基于PIR Sensor的單目標(biāo)跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)*

李博雅,李方敏,劉新華,熊 跡,李 等

(武漢理工大學(xué)信息工程學(xué)院,武漢 430070)

?

基于PIR Sensor的單目標(biāo)跟蹤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)*

李博雅,李方敏*,劉新華,熊 跡,李 等

(武漢理工大學(xué)信息工程學(xué)院,武漢 430070)

針對(duì)基于熱釋電紅外傳感器的人體跟蹤系統(tǒng)在實(shí)際環(huán)境中,由于受環(huán)境噪聲和硬件參數(shù)影響而誤差較高的問(wèn)題,本文提出了一種基于熱釋電紅外傳感器PIR Sensor(Pyroelectric Infrared Sensor)的高精度人體目標(biāo)跟蹤方案。該方案首先對(duì)檢測(cè)區(qū)域內(nèi)運(yùn)動(dòng)人體熱輻射的紅外信號(hào)特征進(jìn)行了提取,然后利用PIR Sensor定位節(jié)點(diǎn)自身幾何參數(shù)和探測(cè)數(shù)據(jù),得到初步定位結(jié)果。最后通過(guò)Kalman濾波算法對(duì)初步定位結(jié)果進(jìn)行濾波處理并更新目標(biāo)的狀態(tài)信息,實(shí)現(xiàn)對(duì)檢測(cè)區(qū)域內(nèi)人體目標(biāo)的定位與跟蹤。實(shí)驗(yàn)表明,該系統(tǒng)的跟蹤誤差與同類(lèi)跟蹤系統(tǒng)相比降低了71.96%,證明了該系統(tǒng)具有較高的跟蹤精度。

目標(biāo)跟蹤;信號(hào)提取;熱釋電紅外傳感器(PIR Sensor);Kalman

隨著信息化時(shí)代的進(jìn)步,傳感器定位技術(shù)逐漸成為無(wú)線(xiàn)傳感器網(wǎng)絡(luò)多數(shù)應(yīng)用中的關(guān)鍵技術(shù)支撐之一[1],在當(dāng)今社會(huì)中發(fā)揮著重要作用。人體運(yùn)動(dòng)定位及跟蹤是智能監(jiān)控、高級(jí)人機(jī)接口、人體運(yùn)動(dòng)分析、人體行為理解[2-5]等領(lǐng)域涉及的共性關(guān)鍵技術(shù)。現(xiàn)有的人體定位技術(shù)主要包括無(wú)線(xiàn)射頻、超聲波測(cè)量、GPS測(cè)量、基于圖像和主動(dòng)式紅外檢測(cè)法,上述方法因能耗和移動(dòng)性等因素的限制,不適用于一些特殊環(huán)境。熱釋電紅外傳感器因其可通過(guò)非接觸的形式檢測(cè)環(huán)境中人體輻射的特定波長(zhǎng)紅外線(xiàn),廣泛應(yīng)用于人體定位領(lǐng)域[6]。文獻(xiàn)[7]中,Qi Hao等人在對(duì)基于熱釋電紅外傳感器的人體運(yùn)動(dòng)跟蹤研究的基礎(chǔ)上,提出了一些人體運(yùn)動(dòng)跟蹤算法,并在文獻(xiàn)[8]中基于PIR Sensor對(duì)人體輻射特定波長(zhǎng)的紅外線(xiàn)較敏感的特征,對(duì)熱釋電傳感器外圍區(qū)域進(jìn)行劃分和編碼,通過(guò)人體在不同區(qū)域運(yùn)動(dòng)時(shí)產(chǎn)生不同編碼的方法確定人體目標(biāo)所處的具體位置。

實(shí)際環(huán)境中的目標(biāo)定位及跟蹤存在一定的誤差,而節(jié)點(diǎn)的探測(cè)誤差以及環(huán)境的引入誤差是影響跟蹤精度的主要因素。為減小這些因素的影響,將卡爾曼濾波算法應(yīng)用于目標(biāo)定位[9]及基于距離的定位算法求精過(guò)程中,可以進(jìn)一步提高室內(nèi)定位系統(tǒng)的定位精度[10]。

