[發明專利]基于立體視覺和紅外成像的人體識別方法

有效

• 申請號: 201810648497.6
• 申請日: 2018-06-22
• 公開（公告）號: CN108960096B
• 公開（公告）日: 2021-08-17
• 發明（設計）人: 何凌剛;許堯軍;梁海;劉瑜
• 申請（專利權）人: 深圳市恒天偉焱科技股份有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32
• 代理公司: 合肥市科融知識產權代理事務所(普通合伙) 34126
• 代理人: 楊志勝

1.基于立體視覺和紅外成像的人體識別方法，包括進行集中處理的處理器，與所述的處理器連接的第一紅外成像模組和第二紅外成像模組，與所述的處理器連接的存儲數據的RAM，還包括提供工作電壓的電源，所述的第一紅外成像模組和第二紅外成像模組的光軸相互平行，基線長度為b，并且參數一致，焦距為f，像素面積為A，其特征在于：所述的處理器內部設置人體識別方法，所述的人體識別方法包括以下步驟：

(1) 所述的處理器每個固定周期通過所述的第一紅外成像模組和第二紅外成像模組獲取場景的紅外圖像f¹(x,y)和f²(x,y)，其中x=1~M，y=1~N，M為x軸方向上的最大像素個數，N為y軸方向上的最大像素個數，并存儲在所述的RAM中；

(2) 對紅外圖像f¹(x,y)進行二值化處理，得到二值圖I₀(x,y)，采用的方法為：當T_Lf¹(x,y)T_H，則I₀(x,y)=1，否則I₀(x,y)=0，其中，T_L為人體溫度對應紅外輻射強度采樣值的下限值，T_H為人體溫度對應紅外輻射強度采樣值的上限值，那么I₀(x,y)=1的區域就是可能為人體目標的興趣區域；

(3) 對二值圖I₀(x,y)進行腐蝕運算，消除成像過程中產生的噪聲，得到腐蝕圖I₁(x,y)；

(4) 對腐蝕圖I₁(x,y)進行膨脹運算，去除成像過程中產生的中空區域后得到膨脹圖I₂(x,y)；

(5) 對膨脹圖I₂(x,y)執行循環腐蝕算法，直到只剩下核心點o_j(x_j,y_j)，j=0，1，2......，核心點o_j(x_j,y_j)代表興趣區域的近似中心；然后，在腐蝕圖I₁(x,y)中，采用圖像區域像素面積計算算法得到核心點o_j(x_j,y_j)所在興趣區域的像素面積s_j；所述的圖像區域像素面積計算算法通過如下步驟實現：

(5-1) 設置鏈表L={a_i}，其中a_i=(p,q)，i=1,2,3......，設置表尾指針ep，指向鏈表L中最新數據的位置，初始值為0，設置興趣區域的像素面積s_j，初始值為1；

(5-2) 初始化鏈表L，如果I₁(x_j+1,y_j)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(x_j+1,y_j)，I₁(x_j+1,y_j)=0；如果I₁(x_j,y_j+1)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(x_j,y_j+1)，I₁(x_j,y_j+1)=0；如果I₁(x_j-1,y_j)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(x_j-1,y_j)，I₁(x_j-1,y_j)=0；如果I₁(x_j,y_j-1)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(x_j,y_j-1)，I₁(x_j,y_j-1)=0；

(5-3) 對于鏈表L，如果ep等于0，則計算完成，得到圖像區域的像素面積值s，結束該過程；如果a_ep.p-x_j0，并且a_ep.q-y_j≥0，執行步驟(5-4)；如果a_ep.p-x_j≤0，并且a_ep.q-y_j0，執行步驟(5-5)；如果a_ep.p-x_j0，并且a_ep.q-y_j≤0，執行步驟(5-6)；如果a_ep.p-x_j≥0，并且a_ep.q-y_j0，執行步驟(5-7)；

(5-4) 建立臨時變量(m,n)，令m=a_ep.p，n=a_ep.q，然后ep=ep-1；如果I₁(m+1,n)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m+1,n)，I₁(m+1,n)=0；如果I₁(m,n+1)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m,n+1)，I₁(m,n+1)=0；返回步驟(3)；

(5-5) 建立臨時變量(m,n)，令m=a_ep.p，n=a_ep.q，然后ep=ep-1；如果I₁(m-1,n)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m-1,n)，I₁(m-1,n)=0；如果I₁(m,n+1)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m,n+1)，I₁(m,n+1)=0；返回步驟(3)；

(5-6) 建立臨時變量(m,n)，令m=a_ep.p，n=a_ep.q，然后ep=ep-1；如果I₁(m-1,n)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m-1,n)，I₁(m-1,n)=0；如果I₁(m,n-1)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m,n-1)，I₁(m,n-1)=0；返回步驟(3)；

(5-7) 建立臨時變量(m,n)，令m=a_ep.x，n=a_ep.y，然后ep=ep-1；如果I₁(m+1,n)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m+1,n)，I₁(m+1,n)=0；如果I₁(m,n-1)等于1，則s_j=s_j+1，ep=ep+1，a_ep=(m,n-1)，I₁(m,n-1)=0；返回步驟(3)；

(6) 采用OpenCV中的視差函數，以紅外圖像f¹(x,y)為基準，計算f¹(x,y)和f²(x,y)的視差圖像d(x,y)；

(7) 從視差圖像d(x,y)中查詢核心點o_j(x_j,y_j)對應的視差d(x_j,y_j)，然后計算核心點o_j(x_j,y_j)到所述的第一紅外成像模組的距離D_j=b*f/d(x_j,y_j)；

(8) 計算核心點o_j(x_j,y_j)對應的成像區域面積S_j=s_j*A*b/d(x_j,y_j)；

(9) 如果T_min≤S_j≤T_max，則核心點o_j(x_j,y_j)對應成像區域可能為人體，其中T_min和T_max為人體成像面積的最小閾值和最大閾值。