一种人体动作热释电装置及其识别方法，装置有通过菲涅尔透镜接收应受试者行走图像的传感器，传感器的信号输出依次经放大滤波电路和数据采集卡进入计算机。识别方法是，热释电红外数据采集；信号预处理，有离散小波变换和小波变换降噪；特征提取，有相似性参数提取；规则性评价参数提取。本发明专利技术采用带有菲涅尔透镜的红外热释电传感设备采集人体运动时的动作信息，通过信号的预处理、特征提取，能够很好地实现三种动作模式的区分。由于红外热释电传感器体积小，廉价，和传统的视频图像分析相比，具有显著的优势。该基于红外热释电的动作识别方法可以应用到需要注意安全性的场所中，比如监狱周界、银行等，能够带来一定的社会效益和经济效益。
【技术实现步骤摘要】
本专利技术涉及一种人体动作热释电识别方法。特别是涉及一种结合经验模态分解与规则度评价的人体动作热释电识装置及其识别方法。
技术介绍
生物特征识别技术是利用人体先天的生理特征或固有的行为特征来进行身份认证的新技术。指纹、虹膜、脸像等生理特征，通常要求近距离或者接触性的感知，而步态是远距离情况下可感知的行为特征。步态因其非侵犯、远距离、难伪装等优势引起了计算机视觉领域的浓厚兴趣，成为近年来生物特征识别技术中备受关注的前沿方向。其旨在根据人们的行走姿势实现对个人身份或动作的识别生理、病理及心理特征的检测，具有广阔的应用前景。热释电红外(PIR)传感器可以探测人体发出的红外辐射，在有效范围内可实现运动人体的检测。由于它的低成本低功耗，在防盗报警及自动照明控制等方面有广泛的应用。 除此之外，将热释电红外传感器应用于身份或动作识别的也有相关研究。清华大学精密仪器与机械学系的研究人员实现了利用热释电红外信号进行人体踏步和原地跳跃的动作识别。通过采集受试者在原地做“走5步-跳-走5步-跳-走5 步-跳”的动作信号，在时、频两域提取其特征。图1为时域电压信号，W1-W15为踏步的信号峰J1-J6为跳跃的信号峰，A1-A6为不同动作转换产生的转换信号峰。其通过对热释电传感器输出时域信号的处理得到信号中的峰值，确定出现人体踏步动作的时间点。而又通过对时-频域信号进行积分处理，得到跳跃信号的峰值，确定出人体跳跃动作的时间点。该研究探求了基于热释电红外信息的人体动作识别的可行性，并取得了有效的结果，为动作识别提出了一种心思路。但动作模式较简单，只实现了原地踏步与跳跃两种动作的识别，且动作设置有局限性，刻意性，与实际应用尚有一定的差距。
技术实现思路
本专利技术所要解决的技术问题是，提供一种基于热释电红外信息的结合经验模态分解与规则度评价的人体动作热释电识装置及其识别方法。本专利技术所采用的技术方案是一种，人体动作热释电装置，包括有通过菲涅尔透镜接收应受试者行走图像的传感器，所述的传感器的信号输出依次经放大滤波电路和数据采集卡进入计算机。所述的受试者是在与传感器成90°的水平方向行走。一种用于人体动作热释电装置的识别方法，包括如下步骤1)热释电红外数据采集；2)信号预处理，包括(1)离散小波变换；(2)小波变换降噪；3)特征提取，包括(1)相似性参数提取；(2)规则性评价参数提取。所述的热释电红外数据采集，是受试者沿固定路线做以下三种动作模式，第一种为正常行走，并在与传感器垂直的方位做跳跃动作；第二种同样为正常行走，在与传感器垂直的方位做拾拣的动作；第三种为一直正常行走。所述的离散小波变换，是先对尺度按幂级数作离散化，然后再对位移离散化。所述的小波变换降噪，包括如下三个步骤(1) 一维信号的小波分解，选择一个小波函数，并且确定分解层次，进行分解；(2)小波分解高频系数的阈值量化，对各个分解尺度下的高频系数进行一维小波重构；对于基线漂移，由于它处于小波分解最高层次的低频层，因此，直接将该层细数置零， 去除基漂；(3) 一维小波重构，根据小波分解的最底层低频系数和各层高频系数进行一维小波重构。所述的相似性参数提取，是建立在经验模式分解的基础上，对分解出的高频一、二模态用欧式距离进行评价。所述的规则性评价参数提取，是首先对行走和拾拣信号的EMD后的第二模态进行希尔伯特变换；然后将原信号作为X轴，Y轴表示希尔伯特变换信号，在二维空间中定义Hr 参数；为了使画出来图精度更高，将变换后的实部和虚部扩展到0-40，散点总和为在40*40 的二维图上的散点个数和。