【摘要】 本文對(duì)熱釋電紅外安防預(yù)警系統(tǒng)做了深入研究，對(duì)其硬件部分進(jìn)行總體設(shè)計(jì)。主要包括熱釋電紅外檢測(cè)模塊、信號(hào)處理模塊、A/D 模數(shù)轉(zhuǎn)換、單片機(jī)控制模塊、報(bào)警模塊等。將步態(tài)識(shí)別技術(shù)應(yīng)用于報(bào)警前的信號(hào)分析處理環(huán)節(jié)，基于探測(cè)器獲得的數(shù)據(jù)，建立步態(tài)識(shí)別機(jī)制，應(yīng)用非模型化方法進(jìn)行步態(tài)識(shí)別。

【關(guān)鍵字】 步態(tài)識(shí)別 熱釋電紅外安防預(yù)警系統(tǒng)

一、研究的背景及意義

中國(guó)社會(huì)快速進(jìn)入信息化的時(shí)代，科學(xué)技術(shù)發(fā)展迅速，大學(xué)校園建筑正向多樣化方向發(fā)展，大學(xué)校園的學(xué)習(xí)和生活環(huán)境優(yōu)良與否直接關(guān)系到學(xué)生的健康成長(zhǎng)，也直接影響了社會(huì)穩(wěn)定。因此大學(xué)校園安全問題必須引起重視。必須依靠高科技手段，才能切實(shí)解決大學(xué)校園面臨的安防問題。

紅外熱釋電安防預(yù)警系統(tǒng)可廣泛應(yīng)用于校園建設(shè)，解決大學(xué)校園的安防問題。該系統(tǒng)是基于紅外探測(cè)技術(shù)、聲光報(bào)警技術(shù)、單片機(jī)控制技術(shù)的一種智能安防系統(tǒng)。現(xiàn)在已有部分基于熱釋電紅外傳感器的報(bào)警系統(tǒng)，但所有進(jìn)入檢測(cè)范圍內(nèi)的運(yùn)動(dòng)人體它都會(huì)做出報(bào)警反應(yīng)，無(wú)法識(shí)別出是誤闖入還是有意侵入，影響報(bào)警準(zhǔn)確性。針對(duì)此問題，本文研究將步態(tài)識(shí)別技術(shù)應(yīng)用于紅外熱釋電安防預(yù)警系統(tǒng)，減小誤報(bào)率。

二、步態(tài)識(shí)別技術(shù)

所謂步態(tài)識(shí)別即根據(jù)人們走路姿勢(shì)也就是步態(tài)特征的差異來(lái)區(qū)分個(gè)體身份。因生理結(jié)構(gòu)和走路習(xí)慣的不同，每個(gè)人都有自己獨(dú)特的步態(tài)特征。步態(tài)識(shí)別的準(zhǔn)確度依賴一個(gè)好的步態(tài)識(shí)別算法。目前較為優(yōu)秀的步態(tài)識(shí)別算法依賴于步態(tài)數(shù)據(jù)庫(kù)，如：USF步態(tài)數(shù)據(jù)庫(kù)、CMU步態(tài)數(shù)據(jù)庫(kù)等。由此可見，步態(tài)識(shí)別是一項(xiàng)非常具有潛力的生物特征識(shí)別技術(shù)。常用的步態(tài)識(shí)別方法有兩類，即基于模型的方法和非模型方法?；谀Ｐ偷姆椒ㄊ紫冉⑷梭w結(jié)構(gòu)模型和運(yùn)動(dòng)模型，利用檢測(cè)算法提取圖像特征，將該特征作為步態(tài)特征的結(jié)構(gòu)化分量，利用匹配算法找出相應(yīng)參數(shù)，如運(yùn)動(dòng)速度，肢體長(zhǎng)度、關(guān)節(jié)軌跡等，將這些參數(shù)作為步態(tài)特征進(jìn)行步態(tài)分類與識(shí)別；非模型的方法，通過提取個(gè)體的整個(gè)運(yùn)動(dòng)模式特征進(jìn)行識(shí)別，與人體的潛在結(jié)構(gòu)無(wú)關(guān)。一般情況下，一個(gè)完整的步態(tài)識(shí)別系統(tǒng)通常包含三個(gè)部分，即步態(tài)輪廓提取、步態(tài)特征提取和步態(tài)分類。

