范围。
Claims (9)
1.一种进出检测方法,其特征在于,应用于进出检测系统中,所述进出检测系统包括:热电堆阵列传感器、热释电被动红外PIR传感器和控制模块,所述PIR传感器和所述热电堆阵列传感器部署在检测区域上方的预设高度;由所述控制模块执行的所述进出检测方法包括:
S1、响应于所述PIR传感器检测到人员出现在检测区域,向所述热电堆阵列传感器发送唤醒信号,所述唤醒信号指示所述热电堆阵列传感器采集所述检测区域的温度数据;
S2、从所述热电堆阵列传感器获取所述温度数据,所述温度数据用于检测出现在所述检测区域中人员的运动轨迹;其中,所述温度数据包括多个温度数据帧,每个温度数据帧包括用于表示所述检测区域中温度分布的多个温度点;
S3、针对所述温度数据的任一温度数据帧,根据所述温度数据帧中多个温度点的温度分布和/或所述温度数据帧中多个温度点的温度平均值,预判在所述温度数据帧对应的时刻下所述检测区域中是否有人;
S4、针对预判对应时刻有人的温度数据帧中的第i帧,将所述第i帧的多个温度点中、超过阈值温度的温度点设置为1,低于所述阈值温度的温度点设置为0,所述阈值温度是预设的固定阈值温度,或者,随着检测区域的环境变化而更新的动态阈值温度,i为正整数;
S5、将所述第i帧中相邻的多个1划定为一个连通域,根据所述第i帧中连通域的数量和位置,确定所述第i帧对应时刻下所述检测区域中的人数和人员位置;
S6、将预判对应时刻有人的温度数据帧中的第i-1帧、第i帧和第i+1帧对应时刻下所述检测区域中的人数和人员位置进行对比,确定出现在所述检测区域中人员的人数和运动轨迹。
2.根据权利要求1所述的进出检测方法,其特征在于,所述步骤S5包括:
S51、获取所述预设高度对应的配置信息,所述配置信息包括:在所述预设高度下,一个连通域中表示存在一个人的1的数量;
其中,所述检测区域中靠近所述热电堆阵列传感器部署位置的连通域中表示存在一个人的1的数量小于所述检测区域中其他区域中表示存在一个人的1的数量;
S52、将所述第i帧中多个相邻的1组成的阵列区域,划分为一个连通域,得到多个划定的连通域,根据所述配置信息,确定每个所述连通域中的人数和人员位置;
S53、对于连通域中的1数量大于预设的上限数量的异常连通域进行二次判定,确定所述异常连通域中的人数:如果所述异常连通域中的1数量小于或等于预设的第一阈值,则判定所述异常连通域中的人数为1;如果所述异常连通域中的1数量大于所述第一阈值且小于或等于预设的第二阈值,则判定所述异常连通域的人数为2;如果所述异常连通域中的1数量大于所述第二阈值,则针对所述异常连通域重新执行步骤S52;
S54、根据所划定的多个连通域的位置以及多个连通域中人数之和,输出所述第i帧中的人数和人员位置。
3.根据权利要求1所述的进出检测方法,其特征在于,在步骤S5之后,所述方法还包括:
如果所述第i帧中人数为0,获取预判对应时刻有人的第i-1帧,如果所述第i-1帧中的人数也为0,则丢弃所述第i帧;
如果所述第i帧中人数不为0,或者,如果所述第i帧中人数为0但所述第i-1帧中的人数不为0,则等待目标时长后,获取预判对应时刻有人的第i+1帧;
如果所述第i+1帧中的人数不为0,则执行步骤S6;
如果所述第i+1帧中的人数为0,则根据所述第i-1帧和所述第i+1帧进行插帧,得到预测帧;
如果所述预测帧的人数和人员位置满足预设的合理条件,则将所述预测帧作为所述第i帧,执行所述步骤S6。
4.根据权利要求1所述的进出检测方法,其特征在于,所述步骤S3包括:
根据下述任一种判断结果或多种判断结果的组合来预判所述温度数据帧对应时刻下所述检测区域中是否有人;
第一种判断结果:根据所述温度数据帧的热分布直方图,确定代表背景温度的第一大峰值和代表人体温度的第二大峰值,在所述第二大峰值的振幅和宽度达到所述第一大峰值的给定百分比时,预判所述温度数据帧对应时刻有人;
第二种判断结果:采用大津二值化法,将所述温度数据帧中的温度点划分为背景类和人员类,在所述背景类温度点的平均值与所述人员类温度点的平均值之间的差值大于第一预设阈值的情况下,预判所述温度数据帧对应时刻有人;
第三种判断结果:确定所述温度数据帧的中多个温度点的整体平均值,在所述整体平均值与给定的平均背景温度之间的差值大于第二预设阈值的情况下,预判所述温度数据帧对应时刻有人。
5.根据权利要求1所述的进出检测方法,其特征在于,所述动态阈值温度的更新过程包括:
在所述检测区域中没有人员进出的情况下,判断当前是否存在确定的阈值温度;
如果存在确定的阈值温度,则获取当前确定的阈值温度作为初始阈值温度;如果不存在确定的阈值温度,则从热电堆阵列传感器获取当前的环境温度作为初始阈值温度;
从热电堆阵列传感器获取所述检测区域的当前温度数据帧,根据所述初始阈值温度对所述当前温度数据帧进行二值化处理,所述二值化处理过程包括:将所述当前温度数据帧的多个温度点中超过所述初始阈值温度的温度点设置为1,低于所述初始阈值温度的温度点设置为0;
判断所述二值化处理后的所述当前温度数据帧中是否有1;
如果有,则增大所述初始阈值温度,直到根据增大后的阈值温度进行二值化处理后的当前温度数据帧中没有1,将所述增大后的阈值温度确定为最新的动态阈值温度;
如果没有,则减小所述初始阈值温度,直到根据减小后的阈值温度进行二值化处理后的当前温度数据帧中有1,将所述减小后的阈值温度确定为最新的动态阈值温度。
6.根据权利要求1所述的进出检测方法,其特征在于,所述方法还包括:
所述控制模块每隔预设时长,对所采集的温度数据执行所述步骤S3-S6;
如果所述检测区域中没有人员通行,所述控制模块则进入休眠模式。
7.根据权利要求1所述的进出检测方法,其特征在于,所述进出检测系统还包括远距离无线电Lora模块,所述方法还包括:
每隔上报周期,通过所述Lora模块向服务器发送步骤S6确定的人数和所述运动轨迹。
8.一种进出检测系统,其特征在于,所述进出检测系统包括:热电堆阵列传感器、热释电被动红外PIR传感器和控制模块,所述PIR传感器和所述热电堆阵列传感器部署在检测区域上方的预设高度;
所述PIR传感器用于,检测到人员是否出现在所述检测区域内;
所述热电堆阵列传感器用于,在人员出现在所述检测区域内时,采集所述检测区域的温度数据;
所述控制模块用于执行权利要求1-7任一项所述的进出检测方法。
