基于熱釋電紅外傳感器的車輛和人員分類*

李 光，余振華，李寶清, 袁曉兵

(中國科學院 上海微系統與信息技術研究所 無線傳感器網絡與通信重點實驗室，上海 200050)

基于熱釋電紅外傳感器的車輛和人員分類*

李 光，余振華，李寶清, 袁曉兵

(中國科學院 上海微系統與信息技術研究所 無線傳感器網絡與通信重點實驗室，上海 200050)

設計了一種應用于野外環境中的熱釋電紅外系統，并創新性地提出用單熱釋電紅外傳感器節點進行車輛和人員的分類。分類算法利用信號的幅度、信號的持續時間、信號一階差分值的絕對值的最大值作為特征向量，利用支持向量機(SVM)進行目標分類。在10，20 m處分類準確率分別可以達到93.5 %,94.5 %，并且針對10，20 m的綜合分類準確率可以達到92 %。該系統擴展了熱釋電傳感器的應用范圍和應用場景，所用分類方法對于其他同類傳感器系統具有一定的借鑒意義。

目標分類；熱釋電；紅外傳感器車輛；支持向量機

0 引 言

熱釋電紅外(PIR)傳感器是根據熱釋電效應將目標輻射的紅外信號轉換為電信號的一類紅外器件，因其具有隱蔽性強、功耗低、靈敏度高、可全天候工作等特點而廣泛應用于安防系統、自動控制等領域。

在傳統的應用中，熱釋電紅外傳感器一般應用于探測目標的有無、計數及判向等功能[1～3]，隨著工藝的進步和技術的發展，紅外傳感器的應用范圍得到進一步的擴展。文獻[4]通過用步進電機控制紅外傳感器的觀測方向，實現了對目標的方位跟蹤；文獻[5，6]提出了利用模擬電路輸出的目標信號的幅值和峰—峰值時間差來對目標信號進行定距；文獻[7，8]將熱釋電紅外傳感器應用于人體身份識別和人體動作形態識別。綜上可知，當前的大部分研究是將熱釋電傳感器應用于室內環境中。

本文擬將熱釋電傳感器系統應用于野外環境中，并在傳統的探測、計數、判向等功能的基礎上，提出一種利用熱釋電傳感器進行車輛和人員分類的方法，這將大大擴展了熱釋電傳感器的應用場景和應用范圍。

1 系統工作原理

本文中所用的紅外傳感器系統的原理圖如圖1所示。當目標經過檢測區域時，其輻射的紅外光線經過紅外透鏡聚焦在敏感元上，敏感元將光信號轉換為電信號，經過濾波、放大、抽樣后送入單片機，單片機中紅外檢測識別程序進行目標檢測分類后生成情報信息，情報信息經通信模塊發送給后方的控制平臺。

一般的熱釋電的敏感元分為單目、雙目、四目等。雙目的敏感元包含2個反向串聯的熱釋電元件，用于消除環境中的背景噪聲。當探測區域無目標時，背景輻射的紅外光線同時射到2個敏感元上，產生幅度相等但極性相反的信號，輸出信號為零，從而背景噪聲被消除。當目標經過探測區域時，目標所處的位置不同，輻射的紅外光線匯聚在敏感元上的位置不同，輸出的電信號也會不同。如圖2所示，當目標從左向右經過探測區域時，第一個熱釋電元首先被激發，而后是第二個熱釋電元被激發，從而產生圖3(a)中所示的電壓信號輸出。當目標從右向左經過敏感元時，作用過程相反，產生極性相反的信號,如圖3中(b)所示。這也是熱釋電傳感器系統進行目標測向的原理。

圖1 熱釋電紅外系統組成Fig 1 Compsition of PIR system

圖2 目標經過探測區域示意圖Fig 2 Schematic diagram of target passing through detection zone

圖3 目標從不同方向經過探測區域波形圖Fig 3 Waveform when target passing through detection zone from different directions

2 目標分類原理

熱釋電紅外傳感器內部的敏感元件是一種具有極化現象的“鐵電體”,這種鐵電體的極化強度會隨溫度的變化而變化。當紅外光照射到已經極化的鐵電體薄片表面時，引起薄片溫度升高，使其極化強度降低，表面電荷減少，這相當于釋放了一部分電荷，也就是所謂的熱釋電效應。敏感元輸出的電流的大小[5]滿足公式(1)

I=APdT/dt.