2.1步態(tài)輪廓提取

首先確定視頻圖像中的需要提取步態(tài)輪廓信息的運(yùn)動(dòng)對(duì)象，并利用檢測(cè)算法提取相應(yīng)信息，如果視頻中有多個(gè)運(yùn)動(dòng)對(duì)象，則必須先對(duì)目標(biāo)進(jìn)行分類然后再進(jìn)行提取。之后對(duì)該運(yùn)動(dòng)對(duì)象進(jìn)行濾除噪聲縮放等處理，最終得到步態(tài)輪廓。

2.2步態(tài)特征提取

步態(tài)特征由結(jié)構(gòu)化分量和動(dòng)態(tài)分量構(gòu)成。結(jié)構(gòu)化分量包含，身高、肢體長(zhǎng)度、步長(zhǎng)等身體形狀類特征，動(dòng)態(tài)分量即指?jìng)€(gè)體胳膊、臀部、腿部的擺動(dòng)方式等的運(yùn)動(dòng)特征。

2.3步態(tài)分類

利用分類算法對(duì)提取出來(lái)的步態(tài)特征進(jìn)行分類并識(shí)別。步態(tài)識(shí)別領(lǐng)域中常用的分類算法有：K鄰域分類法 （KNN）、支持向量機(jī) （SVM）、隱馬爾可夫模型（HMM）、線性判別分析（LDA）等。

三、紅外熱釋電安防預(yù)警系統(tǒng)工作原理及結(jié)構(gòu)

3.1基本結(jié)構(gòu)

1、光學(xué)系統(tǒng)；2、熱釋電紅外探測(cè)模塊；3、信號(hào)處理單元（放大、濾波、A/D、D/A）；4、人機(jī)交互模塊；5、中央控制單元；6、報(bào)警電路模塊。

