基于低分辨率紅外陣列傳感器的人體識(shí)別算法

耿建平黃文廣

(桂林電子科技大學(xué)電子工程與自動(dòng)化學(xué)院，廣西 桂林 541000)

隨著科技的快速發(fā)展，科技深入到各方各面。在軍事、公安、日常生活中無處不在，人體檢測(cè)也成為發(fā)展的重點(diǎn)。在軍事作戰(zhàn)方面可用于人員檢測(cè)，在公安方面可用于人員監(jiān)督，在日常生活中可用于報(bào)警系統(tǒng)的監(jiān)督和節(jié)能系統(tǒng)的檢測(cè)。在現(xiàn)有方法中，有工藝成熟的熱釋電紅外傳感器檢測(cè)法，能夠?qū)\(yùn)動(dòng)的人進(jìn)行精確測(cè)量，但其缺點(diǎn)是無法實(shí)現(xiàn)對(duì)靜止不動(dòng)的人進(jìn)行檢測(cè)，所以使用陣列傳感器對(duì)人體進(jìn)行檢測(cè)得到了快速的發(fā)展，因其不僅可以對(duì)運(yùn)動(dòng)的人進(jìn)行檢測(cè)還可對(duì)靜止的人進(jìn)行檢測(cè)。它的測(cè)量方式是將一個(gè)區(qū)域平均分成多個(gè)小區(qū)域，然后對(duì)每個(gè)小區(qū)域的平均溫度進(jìn)行測(cè)量，而這時(shí)候它的測(cè)量準(zhǔn)確性就會(huì)受到背景溫度，距離的影響。要想提高準(zhǔn)確性有兩種方法，一種是硬件上，在相同的區(qū)域上，增加小區(qū)域數(shù)量也就是所說的分辨率，這時(shí)不管是工藝復(fù)雜程度、難度還是體積都會(huì)成倍提升。第二種是通過算法來提高檢測(cè)準(zhǔn)確性，且算法能夠提高任何分辨率的陣列紅外傳感器檢測(cè)準(zhǔn)確性。

在使用低分辨率陣列傳感器的檢測(cè)算法中，有自適應(yīng)背景估計(jì)[1]和幀間方差法[2]。在無外部環(huán)境干擾下，兩種方法都能實(shí)現(xiàn)很好的檢測(cè)。其共有缺點(diǎn)是無法在含高頻率紅外信號(hào)外部環(huán)境干擾下的準(zhǔn)確實(shí)現(xiàn)人體識(shí)別。幀間方差法，通過采用每幀之間的方差差值與閾值對(duì)比來實(shí)現(xiàn)人體檢測(cè)，因算法瞬時(shí)特性，可以對(duì)連續(xù)變化的紅外信號(hào)進(jìn)行區(qū)分。因高頻率溫度干擾也具有瞬時(shí)性，所以無法將其進(jìn)行區(qū)分，且當(dāng)人體處于靜止?fàn)顟B(tài)，也無法使用該算法對(duì)人體進(jìn)行檢測(cè)，只能通過閾值進(jìn)行判斷，使得該算法在含高頻率紅外信號(hào)外部干擾下準(zhǔn)確度較低。自適應(yīng)背景估計(jì)通過人體測(cè)量溫度和背景溫度的溫度差值與閾值對(duì)比來實(shí)現(xiàn)人體檢測(cè)，人體測(cè)量溫度由傳感器測(cè)量數(shù)據(jù)通過卡爾曼濾波得到，背景溫度由熱敏電阻傳感器測(cè)量數(shù)據(jù)通過背景估計(jì)算法得到，因外部熱源會(huì)提高背景溫度、減小與人體溫度的差值，且卡爾曼濾波只能消除白噪聲，無法消除其他噪聲，所以無法區(qū)分外部環(huán)境的高頻率溫度干擾，使得該算法在含高頻率紅外信號(hào)外部干擾下準(zhǔn)確度較低。針對(duì)這兩種算法的缺點(diǎn)，對(duì)自適應(yīng)背景估計(jì)算法進(jìn)行修改和創(chuàng)新，提出了一種新的算法，命名為人體識(shí)別算法。算法的第一步，對(duì)每個(gè)傳感器檢測(cè)單元的數(shù)據(jù)進(jìn)行卡爾曼濾波[3-5]，消除信號(hào)中的白噪聲干擾。第二步對(duì)濾波后的數(shù)據(jù)進(jìn)行EMD算法分解[6-9]得到IMF分量，通過IMF分量的瞬時(shí)頻率有效性，實(shí)現(xiàn)外部熱源紅外信號(hào)、人體紅外信號(hào)、高頻率紅外干擾信號(hào)的區(qū)分。如果IMF分量包含兩種或兩種以上信號(hào)，將IMF分量重復(fù)第二步。第三步對(duì)部分IMF分量使用小波變換和重組算法[9-13]，選擇適當(dāng)?shù)拈撝堤蕹恍枰男盘?hào)，目的是減少數(shù)據(jù)進(jìn)行EMD算法的分解和IMF分量的分析和處理的次數(shù)，簡化算法。第四步將保留和處理后的IMF分量進(jìn)行EMD算法重組。第五步對(duì)閾值進(jìn)行選取，判斷人體是否存在。

