(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910123166.5
(22)申请日 2019.02.18
(71)申请人 武汉高德智感科技有限公司
地址 430205 湖北省武汉市东湖新技术开
发区黄龙山南路6号武汉高德红外工
业园4栋3-6层
(72)发明人 崔昌浩 林道庆 田鹏 龚忠毅
刘坤 黄晟 王鹏 周汉林
(74)专利代理机构 北京汇泽知识产权代理有限
公司 11228
代理人 张涛
(51)Int.Cl.
G06K 9/00(2006.01)
G06K 9/62(2006.01)
G08B 21/04(2006.01)
(54)发明名称
一种基于红外传感器的姿态识别方法及系
统
(57)摘要
本发明属于图像处理技术领域，具体提供了
一种基于红外传感器的姿态识别方法及系统，该
方案基于红外传感器对室内场景进行成像，并通
过后端信息处理模块进行人体目标的检测及姿
态识别，一旦检测到异常姿态如摔倒，则立即通
过网络输出异常告警信号，将识别到的异常图像
画面输出至告警终端。
由于红外传感器捕获的是
人体温度信息，因此不存在泄漏人体隐私的问
题，而且可以全天时工作。
一方面采用单个广角
红外传感器即可监控一个房间，提高了成像距
离，增强了实用性；另一方面采用目标检测网络+
分类网络，只需要人体在图像范围内，任意位置
都可以被自动检测到，然后对其进行姿态分类，
实用性大大提高。
权利要求书1页 说明书4页 附图1页CN 110008822 A 2019.07.12
C N 110008822
A
权 利 要 求 书1/1页CN 110008822 A
1.一种基于红外传感器的姿态识别方法，其特征在于，包括：
S1：预存目标物的红外姿态样本模型，并在开源框架TensorFlow下对该红外姿态样本模型进行深度学习训练；
S2：获取目标物的红外姿态信息；
S3：将所述红外姿态信息输入至所述红外姿态样本模型中，并进行矩阵运算分析得到该目标物的实时姿态检测结果。
2.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于，在所述步骤S1之前还包括：信号处理单元提前采集不同室内温度、不同体型的目标物的红外姿态样本模型，并对所述红外姿态样本模型标注坐标信息及姿态类别。
3.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于：所述实时姿态检测结果包括坐标信息及姿态类别。
4.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于，所述步骤S3具体包括：先对所述红外姿态信息进行动态范围压缩得到图像信息，然后将所述红外姿态信息输入至所述红外姿态样本模型中，并进行矩阵运算分析得到该目标物的实时姿态检测结果。
5.根据权利要求4所述的基于红外传感器的姿态识别方法，其特征在于，所述动态范围压缩的方式为自适应线性映射，公式如下：
C＝C exp/(nMax-nMin)
B＝B exp-C*nAvg
Y8[i]＝Y16[i]*C+B
其中，Y16[i]为红外姿态信息的16位的红外姿态信息，Y8[i]为进行动态压缩后得到的8位图像信息，所述nMax、nMin、nAvg分别代表16位的红外姿态信息的全图灰度最大值、最小值、平均值，B、C分别代表亮度、对比度，B exp、C exp为预设的期望亮度、期望对比度，默认值分别为110、255。
6.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于，所述步骤S2具体包括：通过广角红外传感器实时获取目标物的红外姿态信息。
7.根据权利要求1所述的基于红外传感器的姿态识别方法，其特征在于，所述步骤S3之后还包括：若检测到所述目标物的姿态异常时，则进行报警。
8.一种基于红外传感器的姿态识别系统，其特征在于，包括：图像采集单元及信号处理单元；
所述图像采集单元用于获取目标物的红外姿态信息；
所述信号处理单元用于预存目标物的红外姿态图像得到样本模型，并在开源框架TensorFlow下对该样本模型进行深度学习训练，然后将所述红外姿态信息输入至所述红外姿态样本模型中，并进行矩阵运算分析得到该目标物的实时姿态检测结果。
9.根据权利要求8所述的基于红外传感器的姿态识别系统，其特征在于：所述系统还包括图像预处理单元，所述图像预处理单元用于对所述红外姿态信息进行动态范围压缩得到图像信息。
10.根据权利要求8所述的基于红外传感器的姿态识别系统，其特征在于：所述系统还包括告警输出单元，所述告警输出单元用于对所述目标物的异常姿态进行报警并输出。
2。
