一种基于低分辨率红外热成像的室内人员存在检测系统技术方案

本发明专利技术涉及一种基于低分辨率红外热成像的室内人员存在检测系统，包括基于低分辨率红外热成像传感器的检测模块、通讯模块、红外收集器以及上位机模块；检测模块包括低分辨率红外热成像传感器；所述通讯模块与检测模块、红外收集器通信相连，红外收集器与上位机通信相连，用以将检测模块的数据传输至上位机，并将上位机的控制指令发送给检测模块；所述上位机模块在接收到检测模块传输来的一帧温度分布数据后，首先计算温度分布的方差，根据计算结果判别监测区域内是否有人员存在，如果有，则进一步使用机器学习算法对人员具体活动状态进行分类，如果没有则继续接收下一帧数据。本发明专利技术成本较低，结合软件管理平台，可以实现较大范围的同时监控。

An Indoor Personnel Existence Detection System Based on Low Resolution Infrared Thermal Imaging

【技术实现步骤摘要】
一种基于低分辨率红外热成像的室内人员存在检测系统
本专利技术涉及智能楼宇
，特别是一种基于低分辨率红外热成像的室内人员存在检测系统。
技术介绍
随着技术的不断发展，楼宇智能化的程度越来越高。其中智能家居，照明控制，空调智能人感，安防设备，门禁控制等环节不仅需要能够探测到有无人体，而且需要获取更详细的信息，例如人员数量、运动状态、生理状况等，同时为了集中管理，需要将众多的传感器模块通过一种低成本、方便部署的手段连接起来，将信息汇总送入中控系统。现如今常用的人体感知装置有如下几种。一、单点热释电红外传感器，该装置采用菲涅尔透镜将一定角度范围内的红外辐射汇聚到两个并列的红外传感器，根据辐射量的差别判断是否有人。缺点是不能输出物体的绝对温度和物体的运动方向，容易造成人员的误判，且不可识别人数，并且该装置的透镜体积较大，装置整体不易小型化。二、基于机器视觉的人体感知装置，该装置通过摄像头采集图像，通过机器视觉技术检测画面中是否有人。缺点是不具备隐私保护能力，不能使用在酒店客房、洗手间等区域。可见，现有的室内人员感知装置已经不能满足楼宇智能化的要求。以往的热成像监控都是使用昂贵的热成像仪拍摄高分辨率的红外热像画面（如图1），然后根据画面中的影像人工或者使用视觉判断是否有人存在。而传统的热成像仪产生热像画面的过程是，机内红外线辐射传感器的每个像素点接收到不同红外线辐射量，每个像素都将其转换成一个温度数值，再通过软件将每一特定温度转换成某一特定颜色，如此一来便形成了一幅热像画面，而将温度转换成颜色这一点，是为了将温度直观地表述出来以供人类观看，机器本身测量到的只是一堆的温度。统的热像图效果不错，但是热成像仪非常昂贵，用于大规模的室内监控不切合实际。
技术实现思路
有鉴于此，本专利技术的目的是提出一种基于低分辨率红外热成像的室内人员存在检测系统，构成简单、成本较低，结合软件管理平台，可以实现较大范围的同时监控。本专利技术采用以下方案实现：一种基于低分辨率红外热成像的室内人员存在检测系统，包括基于低分辨率红外热成像传感器的检测模块、通讯模块、红外收集器以及上位机模块；所述检测模块包括低分辨率红外热成像传感器；所述通讯模块与检测模块、红外收集器通信相连，所述红外收集器与上位机通信相连，用以将检测模块的数据传输至上位机，并将上位机的控制指令发送给检测模块；所述上位机模块在接收到检测模块传输来的一帧温度分布数据后，首先计算温度分布的方差，根据计算结果判别监测区域内是否有人员存在，如果有，则进一步使用机器学习算法对人员具体活动状态进行分类，如果没有则继续接收下一帧数据。进一步地，所述使用机器学习算法对人员的具体的活动状态进行分类具体为：所使用的机器学习算法中用到的分类器由LSTM单元和全连接神经网络混合组成；其中第一层由多个结构相同的LSTM单元组成，其中每个LSTM单元只负责处理每一行的温度，这样每个LSTM单元都能够从一行温度中了解到信息；第二层为全连接神经网络，其输入为全部LSTM单元在最新状态时输出的组合，该层的作用是结合从各个LSTM单元中了解到的信息，输出估计的室内人员存在情况。进一步地，所述检测模块包括分布于室内的一个以上位置的红外节点；其中红外节点是一个独立的探测装置，为三层电路板结构；第一层为主控和探测层，该层电路板上搭载有所述低分辨率红外热成像传感器；第二层为电源层，用以给第一层与第三层上搭载的电子器件供电；第三层为通信层，搭载有所述通讯模块；其中红外收集器用来与分布在室内各处的红外节点通讯并将收集到的温度数据上传至上位机。进一步地，所述低分辨率红外热成像传感器为红外阵列传感器。进一步地，所述电源层为具有MICROUSB接口的电源层、搭载纽扣电池的电源层、或搭载锂硫电池及充电管理芯片的电源层。进一步地，所述通信层为基于ZigBee的通信层或基于RS485的通信层；当其为基于ZigBee的通信层时，该层搭载有包括ZigBee射频芯片、ZigBee主控芯片、晶振电路和供电电路；当其为基于RS485的通信层时，该层搭载包括有RS485转TTL芯片、以及用以与外界RS485线路连接的连接端子。与现有技术相比，本专利技术有以下有益效果：本专利技术将低分辨率红外热成像传感器应用于室内监控，构建了一套低成本功能全面的检测系统。可安装在室内墙面或天花板上，既可以替代传统的安防设备、提高安防效率，又可以扩大适用范围、消除由于隐私问题带来的检测死角。尤其适用于酒店客房情况监控、各类室内区域的入侵检测。该系统可以探测人体和室内环境的绝对温度，结合楼宇智能化控制门禁、空调、照明等，可以在提高建筑的安全性、舒适性的同时降低能耗，更加节能环保。系统采用ZigBee自组网技术，采用无线通讯，每个模块既是终端可以收发信息又是中继可以转发远方模块发来的信息。有效降低了前期设备部署的成本和复杂度，大大提高系统的扩展性。进一步，系统运用机器学习技术，可以判别室内有无人员，相比传统的红外检测，判断的准确性大幅度提高。附图说明图1为本专利技术
技术介绍
中传统热成像仪拍摄的热像画面。图2为本专利技术实施例的红外阵列传感器拍摄的热像画面。图3为本专利技术实施例的由低分辨率热像图判断人体的移动方向。图4为本专利技术实施例的红外节点结构示意图。图5为本专利技术实施例的系统原理示意图。图6为本专利技术实施例的三层电路板统一的连接接口定义。具体实施方式下面结合附图及实施例对本专利技术做进一步说明。应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。如图5所示，本实施例提供了一种基于低分辨率红外热成像的室内人员存在检测系统，包括基于低分辨率红外热成像传感器的检测模块、通讯模块、红外收集器以及上位机模块；所述检测模块包括低分辨率红外热成像传感器；所述通讯模块与检测模块、红外收集器通信相连，所述红外收集器与上位机通信相连，用以将检测模块的数据传输至上位机，并将上位机的控制指令发送给检测模块；所述上位机模块在接收到检测模块传输来的一帧温度分布数据后，首先计算温度分布的方差，根据计算结果判别监测区域内是否有人员存在，如果有，则进一步使用机器学习算法对人员具体活动状态进行分类，如果没有则继续接收下一帧数据。在本实施例中，所述使用机器学习算法对人员的具体的活动状态进行分类具体为：所使用的机器学习算法中用到的分类器由LSTM单元和全连接神经网络混合组成；其中第一层由多个结构相同的LSTM单元组成，其中每个LSTM单元只负责处理每一行的温度（一帧数据共包含8行，每行中包含8个温度数据），这样每个LSTM单元都能够从一行温度中了解到信息；第二层为全连接神经网络（Softmax作激活函数），其输入为全部LSTM单元在最新状态时输出的组合，该层的作用是结合从各个LSTM单元中了解到的信息，输出估计的室内人员存在情况。本文档来自技高网...