數(shù)據(jù)采集使用的是D6T-44L-06低分辨率陣列傳感器，通過物體表面溫度進(jìn)行測(cè)量。具有體積小，易于安裝，價(jià)格便宜等優(yōu)點(diǎn)。D6T-44L-06低分辨率陣列傳感器有16個(gè)通道，按4×4排列，還包含一個(gè)環(huán)境溫度測(cè)量單元。

1 人體紅外信號(hào)提取算法

算法共分為兩部分。第一部分，對(duì)低分辨率陣列傳感器采集到的原始數(shù)據(jù)進(jìn)行人體紅外信號(hào)特征提取，圖1為第一部分算法流程圖。第二部分，進(jìn)行閾值選取，對(duì)人體存在進(jìn)行判斷。本文數(shù)據(jù)通過低分辨率陣列傳感器D6T-44L-06實(shí)際檢測(cè)獲取。

圖1 人體紅外信號(hào)特征提取算法流程圖

1.1 人體紅外信號(hào)提取

1.1.1 卡爾曼濾波

對(duì)采集到的原始數(shù)據(jù)進(jìn)行卡爾曼濾波[3-5]，使用該算法是為了去除外部干擾信號(hào)中所包含的白噪聲?？柭鼮V波可以分成兩部分，第一部分建模，第二部分進(jìn)行估計(jì)和數(shù)據(jù)融合。

第一部分模型建立:

狀態(tài)方程:設(shè)當(dāng)t時(shí)刻的溫度為X1(t)，溫度是隨時(shí)間變化的。設(shè)在24h中溫度的變化率為X2(t)，需要獲取X2(t)與X2(t-1)的關(guān)系來建立模型，當(dāng)t與(t-1)的時(shí)間間隔越小，X2(t)與X2(t-1)越相近，當(dāng)時(shí)間間隔足夠小時(shí)X2(t)＝X2(t-1)，這時(shí)兩時(shí)刻的溫度變化是勻速變化。當(dāng)時(shí)間間隔取值為0.1 s時(shí)，誤差為正負(fù)0.23%。由此得到方程如下:

由于存在過程誤差，所以由式(1)得到如下公式:

取ΔT＝1，得:

測(cè)量方程:由溫度傳感器直接測(cè)量得到，設(shè)測(cè)量溫度為Y(t)，存在測(cè)量誤差V(t)，公式如下:

由卡爾曼濾波得，一個(gè)動(dòng)態(tài)系統(tǒng)可以由如下方程表示:

由式(3)～式(5)得:

第二部分?jǐn)?shù)據(jù)估計(jì)和融合:

預(yù)測(cè):

模型中沒有ωk-1得:

重點(diǎn)是ˉX0的初始取值。

先驗(yàn)誤差協(xié)方差:

重點(diǎn)是P0的初始值取值。式中Q為過程誤差協(xié)方差矩陣。

校正:

卡爾曼增益:

式中:R為測(cè)量誤差協(xié)方差矩陣。

后驗(yàn)估計(jì):

更新誤差協(xié)方差:

圖2和圖3所示，為低分辨率陣列傳感器采集到的不同實(shí)際情況下的原始數(shù)據(jù)圖。圖4和圖5，為分別對(duì)圖2和圖3的原始數(shù)據(jù)進(jìn)行卡爾曼濾波算法處理后的結(jié)果圖。從圖中的數(shù)據(jù)對(duì)比和大量的實(shí)驗(yàn)結(jié)果可知，數(shù)據(jù)進(jìn)行卡爾曼濾波后能夠?qū)Ω蓴_信號(hào)中的白噪聲部分進(jìn)行很好去除。

圖2 人體經(jīng)過測(cè)量區(qū)域低分辨率陣列傳感器采集數(shù)據(jù)圖

圖3 人體進(jìn)入測(cè)量區(qū)域靜止低分辨率陣列傳感器采集數(shù)據(jù)圖

圖4 對(duì)圖2數(shù)據(jù)進(jìn)行卡爾曼率濾波后數(shù)據(jù)圖

圖5 對(duì)圖3數(shù)據(jù)進(jìn)行卡爾曼率濾波后數(shù)據(jù)圖

1.1.2 EMD算法分解與IMF分量

對(duì)卡爾曼濾波后的數(shù)據(jù)，通過EMD算法[6-9]分解成為本征模態(tài)函數(shù)(Intrinsic Mode Function，IMF)的組合分量和殘差Rn，IMF分量是一系列存在瞬時(shí)頻率的函數(shù)，實(shí)現(xiàn)了數(shù)據(jù)的頻率分離。

在本實(shí)驗(yàn)中，通過對(duì)使用卡爾曼濾波算法處理后的數(shù)據(jù)進(jìn)行研究發(fā)現(xiàn)，外部熱源在啟動(dòng)和使用過程中有溫度的變化，大部分的溫度變化是連續(xù)的，少部分是高頻率溫度噪聲。環(huán)境溫度本身，在短時(shí)間內(nèi)基本保持不變。人體經(jīng)過測(cè)量區(qū)域產(chǎn)生的溫度是跳變的。三部分的紅外信號(hào)頻率是不一樣的，通過這個(gè)特點(diǎn)，對(duì)信號(hào)進(jìn)行區(qū)分，可實(shí)現(xiàn)對(duì)人體紅外信號(hào)的特征提取。IMF分量所表達(dá)的就是瞬時(shí)頻率有效，通過其特性可以對(duì)三部分紅外信號(hào)實(shí)現(xiàn)區(qū)分。

EMD算法分解如下:

第一步，給定原始信號(hào)x(t)，利用三次樣條曲線插值法[14-16]連接x(t)的局部極大值點(diǎn)及極小值點(diǎn)，得到上包絡(luò)xmax(t)和下包絡(luò)xmin(t)及上下包絡(luò)的均值m1(t):

大部分的實(shí)際情況下，m1(t)是一個(gè)低頻序列。

第二步，求出原始信號(hào)與m1(t)的差，記為h1(t):

第三步，若h1(t)滿足IMF的條件，則令c1(t)＝h1(t)，且作為x(t)的第一個(gè)本征模態(tài)函數(shù)；若h1不滿足IMF的條件，則對(duì)h1(t)重復(fù)第一步和第二步，即記:

并判斷h11(t)是否滿足IMF的條件，如此迭代下去，直到獲得滿足IMF條件的序列h1k(t)，記:

這樣，我們得到第一個(gè)本征模態(tài)函數(shù)c1(t)。大部分實(shí)際情況下，c1(t)代表的是原始信號(hào)中的高頻部分，可作為原始信號(hào)的一個(gè)振動(dòng)模態(tài)。

第四步，將c1(t)從原始信號(hào)中分離出來，即令:

第五步，分析r1(t)，若r1(t)為常數(shù)或基本呈單調(diào)趨勢(shì)，或者小于事先給定的固定閾值，可被視為測(cè)量誤差而忽略，即已不能再從中提取IMF時(shí)，分解結(jié)束。若r1(t)不滿足上述條件，則重復(fù)第一步到第四步，直至得到第二個(gè)IMF，記為c2(t)。

第六步，令:

