一种智能建筑WiFi和红外热成像仪的融合定位系统及方法技术方案

本发明专利技术公开了一种智能建筑WiFi和红外热成像仪的融合定位系统及方法，包括区域划分模块、WiFi定位模块、红外热成像仪定位模块、融合模块四个系统。该方法采用融合定位系统弥补了单个定位系统定位精度不准确以及无法识别身份信息的不足，发明专利技术能够实时对智能建筑内的移动人员在不侵犯隐私的前提下，利用人体温度信息和WiFi访问信息进行实时定位与身份识别。本发明专利技术系统，实现简单，计算复杂度低，对进入建筑内的不依赖于种类复杂的传感器，具有实际应用的优势，建立了智能建筑移动人员身份识别、定位系统，一定程度上保证了建筑内的移动人员识别和安全。

【技术实现步骤摘要】
一种智能建筑WiFi和红外热成像仪的融合定位系统及方法
本专利技术属于智能建筑领域，特别涉及一种智能建筑WiFi和红外热成像仪的融合定位系统及方法。
技术介绍
随着室内环境对于基于位置服务的需求不断增加，开发一个室内移动人员定位系统成为建筑智能化的必要前提。在城市和建筑不断智能化的大趋势下，室内定位情形越来越复杂，越来越多场合对于定位和导航的需求也日益增加，室内移动人员的及时定位对人类的生活越来越重要。而目前建筑内部移动人员的位置对于人们来说变得越来越重要，在超市可以为消费者提供及时的定位和导航服务，利用定位技术，并提供同等的基于市场的营销服务。在医院，方便实时找到就近的医疗设备，这是在必要时快速呼叫的实用方法，并希望为特殊病人进行现场监测，以防止事故发生。高危化学品设施要负责对场地进行管理，防止事故发生等。室内移动人员定位技术已经广泛应用于各个行业中。传统的室内定位技术，会面临信号不稳定、定位精度不准确、建筑内移动人员的隐私问题。
技术实现思路
本专利技术的目的在于提供一种智能建筑WiFi和红外热成像仪的融合定位系统及方法，以解决现有技术中存在的信号不稳定、定位精度不高以及建筑内移动人员的人隐私问题。为了实现上述目的，本专利技术采用的技术方案是：一种智能建筑WiFi和红外热成像仪的融合定位方法，包括以下步骤：S1、将建筑内空间划分为静态空间和动态空间，所述动态空间包括自由空间和约束空间；S2、利用智能路由器采集移动设备和固定设备发送的proberequest包和提供建筑内通信服务的路由设备发送的proberesponse包，根据采集到的proberequest包和proberesponse包，计算WiFi定位模块得到的移动人员初始位M(x,y)，其服从一个期望为μ1、μ2，方差为σ12、σ22的高斯分布P(x,y)；利用红外热成像仪采集温度表格数据，进行复杂背景的移动人员检测，通过对图像进行形态学处理，提取移动人员，获取红外热成像仪定位模块得到的移动人员位置P2(x,y)；利用红外传感器采集移动人员的位置信息和采集时间，获取红外传感器定位模块得到的移动人员位置P3(x,y)；S3、根据S1划分的静态空间和动态空间区域，将S2得到的P(x,y)、P2(x,y)和P3(x,y)通过粒子滤波融合，得到建筑内移动人员准确的位置信息与移动轨迹。进一步的，步骤S1包括以下步骤：S101、根据不同空间内移动人员的运动能力，选取建筑内空间中所有的门，楼梯以及转弯处作为空间划分的地标，将建筑室内空间划分为静态空间和动态空间；S102、将教研室、办公室和洗手间划分为静态空间；S103、将楼梯、房间门口、走廊和空地划分为动态空间；所述动态空间划分为约束空间和自由空间，其中，楼梯、房间门口、走廊划分为约束空间；空地区域划分为自由空间。进一步的，步骤S2中，计算WiFi定位模块得到的移动人员初始位置M(x,y)包括以下步骤：S2A1、数据采集：通过布置在智能建筑中的多个智能路由器，采集移动设备和固定设备发送的proberequest包和用于提供建筑内通信服务的路由设备发送的proberesponse包，从中解析出当前采集的时间信息、移动设备或固定设备的Mac地址以及WiFi信号强度RSSI；S2A2、特征提取和模型训练：根据S2A1采集到的WiFi信号强度RSSI计算WiFi信号趋势指数STI和信号间隔interval，并将WiFi信号趋势指数STI、信号间隔interval和WiFi信号强度RSSI作为特征向量，训练回归神经网络模型，构建移动设备的WiFi信号强度RSSI的指纹数据库；S2A3、建立人与场景交互的室内移动人员定位模型：基于S2A2构建的移动设备的WiFi信号强度RSSI的指纹数据库，建立WiFi信号强度RSSI与物理位置之间的回归神经网络模型，以智能建筑的平面图的西南角为坐标系原点，平面图的长为x轴，宽为y轴建立二维坐标系，移动人员在坐标系中的位置即人在智能建筑中的物理位置，将多个智能路由器采集到的同一个移动设备或固定设备的一组WiFi信号强度RSSI作为输入，带入训练的回归神经网络模型中，输出WiFi定位模块得到的移动人员初始位置M(x，y)。进一步的，S2A2中，信号趋势指数STI的计算方法如下：1)将多个智能路由器采集到的同一个移动设备或固定设备的WiFi信号强度RSSI记为一组，对其求取平均值savg，其中，si为i组wifi信号强度RSSI，savg为i组wifi信号强度RSSI的平均值；2)计算第i组数据的信号趋势指数STIi，STIi＝||si-savg||(2)其中数据间隔interval，计算方法如下：intervali＝||si-si+1||(3)其中，si+1为i+1组wifi信号强度RSSI。进一步的，在S2A2之前，删除步骤S2A1得到的信号强度RSSI的异常值。进一步的，S2中，获取红外热成像仪定位模块得到的移动人员位置P2(x，y)的过程如下：S2B1、采集数据：通过预先布置在智能建筑内的红外热成像仪，间隔设定时间采集智能建筑室内楼道的温度表格数据；S2B2、进行复杂背景的移动人员检测：基于S2B1得到的温度表格数据，绘制出热力图像，对图像进行形态学处理去除噪声，再使用高斯混合模型以及温度掩膜进行复杂背景的人的移动人员检测和提取，得到完整的移动人员个体；S2B3、人物位置坐标的获取：使用卡尔曼滤波和匈牙利算法跟踪识别移动人员个体；用矩形框标记移动人员个体后，用矩形框标定的移动人员个体位置为图像像素点的位置坐标，像素坐标系以像素为单位，坐标原点在左上角，而实际空间中，以智能建筑的平面图的西南角为坐标系原点，以平面图的长为x轴，宽为y轴建立二维坐标系；通过像素坐标值与实际坐标值的映射关系，计算出红外热成像仪定位模块得到的移动人员位置P2(x，y)。进一步的，S2B2包括以下步骤：S2B21、使用基于混合高斯模型的背景相减法提取前景和背景：从复杂背景提取出移动人员，并用矩形框标出提取出的移动人员；S2B22、采用数学形态学方法处理热力图，通过边界提取、区域填充、提取连通分量以保留图形的基本样式外观，删除图像中不相关元素，调整边界；S2B23、结合红外热成像仪记录的温度信息完善提取的移动人员个体特征，具体包括以下情形：当提取到的人物形状被分割成几部分时，利用前后帧的温度信息进行判断，计算当前帧的温度并将其二值化，即设定一个阈值T，当前一帧的温度大于T，则设定为1，再对当前帧也取同样的操作，并且对两帧二值化后的结果进行与运算来判断；当单人在建筑内行走出现反射现象，通过人形和倒影在提取结果中的坐标情况来判断矩形框标记处的是人形还是疑似人的倒影：针对左右墙面反射，判断横向并排矩形并删除两端矩形；若一人走动仅有一端存在反射，则删除高度最低的矩形；针对本文档来自技高网...

