[发明专利]一种基于红外传感器的姿态识别方法及系统

说明书

本发明属于图像处理技术领域，具体提供了一种基于红外传感器的姿态识别方法及系统，该方案基于红外传感器对室内场景进行成像，并通过后端信息处理模块进行人体目标的检测及姿态识别，一旦检测到异常姿态如摔倒，则立即通过网络输出异常告警信号，将识别到的异常图像画面输出至告警终端。由于红外传感器捕获的是人体温度信息，因此不存在泄漏人体隐私的问题，而且可以全天时工作。一方面采用单个广角红外传感器即可监控一个房间，提高了成像距离，增强了实用性；另一方面采用目标检测网络+分类网络，只需要人体在图像范围内，任意位置都可以被自动检测到，然后对其进行姿态分类，实用性大大提高。

技术领域

本发明属于图像处理技术领域，具体涉及一种基于红外传感器的姿态识别方法及系统。

背景技术

目前全球人口老龄化趋势加重，独居老人因在室内发生摔倒没有被及时发现而造成伤害的事件时有发生。当前针对老年人摔倒检测的产品繁复多样，但主要可分为两大类：

一类是基于配备加速度传感器的可穿戴设备，如智能手环、手机等，根据仪器内置的加速度传感器，预测佩带主体的实时姿态信息；另一类是基于视频的智能监控产品，不需要主动佩带设备仪器，主要由可见光、近红外、深度相机等一个或多个传感器，以及相应后端信息处理系统组成，通过对视频图像中的人体进行目标检测，进而实时判断人体姿态信息。

当前应用较广的视频的智能监控产品中，基于可见光传感器的方案，虽然成本低，但依赖照明，在夜晚无法正常工作，且存在泄漏使用者的隐私的风险；基于近红外或Kinect等深度传感器的方案，虽然不依赖可见光照明，也不存在泄漏用户隐私的风险，但是识别距离近、多传感器部署时产品成本昂贵。

公开号为CN109086754A、名称为一种基于深度学习的人体姿态识别方法的发明专利，采用kinect深度相机和分类网络算法，不能实时检测到人在图像中的位置，因此需要被测试者主动配合站在固定位置(如图像中央)，实用性极为受限。

发明内容

本发明的目的是克服现有技术中人体姿态识别效率低且使用局限性大的问题。

为此，本发明提供了一种基于红外传感器的姿态识别方法，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；

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。

优选地，在所述步骤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。

优选地，所述实时姿态检测结果包括坐标信息及姿态类别。

优选地，所述步骤S3具体包括：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。

优选地，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。