(1)

其中,A為熱釋電敏感元的面積，P為熱釋電系數，T為熱釋電材料的溫度。當選型確定時，熱釋電系數也確定，敏感元輸出電流的大小主要與輻射到敏感元上的面積和目標輻射能力有關。實際上，熱釋電信號的輸出由以下幾個方面來確定[9]：

1)目標距離傳感器的遠近；

2)目標的輻射能力和輻射到敏感元上的面積；

3)目標移動的速度；

4)光學系統，包括光學鏡頭的面積和光學鏡頭的透過率等。

信號的幅度和持續時間是熱釋電紅外信號主要的時域特征。文獻[10]中，已經利用信號的持續時間和信號幅度成功地將目標和傳感器的距離分成3個區域。因此，本文分析了信號的幅度和持續時間作為車輛和人員分類特征的可行性。

當傳感器布設完畢后，目標距離傳感器的距離也就基本確定，因此，對輸出信號產生影響的因素主要是目標的輻射能力和目標的移動速度。在同樣的距離下，車輛溫度更高，輻射能力更強，因此，車輛信號的幅度相對于人員信號來說更大。本文中紅外傳感器系統是應用在野外環境中，車輛目標主要為履帶車和輪式卡車等車體較長的目標，相對于人體目標來說車輛目標的信號持續時間會更長。在圖4中，車輛信號的幅度明顯比人體信號的幅度要大得多，信號持續時間也更長，這驗證了以上論述。因此，本文通過測量目標信號的幅度和持續時間來對目標進行分類。

圖4 車輛和人員信號Fig 4 Signal of vehicles and personnel

信號的幅度會受環境因素的影響，而信號的持續時間會受所采用的檢測算法的影響。如果只用信號幅度和信號的持續時間2個指標對目標分類，分類準確率低、效果不穩定。文獻[9]中指出，目標的移動速度和目標形成信號的頻率之間存在如下關系

(2)

式中f為目標形成信號的頻率，fb為光學系統的焦距，vb為目標移動的速度，S為敏感元的面積，L為目標和傳感器的距離。目標移動的速度越大，目標形成的信號的頻率越高。車輛與人體目標的速度差異較大，其頻域信息也存在較大的差異，因此，可以利用頻率的差異來對車輛和人員進行分類。但是，傳感器單片機的計算能力和內存等硬件資源有限，令部署在野外的傳感器系統對信號做FFT，無論是計算能力還是功耗對都是一個不小的挑戰。信號的頻率信息的差異在時域中表現為信號的差分，頻域中高頻成份越多，時域中信號的一階差分值越大。信號的一階差分體現了目標的速度信息，而車輛和人員的速度差別較大，因此，可以選用信號時域的差分值來對目標進行分類。為了進一步突出這種差異，本文中選擇目標信號的差分值的絕對值的最大值Dmax作為目標分類的另一個指標,且Dmax為

Dmax=|xi-xi-1|max.

(3)

其中，i∈(1,2,3,…,N),xi為信號的幅度，N為信號處理選取的一個信號子段，本文中每100個點為一個子段，即N=100。

綜上，可以依據信號的幅度、信號的持續時間、信號一階差分值的絕對值的最大值作為特征向量對車輛和人員信號進行分類。本文定義進行目標分類的特征矢量表示為

V=[Samp,Ls,Dmax].

(4)

其中，Samp為目標信號的幅度，Ls為信號的持續時間，Dmax為信號一階差分值的絕對值的最大值。

3 實驗過程與結果

本文設計了一個熱釋電紅外傳感器系統來驗證以上的分析。圖5(a)為所選擇的敏感元—LHI968,該敏感元為PerkinElmer公司生產的一種雙目敏感元，圖5(b)為本文作者設計的傳感器節點。單片機選擇的是MSP430F5438A，這種芯片具有非常優良的低功耗能力，最低的工作電流，可以達到0.1 μA，非常適合于部署在野外環境中的傳感器節點。此外，它還有12 bit的ADC，256 kB的Flash和一個16 kB的RAM等資源，這些資源能夠滿足的應用需求。為了更好地保留信號的細節信息，在系統中，采用1 kHz的采樣頻率。

圖5 敏感元和探測節點Fig 5 Sensitive component and detecting node

在實驗中，讓車輛和人體目標分別在距離傳感器10，20 m位置處來對目標進行分類。人員信號的速度保持在1 m/s，車輛的目標的速度保持在10 m/s，該速度和在野外環境中車輛行駛速度相近。為了更好地驗證算法的普適性，本文選擇了不同的車輛和人員信號來做目標。傳感器系統中的單片機會對采集的信號進行目標檢測、計數、判向，然后提取出分類所需要的特征矢量。單片機將計數、判向結果和特征矢量經通信模塊發送給后方的控制臺，控制臺的PC會對特征矢量進行目標分類，生成綜合的情報信息。

選取10，20 m處各100個人員信號的數據和100個車輛信號的數據來提取其特征矢量并進行分類實驗。為了更好地對目標進行分類，在PC上使用支持向量機(SVM)分類器對目標進行分類。其中隨機地選取50 %的數據作為訓練數據，另50%數據作為測試數據。表1為10，20 m處獲得的20個人體和車輛的特征矢量數據的平均值。

表1 車輛和人員信號特征矢量Tab 1 Feature vector of vehicles and personnel signal

從表1中可以看出:人員和車輛目標的特征矢量差別很明顯。對于最大幅值Samp，人員信號在10,20 m處均在1 000以下，而車輛目標基本均在2 000以上。20 m處目標信號幅度比10 m處信號幅度大的主要原因是因為10 m處目標在探測范圍小，當目標經過探測范圍同時覆蓋2個敏感元的區域會更大，而2個敏感元是反向串聯的，當目標同時覆蓋2個敏感元時信號會被削弱。由于輪式車、履帶車等車體較長，即使考慮到速度差異的影響，其信號的持續時間Ls仍明顯比人體信號持續時間要長。不同目標類型的信號差分絕對值的最大值Dmax差別較大，但是人員信號在不同距離處差異很小。從表1中可以得出結論：利用信號的幅度、信號的持續時間、信號一階差分值的絕對值的最大值作為特征向量不僅可以對同等距離處的車輛和人員信號進行分類，而且可以對不同距離處的車輛和人員進行分類。

