基于自学习的红外图像人体识别方法技术

公开一种基于自学习的红外图像人体识别方法，包括处理器，红外成像模块，存储数据的RAM和电源，处理器内部设置人体识别方法，所述的人体识别方法包括以下步骤：采集红外图像f(x,y)；二值化处理，得到二值图I0(x,y)；进行腐蚀运算，得到腐蚀图I1(x,y)；在腐蚀图I1(x,y)中搜索红外成像区域Sj，计算长宽比rj和几何中心点oj；根据长宽比rj和几何中心点oj是否移动，增加该区域为人体活跃值，并存储在Array中；根据长宽比rj，几何中心点oj是否移动和Array中的活跃值大小，判断成像区域是否为人体目标。

【技术实现步骤摘要】
基于自学习的红外图像人体识别方法
本专利技术涉及基于自学习的红外图像人体识别方法，属于传感器检测领域。
技术介绍
人体目标检测具有非常广泛的应用，比如智能监控，根据人体目标的位置调整摄像机的角度，获得最佳的监控效果，还有智能家居，根据人体目标的位置调整空调的出风方向或者取暖设备的供暖方向，达到最舒适的效果，也可以根据环境内是否有人存在，而控制空调设备的启动或者停止，达到节约能源的目的。但是目前人体目标检测的方式，主要有两个：第一种是人体红外热释电的检测方式，这个方式只能检测动态人体，具有很大的局限性；第二种是靠红外光或者可见光进行成像，然后通过形态学的方法进行识别，这种方式容易被复杂场景干扰，稳定性差。
技术实现思路
针对上述问题，本专利技术提供基于自学习的红外图像人体识别方法，该方案通过红外成像模块获取环境的红外图像，并根据人体特征温度进行人体目标提取，并进行形态学的方法进行筛选，同时不断跟踪这些目标，并在活跃地图上进行标注，为后续的人体识别提供重要判断依据。本专利技术解决其技术问题所采用的技术方案是：基于自学习的红外图像人体识别方法，包括进行集中处理的处理器，与所述的处理器连接的红外本文档来自技高网...

【技术保护点】
1.基于自学习的红外图像人体识别方法，包括进行集中处理的处理器，与所述的处理器连接的红外成像模块，所述的红外成像模块上设置进行聚焦成像的镜头，与所述的处理器连接的存储数据的RAM，还包括提供工作电压的电源，其特征在于：所述的处理器内部设置人体识别方法，所述的人体识别方法包括以下步骤：(1) 设置数据链表L={ai(xi,yi,ci)}，其中，i=0，1，2......，xi=1~M，yi=1~N，M为所述的红外成像模块x轴方向上的最大像素个数，N为所述的红外成像模块y轴方向上的最大像素个数，ci为时间计数器，初始值为0，最大值为Cmax；以二维数组的方式设置活跃地图Array[p][q]，其中...

【技术特征摘要】
1.基于自学习的红外图像人体识别方法，包括进行集中处理的处理器，与所述的处理器连接的红外成像模块，所述的红外成像模块上设置进行聚焦成像的镜头，与所述的处理器连接的存储数据的RAM，还包括提供工作电压的电源，其特征在于：所述的处理器内部设置人体识别方法，所述的人体识别方法包括以下步骤：(1)设置数据链表L={ai(xi,yi,ci)}，其中，i=0，1，2......，xi=1~M，yi=1~N，M为所述的红外成像模块x轴方向上的最大像素个数，N为所述的红外成像模块y轴方向上的最大像素个数，ci为时间计数器，初始值为0，最大值为Cmax；以二维数组的方式设置活跃地图Array[p][q]，其中p=1~M/K，q=1~N/K，K为压缩比列，存储成像区域的人体活跃值，数值范围为0-100，初始值为Array[p][q]=0；(2)所述的处理器每个固定周期通过所述的红外成像模块获取场景的红外图像f(x,y)，其中x=1~M，y=1~N，并存储在所述的RAM中；(3)对红外图像f(x,y)进行二值化处理，得到二值图I0(x,y)，采用的方法为：当T1<f(x,y)<T2，则I0(x,y)=1，否则I0(x,y)=0，其中，T1为人体温度对应红外辐射强度采样值的下限值，T2为人体温度对应红外辐射强度采样值的上限值；(4)对二值图I0(x,y)进行腐蚀运算，消除成像过程中产生的噪声，得到腐蚀图I1(x,y)；(5)在腐蚀图I1(x,y)中搜索非零区域Sj，计算非零区域Sj的长宽比rj和几何中心点oj(xj,yj)，j=0，1，2......，并将非零区域Sj清零，如果rj>T3，则执行步骤6，否则重复执行步骤5，其中T3为正常人体的长宽比下限；如果无法搜索到非零区域Sj，则执行步骤8；(6)执行匹对算法，以来自同一非零区域的原则，将几何中心点oj(xj,yj)和数据链表L中的元素ai(xi,yi)进行配对，并求两者之间的距离Dij=，执行步骤7；如果几何中心点oj(xj,yj...

【专利技术属性】
技术研发人员：刘瑜，
申请(专利权)人：杭州晶一智能科技有限公司，
类型：发明
国别省市：浙江,33