[发明专利]一种基于CIS的生物识别装置启动照明设备及启动方法在审
申请号: | 201710365003.9 | 申请日: | 2017-05-22 |
公开(公告)号: | CN107341498A | 公开(公告)日: | 2017-11-10 |
发明(设计)人: | 杨志超;徐渊;姚浩东;郑炯彬 | 申请(专利权)人: | 深圳市奇脉电子技术有限公司;深圳市繁维科技有限公司 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06K9/48;H05B37/02 |
代理公司: | 广东广和律师事务所44298 | 代理人: | 王少强 |
地址: | 518000 广东省深圳市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 cis 生物 识别 装置 启动 照明设备 方法 | ||
[技术领域]
本发明涉及LED照明设备和生物识别领域,具体涉及一种基于CIS的生物识别装置启动照明设备及启动方法
[背景技术]
半导体(LED)照明亦称固态照明,是继白炽灯、荧光灯之后的又一次光源革命。因节能环保、寿命长、应用广泛,作为节能环保产业的重要领域,被列入我国战略性新兴产业。随着LED相关技术的不断突破、节能效果的日益显现、产业规模的持续扩大和应用领域的不断拓展,全球LED照明节能产业已经进入发展的关键期,从国家到各地政府针对LED产业均给予了大力的支持,共同推动绿色照明工程,实现节能减排。
目前传统的智能LED照明解决方案主要基于以下4种方案实现:
1、声波感应照明方案。声波感应照明方案是通过声控开关来控制灯具的开关。声控开关采用声响效果激发拾音器进行声电转换来控制灯具的开关,经过定时器电路控制开关的时间,实现了“人来灯亮,人去灯熄”,杜绝了长明灯和在黑暗环境下寻找开关的麻烦。不足在于,无法辨别声源以及声音触发阈值设置一致性问题,导致不可避免的误误触发以及为了开灯产生的噪音。
2、PIR感应照明方案。PIR(Passive Infrared Detector)在常温下能够有效的探测探测器敏感区域内的移动红外辐射源(如人、猫、狗等哺乳动物),根据探测器阈值设置,当辐射源强度超过设置阈值则触发灯具开关并在辐射源离开后延时关闭。相较于声波感应方案,PIR可避免噪音干扰,但容易受到热源,光源,环境温度等影响,且被动红外穿透力差,人体红外辐射易被遮挡导致误报和漏报现象频发。此外PIR主要检测的运动方向为横向运动,对纵向运动的物体检测能力比较差。
3、微波感应照明方案。微波感应方案是利用多普勒效应原理以非接触方式探测物体的位置是否发生移动,针对移动物体探测触发照明开关。该方案具有抗射频干扰能力强、不受温度、湿度、光线、气流、尘埃、覆盖物等影响,被广泛应用于环境辅助光源控制、地下停车场、通道照明等领域。微波感应方案仅针对运动物体有效,且探测范围不可控,导致应用场景受到一定限制。
4、PIR、微波组合方案。采用多模式组合探测的办法,将多个PIR和微波或者超声波探测器组合在一起联合探测,再借助复杂的软件算法,可以大大提高了活物(不限于人体)的准确率,但成本明显增加,且不能区分人体或者其他活物(不限于动物)。
[发明内容]
为克服现有技术所存在的问题,本发明提供一种基于CIS的生物识别装置启动照明设备及启动方法,解决现有的声波感应照明方案、PIR感应照明方案、微波感应照明方案、PIR和微波组合方案的明显缺点,对小区内监控资源进行整合利用。
本发明解决技术问题的方案是提供一种基于CIS的生物识别装置启动LED照明设备的方法,包括如下步骤:
S1图像采集,通过摄像头采集图像,将采集到的视频图像生成独立帧的图像并发送至CIS;
S2背景建模,通过CIS,在图像为静止状态图像的情况下对图像背景进行学习,即CIS通过统计画面上每个像素在设定时间内的数值变化,得知该背景像素的幅值波动情况;
S3运动侦测,通过CIS记录新增图像的幅值,并根据得到的背景像素的幅值波动情况对比新增图像的幅值,筛选符合运动图像幅值的图像;
S4HOG特征提取,将侦符合运动图像幅值的图像的运动区域图像单独选取出,作为新的图像进行HOG特征对比,并提取出HOG特征向量;
S5SVM分类判断,将提取到的HOG特征向量作为SVM分类器的输入,并最终判断出运动物体是否为人类;
S6启动LED照明设备,根据SVM的分类判断结果,开启LED照明设备或返回S1图像采集步骤。
优选地,所述步骤S1中还包括如下步骤:
S101调整背景光源,通过低照度传感器判断图像的清晰度,若清晰度无法满足背景建模的要求,则通过PWM将LED照明设备开启到微亮状态。
优选地,步骤S4中的特征向量为3780维。
优选地,所述步骤S1之前还包括步骤S7DSP加速,通过DSP提高CIS的光感度和分辨率。
优选地,所述所述步骤S5中还包括如下步骤:
S501训练样本,对拍摄到的图像进行训练,即在检测到物体的移动后,立即对其进行跟踪;
S502生成分类器,将跟踪到的图像按顺序发送至SVM训练器中进行训练并生成分类器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市奇脉电子技术有限公司;深圳市繁维科技有限公司,未经深圳市奇脉电子技术有限公司;深圳市繁维科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710365003.9/2.html,转载请声明来源钻瓜专利网。