選取10，20 m處各100個人員信號的數據和100個車輛信號的數據提取特征矢量，隨機選取各組中的50個數據作為訓練數據，剩余的數據作為測試數據。為了測試不同距離處的分類效果，將10，20 m處信號組合到一塊，然后隨機選取100個數據作為訓練數據，剩余的作為測試數據。利用SVM對目標進行分類的結果如表2、表3、表4所示，從表中可以看出：1)在10 m處人員和車輛信號的分類率分別達到了92 %和95 %，平均分辨率為93.5 %。2)在20 m處人員和車輛信號的分類率達到了95 %和94 %，平均分辨率為94.5 %。3)不同距離處的人員和車輛信號的分辨率分別為91 %和93 %，平均分辨率為92 %。

從以上分類結果可以得出利用信號的幅度、信號的持續時間、信號一階差分值的絕對值的最大值作為特征向量可以有效地對人員和車輛信號進行分類。

表2 10 m處分類結果Tab 2 Classification results at 10m

表3 20 m處分類結果Tab 3 Classification results at 20 m

表4 不同距離處綜合分類結果Tab 4 Comprehensive classification results at different distances

4 結 論

本文利用單熱釋電傳感器節點在野外環境中進行目標計數、判向、識別，大大擴展了熱釋電傳感器的應用環境和應用范圍。在充分分析熱釋電傳感器工作特性的基礎上，本文提出了利用信號的幅度、信號的持續時間、信號一階差分值的絕對值的最大值作為特征向量對車輛和人員信號進行分類。該分類方法對距離傳感器10，20 m的車輛和人員目標的平均分類準確率分別可以達到93.5 %和94.5 %，對10，20 m的綜合分類準確率也可以達到92 %。

[1] Piero Zappi,Elisabetta Farella,Luca Benini.Tracking motion direction and distance with pyroelectric IR sensors[J].IEEE Sensors Journal,2008,10:1486-1494.

[2] Kastek M,Sosnowski T,Piatkowski T.Passive infrared detector used for detection of very slowly moving of crawling people[J].Opto-Electronics Review,2008,16(3):328-335.

[3] Hashimoto K,Morinaka K,Yoshiike N,et al.People count system using multi-sensing application[C]∥Intemational Conference on Solid-state Sensors and Actuators,1997:1291-1294.

[4] Vicot S.Test-bed design for target detection and tracking using WS[D].Chennai:Anna University,2006.

[5] 孫 喬，楊 衛，于海洋,等.動態下紅外熱釋電傳感器的目標定位方法[J].紅外與激光工程,2012,41(9):2288-2292.

[6] 楊 衛，孫 喬，李 波，等.基于熱釋電紅外傳感技術測距的時間差法研究[J].傳感器與微系統,2012,32(4):37-40.

[7] 馮 莉，明 東，徐 瑞，等.熱釋電紅外傳感器在生物特征識別領域中的研究進展[J].現代儀器，2011，17(3)：10-14.

[8] 楊 靖.一種熱釋電紅外人體動作形態傳感器的研究[D].北京：清華大學，2010.

[9] 王林泓.熱釋電紅外信號特征分析及人體識別方法研究[D].重慶：重慶大學，2010.

[10] Piero Zappi,Elisabetta Farella,Luca Benini.Pyroelectric infrared sensors-based distance estimation[C]∥IEEE Sensors 2008 Conference,2008:716-719.

Classification of vehicle and personnel based on pyroelectric infrared sensor*

LI Guang, YU Zhen-hua, LI Bao-qing, YUAN Xiao-bing

(Key Laboratory of Wireless Sensor Networks & Communication,Shanghai Institute of Micro-system and Information Technology,Chinese Academic of Sciences,Shanghai 200050,China)

Design a pyroelectric IR(PIR)system applied in outdoor environment,and innovatively propose a method using single PIR node to classify vehicles and personnel.The classification algorithm uses signal amplitude，duration of signal，the maximum value of absolute value of the first order difference as feature vector, and use support vector machine(SVM)for target classification.Classifying accuracy is 93.5 % and 94.5 % when PIR detectors are deployed 10 m and 20 m away from the area of interest,and the compositive classification accuracy is 92 %.The system extends the application range and scenarios of pyroelectric sensor and the proposed classification method has a certain reference meaning for other similar sensor systems.

target classification; pyroelectric; infrared sensor; vehicle; SVM

10.13873/J.1000—9787(2014)10—0028—04

2014—03—05

微系統技術國防科技重點實驗室基金資助項目(9140C18010213ZK34001)

TN 219

A

1000—9787(2014)10—0028—04

李 光(1989-)，男，山東聊城人，碩士研究生，主要從事紅外傳感器系統方面的研究工作。