新加坡南洋理工大學(xué)謝立華等人開(kāi)發(fā)的基于傳感器網(wǎng)絡(luò)的目標(biāo)跟蹤系統(tǒng)使用卡爾曼濾波對(duì)單/多目標(biāo)進(jìn)行跟蹤,在一定程度上提高了跟蹤精度[11]。卡爾曼濾波是一種數(shù)學(xué)上的統(tǒng)計(jì)估算方法,它通過(guò)處理一系列帶有誤差的實(shí)際量測(cè)數(shù)據(jù)而得到物理參數(shù)的最佳估算,即根據(jù)前一個(gè)估計(jì)值和最近一個(gè)觀(guān)測(cè)值來(lái)估計(jì)目標(biāo)的當(dāng)前位置[12]。

本文采用PIR Sensor節(jié)點(diǎn)模塊探測(cè)人體行走時(shí)輻射的紅外線(xiàn),對(duì)得到的不同人體以相同速度沿不同路線(xiàn)行走時(shí)產(chǎn)生的時(shí)域信號(hào)進(jìn)行了特征分析,并通過(guò)基于角度的定位方法以及卡爾曼濾波算法對(duì)采集到的信號(hào)進(jìn)行定位及濾波處理,將各傳感器接收到的紅外信號(hào)數(shù)據(jù)分解為對(duì)應(yīng)于運(yùn)動(dòng)目標(biāo)產(chǎn)生的觀(guān)測(cè)集合或軌跡,進(jìn)而估計(jì)出目標(biāo)的狀態(tài),并最終實(shí)現(xiàn)運(yùn)動(dòng)人體的定位及跟蹤。

1 PIR Sensor節(jié)點(diǎn)系統(tǒng)

1.1 熱釋電傳感器

熱釋電效應(yīng)[13]是指熱釋電晶體和壓電陶瓷等在溫度變化時(shí)產(chǎn)生臨時(shí)電壓的能力。溫度變化引起這些材料在結(jié)構(gòu)上出現(xiàn)電荷中心相對(duì)位移,極化程度發(fā)生變化,兩端產(chǎn)生異號(hào)束縛電荷,導(dǎo)致在其兩端產(chǎn)生一個(gè)電壓信號(hào)[14]。

熱釋電傳感器就是基于熱釋電效應(yīng)原理的一種熱電型紅外探測(cè)元件,由密封在管殼內(nèi)的傳感元件、場(chǎng)效應(yīng)管、偏置高阻及干涉濾光片構(gòu)成[15],其中傳感元件是覆蓋有黑色吸收涂層的芯片,用于信號(hào)轉(zhuǎn)換,場(chǎng)效應(yīng)管用于阻抗變換,偏置高阻將傳感元件輸出的電荷信號(hào)轉(zhuǎn)換為電壓信號(hào)便于后期處理。當(dāng)熱釋電傳感器探測(cè)到紅外信號(hào)時(shí),黑色吸收涂層先把輻射熱通量轉(zhuǎn)換成溫度的變化;然后再由熱釋電元件將紅外輻射進(jìn)行熱電轉(zhuǎn)換,從而完成紅外信號(hào)到電信號(hào)的轉(zhuǎn)換過(guò)程。熱釋電傳感器旨在檢測(cè)紅外光強(qiáng)度的變化,變化速度與產(chǎn)生的熱釋電信號(hào)成正比。