【技术保护点】
1.一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，包括以下步骤：/nS1、将建筑内空间划分为静态空间和动态空间，所述动态空间包括自由空间和约束空间；/nS2、利用智能路由器采集移动设备和固定设备发送的probe request包和提供建筑内通信服务的路由设备发送的probe response包，根据采集到的probe request包和proberesponse包，计算WiFi定位模块得到的移动人员初始位M(x，y)，其服从一个期望为μ

【技术特征摘要】
1.一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，包括以下步骤：
S1、将建筑内空间划分为静态空间和动态空间，所述动态空间包括自由空间和约束空间；
S2、利用智能路由器采集移动设备和固定设备发送的proberequest包和提供建筑内通信服务的路由设备发送的proberesponse包，根据采集到的proberequest包和proberesponse包，计算WiFi定位模块得到的移动人员初始位M(x，y)，其服从一个期望为μ1、μ2，方差为σ12、σ22的高斯分布P(x，y)；
利用红外热成像仪采集温度表格数据，进行复杂背景的移动人员检测，通过对图像进行形态学处理，提取移动人员，获取红外热成像仪定位模块得到的移动人员位置P2(x，y)；
利用红外传感器采集移动人员的位置信息和采集时间，获取红外传感器定位模块得到的移动人员位置P3(x，y)；
S3、根据S1划分的静态空间和动态空间区域，将S2得到的P(x，y)、P2(x，y)和P3(x，y)通过粒子滤波融合，得到建筑内移动人员准确的位置信息与移动轨迹。


