基于红外阵列的人体移动行为检测.docx

1、硕 士 专 业 学 位 论 文基于红外阵列的人体移动行为检测专业类别（领域） ： 电子与通信工程基于红外阵列的人体移动行为检测I摘 要随着智能家居系统的不断发展，获取用户的行为习惯变得越来越重要。作为智能家居系统的重要组成部分，智能监控系统不可或缺。由于人们生活水平的日益提高，个人隐私也渐渐被人们所重视。如果使用视频监控的方式，显然与保护个人隐私是相互矛盾的。为了解决两者矛盾，本文采用红外阵列而非视频的方式来对用户行为习惯数据进行获取。这种方式不但减小了数据量的传输与处理，同时还有效的保护了用户的个人隐私。本文提出了一种新的人体移动行为检测方法阵列式红外人体检测。它可以在保护用户隐私的情况下，

2、以超低像素对人体的移动信息进行提取。为了实现红外人体检测算法，本文首先对红外人体检测进行了理论上的分析，并对MLX90621 传感器进行了详细的介绍，包括传感器的误差特性、视场、刷新率等，分析了红外阵列对人体检测的可行性。然后在单传感器上通过改进后的背景减除法对人体信息进行提取。整个检测算法流程包括预处理（背景滤波，平均值滤波、阈值设计，二值化，滑动窗口、背景更新）、目标定位、人体移动信息提取。经过算法预处理之后可以从传感器采集的数据中准确解析出人体相对位置信息，然后进行目标定位处理，将相对位置变为绝对位置，最后通过人体移动信息提取不仅可以获得移动人体的速度，位移等信息，而且还能进行人数检测及

3、定位。由于单传感器的测量范围有限，因此本文继续对多传感器的数据融合进行了探讨，最终实现室内人体移动行为检测。为了验证算法的有效性，本文对整个传感器网络进行了设计，包括网络结构、数据帧格式等，并对几个常见的应用场景进行了布置。在最后的整个系统测试中，本文提出的人体移动行为检测算法取得很好的效果，常见应用场景也能够准确实现。因此，本文提出的阵列式红外人体检测方案可以为智能家居系统的人体移动行为检测提供一种新的思路。关键词：红外阵列，背景减除法，人体检测，数据融合硕士学位论文IIAbstractWith the continuous development of smart home systems

4、, it is becoming more and more important to acquire the users behavioral habits. As an important part of smart home systems, intelligent monitoring systems are indispensable. As peoples living standards are increasing, personal privacy is gradually being valued by people. If video surveillance is us

5、ed, it is obviously contradictory to protecting personal privacy. In order to solve the contradiction between the two, this paper uses infrared array instead of video to acquire user behavior habit data. This approach not only reduces the amount of data transmission and processing, but also effectiv

6、ely protects the users personal privacy.This paper presents a new method of human body movement detection - array infrared human detection. It can extract human mobile information with ultra-low pixels while protecting user privacy. In order to achieve the infrared human detection algorithm, this pa

7、per first analyzes the infrared human detection theoretically, and introduces the MLX90621 sensor in detail, including the sensors error characteristics, field of view, refresh rate, etc., and analyze the feasibility of infrared array detection on human body. The human body information is then extra

8、cted on a single sensor by an improved background subtraction method. The entire detection algorithm process includes preprocessing (background filtering, average filtering, threshold design, binarization, sliding window, background update), target positioning, and human body movement information ex

9、traction. After the algorithm preprocesses, the relative position information of the human body can be accurately analyzed from the data collected by the sensor, then the target positioning process is performed, the relative position is changed to an absolute position, and finally, human body moveme

10、nt information extraction can not only obtain information such as speed, displacement, etc. of the moving human body, but also can detect and locate the number of people.Since the measurement range of a single sensor is limited, this paper continues to explore the data fusion of multi-sensors, and f

