一种基于红外阵列传感器的人员跌倒检测系统技术方案

本发明专利技术公开了一种基于红外阵列传感器的人员跌倒检测系统，以红外阵列传感器为媒介采集温度数据，对数据进行处理、筛除、提取和训练，得到最终跌倒信息。系统包括：数据处理模块、干扰数据排除模块、特征提取与处理模块和特征训练模块。数据处理模块用于处理初始数据，差分数据，分离前景背景，确定人的具体位置和停留时间；干扰数据排除模块通过S‑G滤波以及干扰特征找出干扰信息排除干扰数据；特征提取与处理模块通过中心分割、聚类等方法提取跌倒最为明显的四个特征；特征训练模块利用随机森林算法训练得到最终检测结果。本发明专利技术对红外检测的各个阶段进行处理，检测准确率高，误报率低，成本低，适用性范围广。

A personnel fall detection system based on infrared array sensor

The invention discloses a personnel fall detection system based on an infrared array sensor. The temperature data is collected by an infrared array sensor as a medium, and the data is processed, screened, extracted and trained to obtain the final fall information. The system includes data processing module, interference data elimination module, feature extraction and processing module and feature training module. Data processing module is used to process initial data, differential data, separate foreground background, determine the specific location and residence time of human; interference data elimination module through S_G filtering and interference characteristics to find interference information to eliminate interference data; feature extraction and processing module through central segmentation, clustering and other methods to extract the most falls. For the obvious four features, the feature training module trains the random forest algorithm to get the final test results. The invention processes various stages of infrared detection, with high detection accuracy, low false alarm rate, low cost and wide applicability.

