论文部分内容阅读
随着我国迅速进入老龄化社会,智能家居养老产品的研究和开发得到了广泛的关注。为了保证独居老人的安全,通常采用安装摄像头或佩戴传感器的方法对老人的活动状态进行监测。然而,这两种技术在使用上都具有一定的局限性:摄像头的使用让老人觉得隐私受到侵犯,而穿戴式传感器的使用又相对不便且老人经常忘记佩戴。为此,本论文针对智能居家养老中的老人监护问题,设计了一个基于低分辨率红外阵列传感器的室内人员监测系统。具体研究内容如下:1.详细阐述了使用低分辨率红外阵列传感器实现室内人员监测的工作原理,以及使用低分辨率红外图像实现人员活动状态识别的算法。通过分析发现采用支持向量机(Support Vector Machine,SVM)进行室内人员的姿态识别,需要人工提取特征值且提取特征值过程复杂。为此,本文进一步分析了采用卷积神经网络技术进行室内人员姿态识别的方法。2.基于松下Grid-eye的8×8红外阵列传感器设计了一个室内人员活动状态的红外热像采集系统。系统由服务器和采集设备两部分组成,两者之间通过RM04无线WiFi模块连接。采集设备由STC12系列单片机控制,可对探测区域实现最大速率为10帧/秒的温度采集,并以每帧64像素的数据上传到服务器。服务器的数据处理程序基于MATLAB开发,并设计了 GUI图形用户界面。采集设备上传到服务器的每一帧数据经过处理后被转换成8×8的伪色彩图像,形成了实时显示的红外热像图。由于人体表面的温度高于室内环境的其他物体,通过对红外热像图的观测可实现人员活动状态的监测。3.为了能够及时监测目标人员的活动状态变化,本文采用卷积神经网络技术对采集到的红外热像图进行处理,实现了对室内人员摔倒、站立、坐立三种姿态的自动识别。通过模型对比实验发现在Caffe框架上利用VGG16模型训练出来的室内人员姿态识别模型具有较好的效果,其中对摔倒状态的检测正确率高达98.9%。此外,通过实验分析了室内背景温度和人员衣服穿戴情况对识别算法的影响。上述研究结果和结论给出了基于红外阵列传感器的室内人员监测系统的参考设计方案,在人员姿态识别技术上提出了新的见解,对开发适用于智能居家养老的人员监护系统,具有重要的实际应用价值。