11、inally realize the detection of indoor human body movement.In order to verify the effectiveness of the algorithm, this paper designs the entire sensor network, including network structure, data frame format, etc., and arranges several common application scenarios. In the final whole system test, the

12、 human movement behavior detection algorithm proposed in this paper has achieved very good results, and common application scenarios can be accurately implemented. 基于红外阵列的人体移动行为检测IIITherefore, the array infrared human detection scheme proposed in this paper can provide a new idea for the detection o

13、f human mobile behavior in smart home systems.Keywords: infrared array, background subtraction, human detection, data Fusion硕士学位论文IV目 录摘 要 .IAbstract.II第 1 章 绪论 .11.1 研究背景和意义 .11.2 国内外发展现状 .21.3 本文的主要研究内容 .41.4 论文组织结构 .5第 2 章 红外阵列原理及硬件设计 .72.1 红外辐射原理 .72.2 红外阵列传感器特性 .82.2.1 MLX90621 简介 .82.2.2 MLX90

14、621 特性分析 .102.3 红外感应单元电路设计 .162.3.1 控制底板主控部分 .162.3.2 电源部分电路设计 .172.3.3 无线部分电路设计 .182.3.4 顶板电路设计 .202.4 本章小结 .20第 3 章 人体检测算法设计 .213.1 传统运动目标检测算法 .213.1.1 背景差分法 .213.1.2 帧差法 .223.1.3 光流法 .223.2 红外阵列人体检测算法 .233.2.1 算法预处理 .233.2.2 目标定位 .323.2.3 人体移动检测 .343.3 可视化处理 .353.4 本章小结 .37第 4 章 多传感器数据融合 .384.1 总

15、体设计 .384.2 RT-Thread 系统简介 .384.3 数据帧 .41基于红外阵列的人体移动行为检测V4.3.1 帧格式设计 .414.3.2 数据帧发送频率 .424.4 应用场景 .444.4.1 数据拼接 .454.4.2 室内人数检测与定位 .474.4.3 睡姿监测 .494.5 本章小结 .50第 5 章 系统测试 .515.1 测试环境 .515.2 单传感器 .525.2.1 不同个体站立 .525.2.2 人体定位与人数检测测试 .555.2.3 姿态检测 .565.3 多传感器 .585.3.1 人体定位与人数检测测试 .585.3.2 智能照明系统功能测试 .6

16、05.4 本章小结 .60第 6 章 总结与展望 .626.1 总结 .626.2 展望 .62参考文献 .64致谢 .68基于红外阵列的人体移动行为检测1第 1 章 绪论1.1 研究背景和意义近年来，随着无线通信技术的迅猛发展，使得万物互联的物联网技术成为可能。目前物联网技术已经开始渗入到了人们的衣食住行的各个领域，对人们生活水平不断提高有极大的促进作用。同时，人们对于健康也越来越看重，这使各种人体监测系统被广泛的运用于家庭、医院、工厂 1等人数较多的地方。基于上述的背景，人体检测技术被人们格外重视，因为该技术一般会涉及人身安全、危险预警、及时报警等问题。所以，对于人体检测技术的探索与推广仍

17、然具有重大的意义和市场前景 2。根据人体是否携带探测器，可以将人体检测方案分为两大类：植入式人体检测和非植入式人体检测。植入式人体检测方案是指将传感器放置在测试者的身上，通过检测的数据分析测试者此时的行为，它的优势在于可以不受测试者运动地点的限制。相对于植入式方案，非植入式方案更加贴近人们的日常生活，因为这一方案在检测过程中并不会对测试者的行为和心理带来的任何影响 3。目前非植入式人体检测方案的信号源主要有三种：视频信号、超声波信号、热信号 3。传统的非植入式方案主要是基于视频信号设计的：首先通过媒体设备获取大量的视频数据，然后在系统上运行设计好的图像处理算法 4，对图像中的数据进行识别并获取

