基于低分辨率红外阵列传感器的人体识别算法

在人体检测方面,低分辨率阵列传感器的使用越来越广泛。现有自适应背景估计和帧间方差法的共同缺点是无法在含高频率红外信号的外部环境干扰下对人体进行准确识别。帧间方差法通过采用每帧之间的方差差值与阈值对比来实现人体检测,无法区分外部环境的高频率温度干扰。自适应背景估计通过人体测量温度和背景温度的差值与阈值对比来实现人体检测,外部热源会提高背景温度,减小与人体温度的差值,并且无法区分外部环境的高频率温度干扰,无法对人体进行准确识别。针对此缺点,通过卡尔曼滤波算法消除了信号中包含的白噪声干扰。通过EMD算法进行分解的过程,实现了对IMF分量进行分析处理,解决了外部热源红外信号、人体红外信号、高频率红外信号无法区分的难题。通过小波变换和重组算法,简化了部分IMF分量需要重复使用EMD算法分解,对红外信号进行区分。实验结果表明,所提出的算法不仅提高了在含高频率红外信号外部环境干扰下人体正确识别的准确度,也提高了其他外部环境情况下人体正确识别的准确度,在含高频率红外信号外部环境干扰下识别准确率可达到98.85%,在无高频率红外信号外部环境干扰下准确率可达到99.65%,在无外部环境干扰下准确率可达到99.95%。