[发明专利]基于多传感器的室内人体检测跟踪和身份识别系统

摘要

基于多传感器的室内人体检测跟踪和身份识别系统，该系统通过热释电红外传感器完成人体的初步定位，将摄像头通过舵机移动到人体出现的范围，通过摄像头采集该范围内的图像信息并将图像信息传输到计算机中，计算机完成人体检测的相关计算并控制舵机趋使摄像头和移动平台跟踪人体。计算机通过采集到图像信息和后台信息进行匹配从而确定检测人的身份。主要用于检测室内环境下是否有人入侵和帮助室内移动服务机器人确定目标服务人。系统主要通过热释电传感器控制摄像头舵机云台使其转动到人体活动的范围，利用视觉信息检测和跟踪人体。检测到人体后用Adaboost和主要成分分析的方法进行身份识别。

主权项

1.基于多传感器的室内人体检测跟踪和身份识别系统，其特征在于：该系统通过热释电红外传感器完成人体的初步定位，将摄像头通过舵机移动到人体出现的范围，通过摄像头采集该范围内的图像信息并将图像信息传输到计算机中，计算机完成人体检测的相关计算并控制舵机趋使摄像头和移动平台跟踪人体；计算机通过采集到图像信息和后台信息进行匹配从而确定检测人的身份；具体工作流程如下：S1人体的初步检测和摄像头的初步定位本系统利用热释电红外传感器捕捉人体红外辐射并将其转变成微弱的电压信号的原理来检测室内是否有人体，系统采用的热释电红外传感器感应范围为6米，感应角度为100度；将四个热释电传感器分布在摄像头的正西、正南、正东、正北四个方向，检测角度将覆盖室内360度的范围，当热释电传感器检测到人体信号的时候，摄像头舵机云台便转动至该范围内；S2利用图像完成人体检测本系统采用HOG+SVM的方法对视频序列中的人体进行检测，步骤如下：S2.1样本库的制作采集人体样本作为正样本，本系统采用INRIA静态行人检测数据库中的图片作为训练正样本，采用INRIA数据库中的负样本和经过处理的室内无人环境下的图片作为训练负样本；S2.2HOG特征提取的参数的选择本方法采用OpenCv自带的HOG检测库函数，相应的参数设置为：检测窗口为64*64，细胞单元的尺寸为16*16像素，块滑动步长为16，梯度方向量化为9个，故一幅图像的HOG特征维数为4*9*3*3＝324个；特征块的标准化方法选择L2‑Hys，阈值为0.2并进行Gamma校正；S2.3进行SVM训练提取所有正负样本的HOG特征，并对正负样本赋予标签，将正样本标记为1，将负样本标记为0，然后将正负样本的HOG特征和标签都输入到SVM训练器中进行训练，便得到一个人体分类器；S3控制摄像头转动跟踪人体系统将人体在图像内用方框标出其所在范围，每25帧检测一次，然后通过计算方框内中心像素坐标和整副图像中心像素坐标的差来计算出舵机左右转动的角度和上下转动的角度，从而保证人体始终出现在摄像头视角范围内；另一方面，通过摄像机标定获得摄像头的内参数和畸变参数，从而根据人体框图中心像素的坐标推算出人体实际物理坐标，从而调节底盘电机使摄像头与人体保持在既定范围内；S4身份识别本系统的身份识别过程首先把检测出来的人体框图单独裁剪出来变成一副独立的图像，在该副图像上利用VIola‑Jones分类器进行人脸检测，其过程如下：S4.1利用积分图像加速矩形图像区域或矩形区域的45度旋转的值的计算，该图像结构被用来加速类Haar输入特征的计算，其作为Adaboost分类器的全部输入特征；S4.2使用Adaboost算法来创建人脸与非人脸的分类器节点；S4.3把弱分类器节点组成筛选式级联的一个节点；每个节点D_j包含一组使用类Haar特征训练有没有人脸的决策树；节点由简单到复杂排列，这样可以最小化拒绝图像的简单区域时的计算量；第一组分类器是最优，能通过包含人脸的图像区域，同时允许一些不包含人脸的图像通过；第二组分类器次优分类器，也是有较低的拒绝率；然后以此类推，只要图像区域通过了整个级联，则认为里面有人脸，并将人脸用框图匡出。