18、相应参数，从而实现对目标的检测。虽然该方案目前应用最为广泛，但是基于视频信号的检测方案有其难以改善的瓶颈。首先，由于视频信号是连续图像的组合，数据量巨大，因此需要强大的计算平台来实时的运行较为复杂的图像处理算法，例如图像背景剪切 5等等。此外，为了便于之后的观察，需要对视频中的图像数据进行存储，从而占用大量的存储空间，这就带来了额外的硬件开销。最后，在当今分布式系统逐渐普及的情况下，对于这样的大数据量的传输无疑是有巨大压力的 7。而基于超声波信号的检测系统是根据发射的超声波信号与反射回的超声波信号时间差判断传感器与目标之间的距离的。超声波检测系统的优点是功耗低，工作时间长，并且由于超声波自身的

19、特点，它可以传播较远的距离，而且可以在人体检测精度较低的地方实现大面积覆盖。然而超声波无法识别人体与其他物体，同时它的指向性强，如果要实现整个待检区域的无死角覆盖，就必须铺设指向各个方向的脉冲发生器和回波检测器 8。在铺设的时候不能将脉冲发生器与回报检测器靠的太近，否则硕士学位论文2脉冲发生器发送超声波信号会干扰旁边回波检测器的正常运行。因此它只能应用于低精度且环境简单的人体定位 9。相对于以上两种检测方案，基于热信号的检测系统往往能够克服上述的一些主要问题。首先基于热信号的检测系统探测数据格式简单，每帧数据的数据量小，这意味着所需存储空间也相应的较小。而且，基于热信号的人体检测是依赖的是人体

20、所发出的热信号 10而与环境光照没有关系，即使夜间也一样能检测到人体。所以此类检测系统不需要额外的照明设备来保证探测数据的准确性。在进行热信号获取时，每个人都可以看作是一个热源，当人体在系统的探测区域移动时，他所散发的热能将在探测空间呈现相应的分布。可以通过红外传感器网获得的数据提取出人体移动信息，比如位置、速度等。综上考虑，本文的设计方案是基于热信号的人体检测系统，通过平铺在测量范围内的红外阵列组成的网络，来获取收集来的热点信号，然后进行热点图像拼接，经过专门的算法设计来实现人体行为检测的。1.2 国内外发展现状基于图像的人体移动行为检测技术一般是通过监控录像、电视媒体等视频图像数据来获取人

21、体运动数据，分析人体运动状态的。由于该类数据容易获取，早期的研究都以这个方向为主，这种检测技术也相对较为发达。Marsalck M11 等人应用时空金字塔的方法对视频中多种基本动作包括坐、躺和站立等行为进行了成功识别。He T 等 12对足球运动员踢球的动作进行了识别，提出多组态框架的方法，该方法已经可以对固定地点踢球、运动中带球等不同的行为动作进行识别。Z Liu 等 13人对一种基于框架的识别方法进行研究，这种方法可以对人体上肢的一些常见的动作进行识别，包括抛、捡、招手等动作。基于图像的人体行为识别研究发展比较成熟，但是其缺点也很明显，那就是容易侵犯用户的个人隐私。因此，出现了许多的非视频的方式来进行人的行为分析。目前基于穿戴设备的人体移动行为检测的研究也越来越火热，这种方法是通过将设备佩戴在人体的相关位置 14，比如手臂、腰部和大腿等，通过读取设备中传感器的数据，提取各种运动行为特征，经过算法处理，检测出不同的人体行为。该方法相对基于图像的人体行为检测，是一个比较新颖的方向。早在上世纪中期，就有了基于加速度传感器设备的人体移动行为检测，但是由于当时加速度传感器制造技术比较落后，体积较大，制造成本高，因而在当时并没有得到广泛推广。近年来，由于传感器技术和制造工艺的飞速发展和普及，使得在穿戴设备上进行人体移动行为检测的研究成为现在流行的热门 17。Van