常見(jiàn)的熱釋電傳感器有雙元型及四元型。雙元是指串聯(lián)在一起的兩個(gè)極性相反、特性一致的探測(cè)元,外部環(huán)境或自身變化在這兩個(gè)探測(cè)元上產(chǎn)生極性相反、大小相等的干擾信號(hào)將被抵消,達(dá)到了消除干擾的目的;四元?jiǎng)t是指兩組雙元探測(cè)元并聯(lián),如圖1 所示,采用了4個(gè)探測(cè)元互補(bǔ)的方法抑制溫度變化產(chǎn)生的干擾,提高了傳感器的工作穩(wěn)定性。熱釋電傳感器具有高信噪比、高靈敏度以及低功耗等優(yōu)點(diǎn),在火災(zāi)安全監(jiān)控、氣候控制、衛(wèi)星定位控制、入侵監(jiān)測(cè)以及其他環(huán)境監(jiān)控等方面得到了充分的利用。

圖1 四元型熱釋電傳感器結(jié)構(gòu)

1.2 系統(tǒng)結(jié)構(gòu)

硬件系統(tǒng)結(jié)構(gòu)框圖如圖2所示,由PIR Sensor節(jié)點(diǎn)模塊、網(wǎng)關(guān)模塊以及PC構(gòu)成。其中,PIR Sensor節(jié)點(diǎn)模塊由以下幾部分構(gòu)成:熱釋電傳感器、信號(hào)處理電路、AD轉(zhuǎn)換模塊、單片機(jī)及無(wú)線(xiàn)模塊。熱釋電傳感器采集人體輻射的紅外信號(hào)并將其轉(zhuǎn)換為電信號(hào),經(jīng)AD轉(zhuǎn)換模塊處理后變?yōu)閿?shù)字信號(hào)并通過(guò)無(wú)線(xiàn)模塊發(fā)送至網(wǎng)關(guān)模塊;網(wǎng)關(guān)模塊將接收到的數(shù)據(jù)進(jìn)行打包后通過(guò)網(wǎng)口發(fā)送給PC進(jìn)行后期的數(shù)據(jù)處理及分析。

圖2 硬件系統(tǒng)結(jié)構(gòu)框圖

熱釋電傳感器選用D205B型四元傳感器,因其內(nèi)部的兩組極性相反的探測(cè)元可有效的抵消外界溫度或光線(xiàn)變化引起的誤差,提高了探測(cè)準(zhǔn)確度;同時(shí),它的探測(cè)距離可達(dá)8 m,相對(duì)于其他型號(hào)的熱釋電傳感器具有更大的探測(cè)距離。

每個(gè)PIR Sensor節(jié)點(diǎn)模塊(如圖2中所示的PIR Sensor Node1及PIR Sensor Node2)上布置14個(gè)熱釋電傳感器,需14個(gè)通道用以采集數(shù)據(jù),而每片AD僅有8個(gè)通道,因此每個(gè)PIR Sensor節(jié)點(diǎn)模塊上需要配有兩片AD。系統(tǒng)選用的AD通道位寬為16 bit,同時(shí)PIR Sensor節(jié)點(diǎn)模塊以100 sample/s的采樣率向網(wǎng)關(guān)模塊發(fā)送數(shù)據(jù),因此采集節(jié)點(diǎn)向網(wǎng)關(guān)模塊發(fā)送數(shù)據(jù)的碼率為25 600 bit/s,那么至少需要25.6 kbit/s的帶寬,因此設(shè)計(jì)中采用了帶寬為1 Mbit/s～2 Mbit/s的無(wú)線(xiàn)模塊NRF24L01,保證了數(shù)據(jù)傳送的有效性,避免了丟包現(xiàn)象的發(fā)生,及時(shí)地將每次采集到的數(shù)據(jù)發(fā)送給網(wǎng)關(guān)模塊。為保證接收數(shù)據(jù)的完整性并提高接收效率,網(wǎng)關(guān)模塊上安置兩個(gè)NRF24L01,以“一對(duì)一”的方式與PIR Sensor節(jié)點(diǎn)模塊上的NRF24L01進(jìn)行數(shù)據(jù)的收發(fā)。設(shè)計(jì)中放置了兩個(gè)PIR Sensor節(jié)點(diǎn)模塊,則網(wǎng)關(guān)模塊向PC發(fā)送數(shù)據(jù)的碼率為51.2 kbit/s,而串口最大速率一般為115 200 bit/s,可滿(mǎn)足系統(tǒng)需求。系統(tǒng)中采用TCP/IP協(xié)議的方式通過(guò)網(wǎng)口傳送數(shù)據(jù),便于后期設(shè)計(jì)升級(jí)(增加傳感器或節(jié)點(diǎn)數(shù)目)。