本专利技术的人体动作热释电识装置及其识别方法，采用带有菲涅尔透镜的红外热释电传感设备采集人体运动时的动作信息，通过信号的预处理、特征提取，能够很好地实现三种动作模式的区分。由于红外热释电传感器体积小，廉价，和传统的视频图像分析相比，具有显著的优势。该基于红外热释电的动作识别方法可以应用到需要注意安全性的场所中， 比如监狱周界、银行等，能够带来一定的社会效益和经济效益。附图说明图1是本专利技术的整体构成框图；图2是传感器及测试对象行走路线布置；图3是Jump (a)及其去噪后(b)的波形图；图4是Pick (a)及其去噪后(b)的波形图；图5是Walk(a)及其去噪后(b)的波形图；图6是jump动作emd分解；图7是pick动作emd分解；图8是walk动作emd分解；图9是正弦和白噪声的hiIbert变换二维图。具体实施方式下面结合实施例和附图对本专利技术的人体动作热释电识装置及其识别方法。 本专利技术的，首先搭建了由传感器和滤波放大电路等组成的红外信息采集硬件电路，并通过NI公司的数据采集卡和Labview平台连接，实现模拟电压信号的数字化；而后的数据处理包括基于小波变换的信号去噪、去均值的信号预处理，并提取了一种新奇的特征提取方案，得到表征信号不规则度的参数hr，最后采用阈值的判别方法实现了对三种动作的准确判别。 如图1所示，本专利技术的人体动作热释电装置，包括有通过菲涅尔透镜2接收应受试者1行走图像的传感器3，所述的传感器3的信号输出依次经放大滤波电路4和数据采集卡 6进入计算机5。所述的受试者1是在与传感器3成90°的水平方向行走。 受试者在与传感器成90°的水平方向行走，动作信号由LabVIEW平台编写的采集程序得到。而后的数据处理中，首先对时域电压信号用小波分析的方法进行去除高频噪声； 然后对去均值后的信号用经验模态分解进行分解，得到各模态的信号；然后对第一模态进行hilbert变换，并将实部和虚部扩展到0-40，χ轴表示原信号，y轴表示变换后信号，在二维相空间中画出散点图，并定义特征参数的计算公式；最后，对特征进行阈值的判别，实现三种动作的识别。 本专利技术的用于人体动作热释电装置的识别方法，包括如下步骤 1)热释电红外数据采集 受试者1为身体健康的青年，传感器3及测试对象行走路线布置如图2所示。受试者1沿固定路线做以下三种动作模式，第一种为正常行走，在与传感器3垂直的方位做跳跃动作；第二种同样为正常行走，在与传感器3垂直的方位做拾拣的动作；第三种为正常行走。通过采集装置(数据采集卡6)采集人体运动时的红外信号。D为传感器与被测人体的距离，H为传感器与地面高度。实验中，D = 2m, H = 1. &ι。 在D = 2m，H = 1. an时，分别采集受试者三种模式下样本数据，每个模式重复10 次。由时域图可以看出，信号包含有高频的噪声，为了后续的特征提取，首先有必要对信号进行预处理。本专利技术采用小波固定阈值的方法进行去噪，而后又对信号采用了去均值处理， 使其成为零均值信号。 2)信号预处理 在信号采集过程中，由于仪器、人体微小活动等因素而易引入噪声，为此，需要对其进行去除。本专利技术采用小波固定阈值去噪的方法进行去除。包括有 (1)离散小波变换与多分辨率分析 小波变换(WT)是一种时频局部化、多分辨分析方法，具有自动“变焦距”的功能。 WT可用来提取和识别那些淹没在噪声中的微弱电生理信号。以WT为理论基础的信号处理方法，在获得信噪比增益的同时，能够保持对信号突变信息的良好分辨，因此对临床上的非平稳信号的处理中具有独特的优越性。由于WT具有的优良的时频分析特性，而且还具有处理非平稳随机信号的本文档来自技高网...
【技术保护点】
１．一种人体动作热释电装置，其特征在于，包括有通过菲涅尔透镜（２）接收应受试者（１）行走图像的传感器（３），所述的传感器（３）的信号输出依次经放大滤波电路（４）和数据采集卡（６）进入计算机（５）。
【技术特征摘要】
【专利技术属性】
技术研发人员：王璐，明东，徐瑞，邱爽，綦宏志，张力新，万柏坤，
申请(专利权)人：天津大学，
类型：发明
国别省市：12
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。