【技术实现步骤摘要】
一种基于红外阵列传感器的人员跌倒检测系统
本专利技术涉及行为识别
，特别涉及一种基于红外阵列传感器的跌倒检测系统。
技术介绍
目前，我国老龄化日趋严重。据统计，2015年60岁及以上人口达到2.22亿，占总人口的16.15％。预计到2020年，老年人口达到2.48亿。于此同时，医院护理人员短缺，大量行动不便的病人得不到专有护士人员的照顾，安全得不到保障。不管是空巢老人的看护问题，还是行动不便人员的照料问题，他们的安全问题应该得到我们的注意，特别是人员跌倒后得不到及时的救治，往往造成严重的后果。因此人员跌倒检测有必要得到重视和发展。经对现有文献进行检索得知，中国专利申请号为：201710287706.4名称为：一种基于智能手机的老人跌倒检测方法；其所记载的技术方案是利用智能手机对老人跌倒动作进行采集处理，虽然避免了各种传感器的整合，但是需要人员实时佩戴手机，并且阈值检测的方法环境适应能力低。中国专利申请号为：201621329569.3，名称为：一种人体跌倒检测装置；其所记载的技术方案虽然是利用红外阵列传感器进行检测，但是单纯的红外图像并不能准确的分析出目标的跌倒情况，只根据固定的热源像素图无法准确的判断出不同环境温度变换时的跌倒情况。
技术实现思路
本专利技术目的在于提供一种利用红外阵列传感器进行人员温度采集、每个阶段进行算法分析和数据处理、最后提取特征、利用随机森林算法得到训练结果自动识别人员行为动作、从而达到自动检测跌倒目的的人员跌倒检测系统。为实现上述目的，采用了以下技术方案：本专利技术所述系统包括数据采集模块、数据处理模块、干扰数据排除模块、特征提取模块和数据训练模块；数据采集模块与数据处理模块相连，数据采集模块通过传感器收集处理数据，得到人体跌倒的静止时间和位置并将跌倒信息传输至数据处理模块；数据处理模块与干扰数据排除模块数据采集模块相连，数据处理模块对跌倒信息进行预处理后传输至干扰数据排除模块；干扰数据排除模块与特征提取模块数据处理模块连接，用于进一步排除干扰数据影响，解决移动过快时传感器响应时间跟不上检测速度而造成数据误判问题；特征提取模块与干扰数据排除模块相连，用于对排除干扰后的数据进行分析，提取跌倒的关键特征；数据训练模块与特征提取模块相连，数据训练模块接受特征提取模块传来的信息，对提取的特征利用随机森林的算法进行训练，得到最终结果，判断是否为“跌倒”状态，得出最终结果。进一步的，所述数据处理模块包括差分数据模块和轨迹确定模块；差分数据模块用于接收传感器传来的信息，并将收到的数据进行差分处理，去除环境热源干扰；It,Bt分别为当前帧与背景帧图像，T为前景灰度阈值；当Nt＝|It(x,y)-Bt(x,y)|>T时保留Nt，背景数据置零。轨迹确定模块与差分数据模块相连，用于大体确定人员运动估计以及静止时间。轨迹确定模块确定每帧数据中最高温度，用Th表示；并且利用Th找到轨迹的具体坐标；位置横坐标为Th与8的商，纵坐标为Th与8余数.并且当Th的停留时间大于阈值时间T停留时，则认为人体出现静止状态。进一步的，所述干扰数据排除模块包括滤波模块、干扰特征提取模块、干扰排除模块：滤波模块与数据处理模块相连，利用S-G滤波对数据处理模块传输的数据进行滤波处理，用于平滑数据曲线，去除噪声影响；干扰特征提取模块与滤波模块相连，通过提取不同特征，利用峰距，峰度以及检测物体所占像素面积大小，提取数据干扰项；干扰排除模块与干扰特征提取模块相连，用于排除检测到的干扰特征是否剔除；若检测到则进行数据筛选，保留正常数据。进一步的，所述特征提取模块中检测人员像素面积大小检测利用聚类和大津法相结合的方法，将环境温度，人体辐射温度以及人体温度聚成三类，找到温度最高的一类即人体温度，再利用大津法进行面积大小检测，判断面积大小；其中大津法中：T＝Max[w0*w1*(u0-u1)2]式中，T为遍历所有值得到的最大阈值，即前景与背景的分离阈值；w0：前景像素点占整幅图像大小的比例；u0：前景像素点的平均值；w1：背景像素点占整幅图像大小的比例；u0：背景像素点的平均值；其中，聚类方法中：式中，xi代表处理后的第i个样本数据的温度数值；μk代表第k个类的重心位置；k代表需要样本聚成几类，这里k为3；J代表各个类畸变程度之和。每个类的畸变程度等于该类重心与其内部成员位置距离的平方和，使J最小时，聚类完成。进一步的，所述特征提取模块提取干扰数据排除模块传输过来的正常数据；通过对静止到达时间，分层所用时间，面积大小以及静止前三个面积总和四个特征进行提取，得到训练特征数据。与现有技术相比，本专利技术具有如下优点：通过检测人体跌倒的各个过程进行分析处理数据，使得到的数据更加实用，结果更加精确；通过随机森林的特征提取并且训练使选取的特征更加快速精确；通过聚类与大津法算法的结合的方法有效的避免了传统采用阈值法存在的误差，并且适用于各种不同温度，突破了传统不同温度下不同阈值的限制；采用红外传感阵列检测，方便小巧，操作简单，保护隐私，不受环境和空间上的制约。附图说明图1为本专利技术实施例的系统结构组成示意图；图2为图1中数据处理模块的示意图；图3为图1中干扰排除模块的示意图；图4为本专利技术实施例公开的排除干扰数据流程图；图5为本专利技术实施例公开的聚类与大津法相结合的面积判别法流程图。具体实施方式下面结合附图对本专利技术做进一步说明：如图1所示，本专利技术系统主要包括：数据处理模块1、干扰数据排除模块2、特征提取模块3和数据训练模块4，其中：数据处理模块1负责处理收集数据。干扰数据排除模块2负责去除干扰数据，特征提取模块3负责提取跌倒特征，数据训练模块4负责训练数据，得到跌倒信息。数据处理模块1与传感器相连，接收传感器传来的数据，并将处理后的信息传给干扰数据排除模块2。如图2所示，该模块通过对传感器数据进行预处理，找到人体跌倒的时间和位置，然后针对具体跌倒时间位置进行分析。数据处理模块1包括：差分数据模块1-1和轨迹确定模块1-2；差分数据模块1-1，与传感器相连；用于接受传感器传来的信息，并将收到的数据进行差分处理，去除环境热源干扰。It,Bt分别为当前帧与背景帧图像，T为前景灰度阈值；当Nt＝|It(x,y)-Bt(x,y)|>T时保留Nt，背景数据置零。轨迹确定模块1-2与差分数据模块1-1相连；用于大体确定人员运动轨迹以及静止时间。轨迹确定子模块确定每帧数据中最高温度位置，用Th表示；并且利用Th找到轨迹的具体坐标；位置横坐标为Th与8的商，纵坐标为Th与8余数.并且当Th的停留时间大于阈值时间T停留时，则认为人体出现静止状态。比如Th超过T停留时间，此时得到差分数据为45，那么此时的坐标就为(5，5)。我们检测数据时就只用分析(5，5)及其附近的像素点即可。干扰数据排除模块2与数据处理模块1相连，用于进一步排除干扰数据影响。如图3所示，该模块主要是解决移动过快时，传感器响应时间跟不上检测速度而造成数据误判问题。干扰数据排除模块2包括：滤波模块2-1、干扰特征提取模块2-2以及干扰排除模块2-3；滤波模块2-1与数据处理模块1相连，由于传感器检测实际温度在±0.5℃之间波动，检测到的数据可能会出现毛刺现象，从而产生误差。为了避本文档来自技高网...