對(duì)r2(t)運(yùn)用第五步，如此進(jìn)行下去，直到得到的rn(t)，滿足第五步的條件時(shí)，分解結(jié)束。

經(jīng)過上述“篩選”過程，從原始信號(hào)中分離出n個(gè)IMF:c1，c2，…，cn和一個(gè)趨勢(shì)項(xiàng)或誤差rn，即原始信號(hào)可表示為:

如此，就實(shí)現(xiàn)了對(duì)一個(gè)信號(hào)的經(jīng)驗(yàn)?zāi)B(tài)分解。

1.1.3 小波變換和重組算法

在通過IMF分量進(jìn)行人體紅外信號(hào)提取時(shí)，IMF分量無法做到只包含某一種紅外信號(hào)，只能做到盡量包含大部分某一種紅外信號(hào)和少部分其他紅外信號(hào)，且需要對(duì)IMF分量進(jìn)行多次EMD算法分解，才能達(dá)到區(qū)分目的。為了降低算法的復(fù)雜程度，對(duì)部分IMF分量通過小波變換和重組算法，選取適當(dāng)?shù)拈撝?，去除外部干擾紅外信號(hào)，保留人體紅外信號(hào)。

1.1.4 EMD重組

通過大量實(shí)驗(yàn)表明，對(duì)卡爾曼濾波后數(shù)據(jù)進(jìn)行EMD分解，得到的IMF分量中，IMF1分量是高頻率紅外噪聲部分，人體紅外信號(hào)主要在IMF2和IMF3分量中，IMF2分量中也包含了部分的高頻率噪聲。需要對(duì)IMF2進(jìn)一步進(jìn)行EMD算法，分解得到IMF分量進(jìn)行分析，去除外部環(huán)境紅外信號(hào)，保留人體紅外信號(hào)。在IMF4分量中包含了部分的人體紅外信號(hào)，也包含了部分外部環(huán)境紅外信號(hào)。在IMF5分量中包含了大部分外部熱源紅外信號(hào)和自然環(huán)境溫度變化的紅外信號(hào)。

本實(shí)驗(yàn)采用去除IMF1和IMF5分量，對(duì)IMF2進(jìn)一步進(jìn)行EMD算法分解，得到IMF數(shù)據(jù)分量，再對(duì)IMF分量數(shù)據(jù)進(jìn)行分析，去除其中的IMF1分量，保留其他分量。對(duì)IMF4分量進(jìn)行小波變換重組算法。最終得到圖6和圖7中的數(shù)據(jù)。

圖6 人體經(jīng)過測(cè)量區(qū)域人體紅外信號(hào)特征提取最終數(shù)據(jù)圖

圖7 人體進(jìn)入測(cè)量區(qū)域靜止人體紅外信號(hào)特征提取最終數(shù)據(jù)圖

1.2 閾值選取

對(duì)從算法第一部分得到的數(shù)據(jù)，進(jìn)行閾值的選取。大于閾值部分為人體存在，小于閾值部分為人體不存在。閾值的選取方式為:在外部環(huán)境干擾下，人體經(jīng)過或進(jìn)入靜止測(cè)量區(qū)域。選取50組數(shù)據(jù)進(jìn)行算法處理，將得到的數(shù)據(jù)進(jìn)行式(19)運(yùn)算，得到50個(gè)閾值，選取其中最大的值為最終閾值。

如圖8、圖9所示。大于閾值部分為人體存在，小于閾值部分為人體不存在。

圖8 人體經(jīng)過測(cè)量區(qū)域閾值選取圖

圖9 人體進(jìn)入測(cè)量區(qū)域閾值選取圖

圖10與圖11為自適應(yīng)背景估計(jì)數(shù)據(jù)圖，因卡爾曼濾波只能消除白噪聲，無法對(duì)其他干擾進(jìn)行消除，在高頻率紅外干擾情況下會(huì)將一部分視為人存在，且外部熱源會(huì)提高背景溫度值，減少與人體紅外信號(hào)的差值，降低檢測(cè)準(zhǔn)確度。