PIR Sensor節(jié)點(diǎn)模塊將采集到的數(shù)據(jù)先進(jìn)行打包處理:將數(shù)據(jù)編碼成40 byte的格式,從左向右依次為:2 byte的幀頭,1 byte的節(jié)點(diǎn)ID,2 byte的節(jié)點(diǎn)編號(hào),28 byte的數(shù)據(jù),1 byte的校驗(yàn)位,2 byte的幀尾,以及4 byte的空位;然后將這些編碼后的數(shù)據(jù)打包并采用順序查詢(xún)的原則發(fā)送給網(wǎng)關(guān)上的NRF24L01無(wú)線(xiàn)模塊。每個(gè)PIR Sensor節(jié)點(diǎn)模塊上安裝有一個(gè)NRF24L01無(wú)線(xiàn)模塊,而每個(gè)NRF24L01每次只能發(fā)送20 byte的數(shù)據(jù),所以需要將編碼后的40 byte數(shù)據(jù)打包為兩個(gè)數(shù)據(jù)包再進(jìn)行發(fā)送。

網(wǎng)關(guān)模塊先對(duì)接收到的數(shù)據(jù)包進(jìn)行拆包處理:依據(jù)幀頭及對(duì)應(yīng)的幀尾將原來(lái)的數(shù)據(jù)進(jìn)行組裝,若在組裝過(guò)程中發(fā)現(xiàn)部分?jǐn)?shù)據(jù)損壞或丟失,則將這組數(shù)據(jù)丟棄,并繼續(xù)接收下一組數(shù)據(jù)包;拆包處理后的數(shù)據(jù)將被打包為一個(gè)數(shù)據(jù)包,并通過(guò)TCP/IP協(xié)議的方式被發(fā)送至PC機(jī)。

PC機(jī)將接收到的數(shù)據(jù)包進(jìn)行相應(yīng)的處理后顯示處理結(jié)果并完成相關(guān)參數(shù)的配置。

系統(tǒng)中數(shù)據(jù)的發(fā)送及接收均采用點(diǎn)對(duì)點(diǎn)的通信方式,以查詢(xún)的方式接收數(shù)據(jù),使得傳輸速度能夠滿(mǎn)足系統(tǒng)的要求,保證了通信的流暢。每個(gè)PIR Sensor節(jié)點(diǎn)模塊上有14個(gè)傳感器,每秒傳送100次,且2個(gè)PIR Sensor節(jié)點(diǎn)模塊同時(shí)發(fā)送數(shù)據(jù),導(dǎo)致數(shù)據(jù)量較大,因此網(wǎng)關(guān)通過(guò)網(wǎng)口進(jìn)行數(shù)據(jù)的傳輸。