3.2紅外熱釋電安防預(yù)警系統(tǒng)基本工作原理

紅外熱釋電安防預(yù)警系統(tǒng)主要利用了紅外熱釋電檢測(cè)技術(shù)，單片機(jī)控制技術(shù)等實(shí)現(xiàn)。單片機(jī)作為系統(tǒng)的中央控制單元的核心。紅外熱釋電探測(cè)器根據(jù)熱電效應(yīng)原理進(jìn)行檢測(cè)，由于飛行物干擾、探測(cè)距離等因素都影響探測(cè)精度，因此在對(duì)檢測(cè)到的信號(hào)做進(jìn)一步處理之前，采用菲涅爾信號(hào)增強(qiáng)技術(shù)進(jìn)行改善，并設(shè)計(jì)第一級(jí)信號(hào)強(qiáng)化電路，提高信號(hào)強(qiáng)度和抗擾能力。將所獲得的較弱電信號(hào)進(jìn)行放大，并進(jìn)行檢波和A/D轉(zhuǎn)換處理，轉(zhuǎn)換成數(shù)字信號(hào)，由下一級(jí)的微處理器系統(tǒng)做信號(hào)識(shí)別與進(jìn)一步處理。信號(hào)處理過程中采用研究系統(tǒng)判別技術(shù)，當(dāng)人體所輻射的紅外線通過菲涅爾透鏡被聚焦在熱釋電紅外傳感器探測(cè)元上時(shí)，熱釋電紅外傳感器將輸出一定電壓信號(hào)，然后經(jīng)信號(hào)處理電路進(jìn)行放大濾波等處理，所得處理后的信號(hào)通過 A/D 轉(zhuǎn)換模塊將模擬信號(hào)轉(zhuǎn)換成數(shù)字信號(hào)，在進(jìn)入中央控制單元，經(jīng)微控制器根據(jù)系統(tǒng)設(shè)定的規(guī)則進(jìn)行控制，完成顯示報(bào)警等功能。熱釋電紅外報(bào)警系統(tǒng)將軟件硬件相結(jié)合，以硬件作為系統(tǒng)的基礎(chǔ)。熱釋電紅外探測(cè)模塊、報(bào)警電路模塊、連接總控制終端和各分系統(tǒng)之間的通信部分必須使用具體的硬件電路來(lái)實(shí)現(xiàn)，也只能用硬件電路來(lái)實(shí)現(xiàn)。對(duì)各傳感器采集到的信號(hào)進(jìn)行綜合判斷、控制元件對(duì)報(bào)警等操作的控制、計(jì)數(shù)、計(jì)時(shí)、輸入信息分析處理等功能模塊均可用軟件來(lái)實(shí)現(xiàn)。軟件還可以實(shí)現(xiàn)控制和識(shí)別某些元件的復(fù)用，系統(tǒng)的軟件設(shè)計(jì)是系統(tǒng)開發(fā)的重要環(huán)節(jié)，在硬件設(shè)計(jì)的基礎(chǔ)上，采用模塊化的設(shè)計(jì)思想，根據(jù)系統(tǒng)中各部分的功能要求，設(shè)計(jì)軟件的開發(fā)流程。在對(duì)本系統(tǒng)的軟件進(jìn)行設(shè)計(jì)時(shí)，首先要根據(jù)系統(tǒng)的各子系統(tǒng)和子模塊單元的功能，設(shè)計(jì)軟件的總體流程，然后實(shí)現(xiàn)流程中的具體子模塊，再完成模塊間的接口設(shè)計(jì)，從而構(gòu)成整個(gè)系統(tǒng)軟件。綜上所述，探測(cè)器、電源、通信接口、報(bào)警控制等功能模塊用硬件電路實(shí)現(xiàn)；而脈沖計(jì)數(shù)，軟件延時(shí)、時(shí)鐘程序、輸入信息的分析處理以及控制等功能模塊使用軟件編程完成。