圖10 人體經(jīng)過測(cè)量區(qū)域自適應(yīng)背景估計(jì)數(shù)據(jù)圖

圖11 人體進(jìn)入測(cè)量區(qū)域靜止自適應(yīng)背景估計(jì)數(shù)據(jù)圖

2 實(shí)驗(yàn)驗(yàn)證

人體檢測(cè)系統(tǒng)流程圖如圖12所示，硬件系統(tǒng)包括數(shù)據(jù)采集模塊和主控模塊，數(shù)據(jù)采集模塊D6T-44L-06陣列傳感器進(jìn)行數(shù)據(jù)采集，在STM32的控制下通過I2C協(xié)議進(jìn)行數(shù)據(jù)傳輸，再通過NRF24L01無線通信發(fā)送到主控模塊。主控模塊通過串口與PC端進(jìn)行數(shù)據(jù)傳輸。主控模塊對(duì)采集到的數(shù)據(jù)進(jìn)行人體識(shí)別算法處理，進(jìn)行人體檢測(cè)。低分辨率陣列傳感器的安裝方式有兩種，一種為墻壁安裝，一種為天花板安裝，本實(shí)驗(yàn)采用天花板安裝[1]，與人體測(cè)量距離在1.0 m～1.5 m。圖13和圖14為實(shí)物圖。

圖12 人體檢測(cè)系統(tǒng)流程圖

圖14 主控模塊圖

實(shí)驗(yàn)環(huán)境的學(xué)校實(shí)驗(yàn)室、教室、宿舍、食堂。本次實(shí)驗(yàn)進(jìn)行無外部環(huán)境干擾測(cè)試、無高頻率紅外信號(hào)外部環(huán)境干擾測(cè)試、含高頻率紅外信號(hào)外部環(huán)境干擾測(cè)試三種情況。使用的外部干擾源有手機(jī)、電腦、吹風(fēng)機(jī)、熱水器、烤火箱、電磁爐等。考慮到一年分春夏秋冬四個(gè)季節(jié)，而剛好夏季外部環(huán)境溫度是最高的時(shí)候，也是影響最大的時(shí)候。夏季的每天早中晚分別進(jìn)行測(cè)試，測(cè)試時(shí)間為一個(gè)星期。

經(jīng)過測(cè)量的實(shí)驗(yàn)結(jié)果表明，算法實(shí)現(xiàn)了在含高頻率紅外信號(hào)外部干擾環(huán)境下對(duì)人體存在進(jìn)行正確的測(cè)量，解決了現(xiàn)有算法存在的缺點(diǎn)。表1為現(xiàn)有算法與本算法的數(shù)據(jù)對(duì)比。

表1 算法數(shù)據(jù)對(duì)比表格

3 結(jié)論

提出了一種能夠在含高頻率紅外信號(hào)外部環(huán)境干擾下，對(duì)低分辨率陣列傳感器人體檢測(cè)進(jìn)行準(zhǔn)確識(shí)別的算法，解決了原有算法不能在含高頻率紅外信號(hào)外部環(huán)境干擾下進(jìn)行準(zhǔn)確識(shí)別的難題。在無外部環(huán)境干擾下，幀間方差法準(zhǔn)確度為99.86%，自適應(yīng)背景估計(jì)準(zhǔn)確度為99.61%，本實(shí)驗(yàn)準(zhǔn)確度為98.85%。在無高頻率紅外信號(hào)外部環(huán)境干擾下，幀間方差法準(zhǔn)確度為98.46%，自適應(yīng)背景估計(jì)準(zhǔn)確度為97.12%，本實(shí)驗(yàn)準(zhǔn)確度為99.65%。在含高頻率紅外信號(hào)外部環(huán)境干擾下，幀間方差法準(zhǔn)確度為70.23%，自適應(yīng)背景估計(jì)準(zhǔn)確度為73.63%，本實(shí)驗(yàn)準(zhǔn)確度為98.85%。本實(shí)驗(yàn)對(duì)低分辨率陣列傳感器的推廣和使用將起到重要作用。

所提算法的缺點(diǎn):因?yàn)榈头直媛赎嚵袀鞲衅鞯奶匦詾闄z測(cè)物體表面溫度，當(dāng)外部環(huán)境溫度等于或高于傳感器測(cè)量到的人體溫度，就會(huì)造成溫度覆蓋，無法檢測(cè)人體是否存在，預(yù)計(jì)解決辦法為使用熱釋電傳感器輔助檢測(cè)。