9.一种计算机可读存储介质,其特征在于,所述存储介质中存储有至少一段程序,所述至少一段程序由处理器执行以实现如权利要求1至7任一所述的进出检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152524.8A CN117333967A (zh) | 2023-09-07 | 2023-09-07 | 进出检测方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311152524.8A CN117333967A (zh) | 2023-09-07 | 2023-09-07 | 进出检测方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117333967A true CN117333967A (zh) | 2024-01-02 |
Family
ID=89281960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311152524.8A Pending CN117333967A (zh) | 2023-09-07 | 2023-09-07 | 进出检测方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117333967A (zh) |
-
2023
- 2023-09-07 CN CN202311152524.8A patent/CN117333967A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8022987B2 (en) | Information-based self-organization of sensor nodes of a sensor network | |
Yang et al. | A novel low-cost and small-size human tracking system with pyroelectric infrared sensor mesh network | |
CN103069796B (zh) | 用于计数目标的方法和使用多个传感器的装置 | |
CN110709900B (zh) | 使用易于安装的ir阵列传感器来测量通过出入口的人流 | |
US11625828B2 (en) | Cost effective, mass producible system for rapid detection of fever conditions based on thermal imaging | |
CN101834986A (zh) | 成像装置、运动体检测方法、运动体检测电路和程序 | |
US11860038B2 (en) | Method, apparatus and system for passive infrared sensor framework | |
Basu et al. | Tracking motion and proxemics using thermal-sensor array | |
KR101813790B1 (ko) | 특징 기반 다중 센서 정보 융합 장치 및 방법 | |
Yang et al. | Multiple human location in a distributed binary pyroelectric infrared sensor network | |
US10997474B2 (en) | Apparatus and method for person detection, tracking, and identification utilizing wireless signals and images | |
US10516982B2 (en) | Match Bluetooth low energy (BLE) moving patterns | |
US9007459B2 (en) | Method to monitor an area | |
US20210133491A1 (en) | System and method for detecting, tracking and counting human objects of interest with an improved height calculation | |
CN107665495B (zh) | 对象跟踪方法及对象跟踪装置 | |
CN117333967A (zh) | 进出检测方法、系统及存储介质 | |
Gasparini et al. | An ultra-low-power contrast-based integrated camera node and its application as a people counter | |
Bhuyan et al. | Tracking with multiple cameras for video surveillance | |
US20190164297A1 (en) | Controlling system comprising one or more cameras | |
Salzmann et al. | A Low Power Infrared Sensor for Direction, Speed, Distance Finding for Contextual Intelligence | |
Wang | Distributed multi-object tracking with multi-camera systems composed of overlapping and non-overlapping cameras | |
US20230298185A1 (en) | Static privacy masking | |
KR101205800B1 (ko) | 계층적으로 사건을 탐지하기 위한 무선 영상 감시 시스템 및 그 방법 | |
KR101165671B1 (ko) | 계층적으로 사건을 탐지하기 위한 무선 영상 감시 시스템 및 그 방법 | |
Tahir et al. | Lightweight signal processing algorithms for human activity monitoring using dual PIR-sensor nodes |
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 |