【技术保护点】
1.一种基于低分辨率红外热成像的室内人员存在检测系统，其特征在于，包括基于低分辨率红外热成像传感器的检测模块、通讯模块、红外收集器以及上位机模块；所述检测模块包括低分辨率红外热成像传感器；所述通讯模块与检测模块、红外收集器通信相连，所述红外收集器与上位机通信相连，用以将检测模块的数据传输至上位机，并将上位机的控制指令发送给检测模块；所述上位机模块在接收到检测模块传输来的一帧温度分布数据后，首先计算温度分布的方差，根据计算结果判别监测区域内是否有人员存在，如果有，则进一步使用机器学习算法对人员具体活动状态进行分类，如果没有则继续接收下一帧数据。

【技术特征摘要】
1.一种基于低分辨率红外热成像的室内人员存在检测系统，其特征在于，包括基于低分辨率红外热成像传感器的检测模块、通讯模块、红外收集器以及上位机模块；所述检测模块包括低分辨率红外热成像传感器；所述通讯模块与检测模块、红外收集器通信相连，所述红外收集器与上位机通信相连，用以将检测模块的数据传输至上位机，并将上位机的控制指令发送给检测模块；所述上位机模块在接收到检测模块传输来的一帧温度分布数据后，首先计算温度分布的方差，根据计算结果判别监测区域内是否有人员存在，如果有，则进一步使用机器学习算法对人员具体活动状态进行分类，如果没有则继续接收下一帧数据。2.根据权利要求1所述的一种基于低分辨率红外热成像的室内人员存在检测系统，其特征在于，所述使用机器学习算法对人员的具体的活动状态进行分类具体为：所使用的机器学习算法中用到的分类器由LSTM单元和全连接神经网络混合组成；其中第一层由多个结构相同的LSTM单元组成，其中每个LSTM单元只负责处理每一行的温度，这样每个LSTM单元都能够从一行温度中了解到信息；第二层为全连接神经网络，其输入为全部LSTM单元在最新状态时输出的组合，该层的作用是结合从各个LSTM单元中了解到的信息，输出估计的室内人员存在情况。3.根据权利要求1所述的一种基于低分辨率...

【专利技术属性】
技术研发人员：江灏，张横舟，陈静，缪希仁，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建,35