【技术保护点】
1.一种基于红外阵列传感器的人员跌倒检测系统，其特征在于，所述系统包括数据采集模块、数据处理模块、干扰数据排除模块、特征提取模块和数据训练模块；数据采集模块与数据处理模块相连，数据采集模块通过传感器收集处理数据，得到人体跌倒的静止时间和位置并将跌倒信息传输至数据处理模块；数据处理模块与干扰数据排除模块数据采集模块相连，数据处理模块对跌倒信息进行预处理后传输至干扰数据排除模块；干扰数据排除模块与特征提取模块数据处理模块连接，用于进一步排除干扰数据影响，解决移动过快时传感器响应时间跟不上检测速度而造成数据误判问题；特征提取模块与干扰数据排除模块相连，用于对排除干扰后的数据进行分析，提取跌倒的关键特征；数据训练模块与特征提取模块相连，数据训练模块接受特征提取模块传来的信息，对提取的特征利用随机森林的算法进行训练，得到最终结果，判断是否为“跌倒”状态，得出最终结果。

【技术特征摘要】
1.一种基于红外阵列传感器的人员跌倒检测系统，其特征在于，所述系统包括数据采集模块、数据处理模块、干扰数据排除模块、特征提取模块和数据训练模块；数据采集模块与数据处理模块相连，数据采集模块通过传感器收集处理数据，得到人体跌倒的静止时间和位置并将跌倒信息传输至数据处理模块；数据处理模块与干扰数据排除模块数据采集模块相连，数据处理模块对跌倒信息进行预处理后传输至干扰数据排除模块；干扰数据排除模块与特征提取模块数据处理模块连接，用于进一步排除干扰数据影响，解决移动过快时传感器响应时间跟不上检测速度而造成数据误判问题；特征提取模块与干扰数据排除模块相连，用于对排除干扰后的数据进行分析，提取跌倒的关键特征；数据训练模块与特征提取模块相连，数据训练模块接受特征提取模块传来的信息，对提取的特征利用随机森林的算法进行训练，得到最终结果，判断是否为“跌倒”状态，得出最终结果。2.根据权利要求1所述的一种基于红外阵列传感器的人员跌倒检测系统，其特征在于：所述数据处理模块包括差分数据模块和轨迹确定模块；差分数据模块用于接收传感器传来的信息，并将收到的数据进行差分处理，去除环境热源干扰；轨迹确定模块与差分数据模块相连，用于大体确定人员运动估计以及静止时间。3.根据权利要求1所述的一种基于红外阵列传感器的人员跌倒检测系统，其特征在于：所述干扰数据排除模块包括滤波模块、干扰特征提取模块、干扰排除模块：滤波模块与数据处理模块相连，利用S-G滤波对数据处理模...

【专利技术属性】
技术研发人员：刘志新，杨明，袁亚洲，李新，覃淞，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13