[发明专利]一种基于红外传感器的姿态识别方法及系统

权利要求书

1.一种基于红外传感器的姿态识别方法，其特征在于，包括：

S1：预存目标物的红外姿态样本模型，并在开源框架TensorFlow下对该红外姿态样本模型进行深度学习训练；模型训练完成后，对模型进行移植，对模型进行8bit量化，并进行嵌入式移植；

S2：获取目标物的红外姿态信息；

S3：将所述红外姿态信息输入至所述红外姿态样本模型中，并进行矩阵运算分析得到该目标物的实时姿态检测结果；

具体地，先对所述红外姿态信息进行动态范围压缩得到图像信息，然后将所述红外姿态信息输入至所述红外姿态样本模型中，并进行矩阵运算分析得到该目标物的实时姿态检测结果；

所述动态范围压缩的方式为自适应线性映射，公式如下：

C＝C_exp/(nMax-nMin)

B＝B_exp-C*nAvg

Y8[i]＝Y16[i]*C+B

其中，Y16[i]为红外姿态信息的16位的红外姿态信息，Y8[i]为进行动态压缩后得到的8位图像信息，所述nMax、nMin、nAvg分别代表16位的红外姿态信息的全图灰度最大值、最小值、平均值，B、C分别代表亮度、对比度，B_exp、C_exp为预设的期望亮度、期望对比度，默认值分别为110、255。

2.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于，在步骤S1之前还包括：信号处理单元提前采集不同室内温度、不同体型的目标物的红外姿态样本模型，并对所述红外姿态样本模型标注坐标信息及姿态类别。

3.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于：所述实时姿态检测结果包括坐标信息及姿态类别。

4.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于，步骤S2具体包括：通过广角红外传感器实时获取目标物的红外姿态信息。

5.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于，步骤S3之后还包括：若检测到所述目标物的姿态异常时，则进行报警。

6.一种基于红外传感器的姿态识别系统，其特征在于，包括：图像采集单元及信号处理单元；

所述图像采集单元用于获取目标物的红外姿态信息；

所述信号处理单元用于预存目标物的红外姿态图像得到样本模型，并在开源框架TensorFlow下对该样本模型进行深度学习训练，模型训练完成后，对模型进行移植，对模型进行8bit量化，并进行嵌入式移植；然后将所述红外姿态信息输入至所述红外姿态样本模型中，并进行矩阵运算分析得到该目标物的实时姿态检测结果；

具体地，先对所述红外姿态信息进行动态范围压缩得到图像信息，然后将所述红外姿态信息输入至所述红外姿态样本模型中，并进行矩阵运算分析得到该目标物的实时姿态检测结果；

所述动态范围压缩的方式为自适应线性映射，公式如下：

C＝C_exp/(nMax-nMin)

B＝B_exp-C*nAvg

Y8[i]＝Y16[i]*C+B

其中，Y16[i]为红外姿态信息的16位的红外姿态信息，Y8[i]为进行动态压缩后得到的8位图像信息，所述nMax、nMin、nAvg分别代表16位的红外姿态信息的全图灰度最大值、最小值、平均值，B、C分别代表亮度、对比度，B_exp、C_exp为预设的期望亮度、期望对比度，默认值分别为110、255。

7.根据权利要求6所述的基于红外传感器的姿态识别系统，其特征在于：所述系统还包括图像预处理单元，所述图像预处理单元用于对所述红外姿态信息进行动态范围压缩得到图像信息。

8.根据权利要求6所述的基于红外传感器的姿态识别系统，其特征在于：所述系统还包括告警输出单元，所述告警输出单元用于对所述目标物的异常姿态进行报警并输出。