2.一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，所述步骤S1包括以下步骤：
S101、根据不同空间内移动人员的运动能力，选取建筑内空间中所有的门，楼梯以及转弯处作为空间划分的地标，将建筑室内空间划分为静态空间和动态空间；
S102、将教研室、办公室和洗手间划分为静态空间；
S103、将楼梯、房间门口、走廊和空地划分为动态空间；所述动态空间划分为约束空间和自由空间，其中，楼梯、房间门口、走廊划分为约束空间；空地区域划分为自由空间。


3.根据权利要求1所述的一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，所述S2中，计算WiFi定位模块得到的移动人员初始位置M(x，y)包括以下步骤：
S2A1、数据采集：通过布置在智能建筑中的多个智能路由器，采集移动设备和固定设备发送的proberequest包和用于提供建筑内通信服务的路由设备发送的proberesponse包，从中解析出当前采集的时间信息、移动设备或固定设备的Mac地址以及WiFi信号强度RSSI；
S2A2、特征提取和模型训练：根据S2A1采集到的WiFi信号强度RSSI计算WiFi信号趋势指数STI和信号间隔interval，并将WiFi信号趋势指数STI、信号间隔interval和WiFi信号强度RSSI作为特征向量，训练回归神经网络模型，构建移动设备的WiFi信号强度RSSI的指纹数据库；
S2A3、建立人与场景交互的室内移动人员定位模型：基于S2A2构建的移动设备的WiFi信号强度RSSI的指纹数据库，建立WiFi信号强度RSSI与物理位置之间的回归神经网络模型，以智能建筑的平面图的西南角为坐标系原点，平面图的长为x轴，宽为y轴建立二维坐标系，移动人员在坐标系中的位置即人在智能建筑中的物理位置，将多个智能路由器采集到的同一个移动设备或固定设备的一组WiFi信号强度RSSI作为输入，带入训练的回归神经网络模型中，输出WiFi定位模块得到的移动人员初始位置M(x，y)。


4.根据权利要求3所述的一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，所述S2A2中，
信号趋势指数STI的计算方法如下：
1)将多个智能路由器采集到的同一个移动设备或固定设备的WiFi信号强度RSSI记为一组，对其求取平均值savg，



其中，si为i组wifi信号强度RSSI，savg为i组wifi信号强度RSSI的平均值；
2)计算第i组数据的信号趋势指数STIi，
STIi＝||si-savg||(2)
其中数据间隔interval，计算方法如下：
intervali＝||si-si+1||(3)
其中，si+1为i+1组wifi信号强度RSSI。


5.根据权利要求3所述的一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，在所述S2A2之前，删除步骤S2A1得到的信号强度RSSI的异常值。


6.根据权利要求1所述的一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，所述S2中，获取红外热成像仪定位模块得到的移动人员位置P2(x，y)的过程如下：
S2B1、采集数据：通过预先布置在智能建筑内的红外热成像仪，间隔设定时间采集智能建筑室内楼道的温度表格数据；
S2B2、进行复杂背景的移动人员检测：基于S2B1得到的温度表格数据，绘制出热力图像，对图像进行形态学处理去除噪声，再使用高斯混合模型以及温度掩膜进行复杂背景的人的移动人员检测和提取，得到完整的移动人员个体；
S2B3、人物位置坐标的获取：使用卡尔曼滤波和匈牙利算法跟踪识别移动人员个体；用矩形框标记移动人员个体后，用矩形框标定的移动人员个体位置为图像像素点的位置坐标，像素坐标系以像素为单位，坐标原点在左上角，而实际空间中，以智能建筑的平面图的西南角为坐标系原点，以平面图的长为x轴，宽为y轴建立二维坐标系；通过像素坐标值与实际坐标值的映射关系，计算出红外热成像仪定位模块得到的移动人员位置P2(x，y)。


7.根据权利要求6所述的一种智能建筑WiFi和红外热成像仪的融合定位方法，其特征在于，所述S2B2包括以下步骤：
S2B21、使用基于混合高斯模型的背景相减法提取前景和背景：从复杂背景提取出移动人员，并用矩形框标出提取出的移动人员；
S2B22、采用数学形态学方法处理热力图，通过边界提取、区域填充、提取连通分量以保留图形的基本样式外观，删除图像中不相关元素，调整边界；
S2B23、结合红...

【专利技术属性】
技术研发人员：徐占伯，王青乙，赵国梁，吴江，管晓宏，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61