[发明专利]一种基于低分辨率红外热成像的室内人员存在检测系统

说明书

本发明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。

技术领域

本发明涉及智能楼宇技术领域，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。

背景技术

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。

发明内容

有鉴于此，本发明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。

本发明采用以下方案实现：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；