四、步態(tài)識(shí)別技術(shù)在紅外熱釋電安防預(yù)警系統(tǒng)中的應(yīng)用

紅外熱釋電安防預(yù)警系統(tǒng)主要利用了紅外熱釋電檢測(cè)技術(shù)，單片機(jī)控制技術(shù)等實(shí)現(xiàn)。紅外熱釋電探測(cè)器根據(jù)熱電效應(yīng)原理進(jìn)行檢測(cè)，所得信號(hào)被轉(zhuǎn)換成數(shù)字信號(hào)，由下一級(jí)的微處理器系統(tǒng)做信號(hào)識(shí)別，控制報(bào)警系統(tǒng)進(jìn)行報(bào)警處理。步態(tài)識(shí)別用于這個(gè)步驟中，在報(bào)警前對(duì)人員闖入是否為故意侵入通過步態(tài)識(shí)別做進(jìn)一步分析，減小誤報(bào)率。人通過肢體運(yùn)動(dòng)表現(xiàn)出來(lái)的各種動(dòng)作和姿勢(shì)形態(tài)，作為人的行為、意圖、情感等的直接表達(dá)方式或是輔助表達(dá)方式。因此可以利用步態(tài)的識(shí)別，區(qū)別探測(cè)對(duì)象的行為意圖，判定其是否為有意入侵檢測(cè)區(qū)域。系統(tǒng)中由紅外熱釋電傳感器獲得人體步態(tài)動(dòng)作的電信號(hào)，采用利用離散小波變換進(jìn)行處理，提取小波系數(shù)，計(jì)算出其模值的最大值，并作為步態(tài)識(shí)別特征值。將數(shù)據(jù)傳輸給多層前饋神經(jīng)網(wǎng)絡(luò)分類實(shí)現(xiàn)對(duì)動(dòng)作的識(shí)別。由于紅外熱釋電傳感器獲得的信號(hào)微弱，易受外界干擾，因此采集信號(hào)之后要送入信號(hào)處理電路模塊進(jìn)行放大和濾波處理。實(shí)現(xiàn)步態(tài)識(shí)別的重點(diǎn)是保證所獲步態(tài)信息的優(yōu)效性，步態(tài)模型的構(gòu)建要合理，所提取的步態(tài)特征也要與這個(gè)模型匹配。模型化的方法是要先根據(jù)人體運(yùn)動(dòng)建立步態(tài)模型，在根據(jù)模型提取所需的特征；非模型化的方法是直接從步態(tài)的局部細(xì)節(jié)直接提取特征。步態(tài)中常用的模型有：橢圓模型[1]、鐘擺模型[2]、分層結(jié)構(gòu)模型[3]。模型化方法適合于所獲得人體運(yùn)動(dòng)的細(xì)節(jié)信息比較清晰的情況。相反當(dāng)所獲得人體各部位的細(xì)節(jié)信息過于模糊時(shí)，很難構(gòu)建一個(gè)合適的步態(tài)模型，此時(shí)要考慮使用非模型的方法。非模型的方法通過對(duì)步態(tài)某些特征進(jìn)行分析。如被測(cè)目標(biāo)的位置、輪廓、顏色等，如BenAbdelkader等人[4]利用步態(tài)序列的自相似圖提取步態(tài)特征。本文采用非模型化方法通過連續(xù)幀的數(shù)據(jù)段所處位置進(jìn)行對(duì)比，剔除類似人腳數(shù)據(jù)段中的非人腳數(shù)據(jù)段。首先提取數(shù)據(jù)，然后經(jīng)過數(shù)據(jù)預(yù)處理消除異值點(diǎn)，并且經(jīng)過自適應(yīng)滑窗濾波處理，然后將數(shù)據(jù)分段，通過SVM支持向量機(jī)算法對(duì)數(shù)據(jù)進(jìn)行分類，找出類似人腳數(shù)據(jù)段，確定類似人腳位置，如果位置是移動(dòng)的可以判定為人腳數(shù)據(jù)，給報(bào)警裝置發(fā)出信號(hào)，位置不是移動(dòng)的即判定為非人腳數(shù)據(jù)，不進(jìn)行報(bào)警。

五、總結(jié)

通過調(diào)研目前國(guó)際、國(guó)內(nèi)的被動(dòng)式紅外探測(cè)器發(fā)展情況，并結(jié)合單片機(jī)智能控制方法，設(shè)計(jì)完成了被動(dòng)式紅外探測(cè)器的輸出信號(hào)調(diào)理電路，對(duì)熱釋電傳感器的工作原理及探測(cè)器的光學(xué)系統(tǒng)作了較深入的分析，將步態(tài)識(shí)別技術(shù)應(yīng)用于報(bào)警前的信號(hào)分析處理環(huán)節(jié)，基于探測(cè)器獲得的數(shù)據(jù)，建立步態(tài)識(shí)別機(jī)制，應(yīng)用非模型化方法進(jìn)行步態(tài)識(shí)別。

參 考 文 獻(xiàn)

[1]Lee，L.，Grimson，W.，Gait Analysis for Recognition and Classification.IEEE，2002，148-155.

[2]Cunado，D.，Nixon，M.，Carter，J.，Using Gait as a Biometric，Via Phase-Weighted Magnitude Spectra，Springer，1997，93-102.

[3]Spehr，J.，Winkelbach，S.，Wahl，F(xiàn).M.，Hierarchical Pose Estimation for Human Gait Analysis.Computer Methods and Programs in Biomedicine，2012.

[4]BenAbdelkader，C.，Cutler，R.，Davis，L.，Motion-Based Recognition of People in Eigengait Space.IEEE，2002，267-272.

[5]Zhang，E.，Zhao，Y.，Xiong，W.，Active Energy Image Plus 2dlpp for Gait Recognition.Signal Processing，2010，90（7）：2295-2302.