節(jié)點(diǎn)模塊與網(wǎng)關(guān)模塊的通信是通過(guò)無(wú)線(xiàn)模塊NRF24L01間的ACK(自動(dòng)應(yīng)答)機(jī)制實(shí)現(xiàn)的,如圖3所示。ACK機(jī)制即接收節(jié)點(diǎn)(本系統(tǒng)中指網(wǎng)關(guān)節(jié)點(diǎn))對(duì)接收到的每幀或者每組數(shù)據(jù)幀進(jìn)行確認(rèn);發(fā)送節(jié)點(diǎn)(本系統(tǒng)中指PIR Sensor節(jié)點(diǎn))按照有序的方式進(jìn)行數(shù)據(jù)發(fā)送,接收節(jié)點(diǎn)正確接收后對(duì)收到的數(shù)據(jù)報(bào)文進(jìn)行ACK回復(fù)。此ACK幀的含義為接收方期待接收的下一幀,即當(dāng)收到的數(shù)據(jù)無(wú)誤時(shí),接收節(jié)點(diǎn)將回復(fù)ACK填入接收到的數(shù)據(jù)幀序號(hào)加1的值后進(jìn)行回復(fù),否則,回復(fù)接收到的數(shù)據(jù)幀序號(hào)。此時(shí),會(huì)有幾種情況出現(xiàn):其一,數(shù)據(jù)接收正確;其二,數(shù)據(jù)出現(xiàn)丟包現(xiàn)象;其三,發(fā)送節(jié)點(diǎn)無(wú)法收到ACK。

如圖3所示,情況①為正常情況,網(wǎng)關(guān)節(jié)點(diǎn)正確接收到PIR Sensor節(jié)點(diǎn)發(fā)送的數(shù)據(jù)幀0,接收節(jié)點(diǎn)回復(fù)ACK1期待接收數(shù)據(jù)幀1。PIR Sensor節(jié)點(diǎn)收到ACK1后發(fā)送幀1。情況②為數(shù)據(jù)出現(xiàn)丟包的情況,接收節(jié)點(diǎn)收到幀1,但是數(shù)據(jù)校驗(yàn)失敗,回復(fù)原數(shù)據(jù)幀序號(hào)確認(rèn)幀即ACK1,發(fā)送節(jié)點(diǎn)收到ACK1,重傳幀1。情況③為鏈路故障情況,發(fā)送節(jié)點(diǎn)無(wú)法收到ACK。可能是數(shù)據(jù)幀無(wú)法傳送到接收節(jié)點(diǎn),也可能是ACK無(wú)法達(dá)到發(fā)送節(jié)點(diǎn)。此時(shí),發(fā)送節(jié)點(diǎn)將和情況②一樣重傳幀1。對(duì)于后兩種情況,若PIR Sensor節(jié)點(diǎn)重傳幀1累計(jì)超過(guò)10次后仍無(wú)法正確接收到ACK,則認(rèn)定接收節(jié)點(diǎn)無(wú)法連接,通信則被中斷。

圖4 節(jié)點(diǎn)MASK平面圖及實(shí)物圖

1.3 PIR Sensor節(jié)點(diǎn)MASK的設(shè)計(jì)

一種兩列徑向傳感器模塊可用于實(shí)現(xiàn)運(yùn)動(dòng)人體定位,如圖4所示。設(shè)計(jì)中采用的PIR Sensor節(jié)點(diǎn)模塊由14個(gè)裝有徑向開(kāi)孔MASK的熱釋電傳感器模塊組成,排列成兩列。覆有MASK的PIR Sensor節(jié)點(diǎn)模塊將視場(chǎng)分割成14個(gè)角分辨率為5°的扇形區(qū)域,每個(gè)PIR Sensor節(jié)點(diǎn)模塊具有70°的視場(chǎng)檢測(cè)范圍。

理想情況下,PIR Sensor上的感應(yīng)區(qū)域面積很小,可理想化為一點(diǎn),設(shè)計(jì)中MASK的半徑為30 mm,則5°的角分辨率對(duì)應(yīng)2.6 mm的開(kāi)孔寬度,而實(shí)際的D205B型號(hào)的PIR Sensor的感應(yīng)區(qū)面積為4 mm×2.6 mm,如圖5所示,A點(diǎn)與B點(diǎn)實(shí)際相距4mm,此時(shí)14個(gè)分割后的視場(chǎng)區(qū)域存在部分重疊。可通過(guò)多次實(shí)驗(yàn)標(biāo)定的方式提高區(qū)域分割準(zhǔn)確率:實(shí)驗(yàn)者以PIR Sensor節(jié)點(diǎn)模塊為中心沿一定半徑往返行走,當(dāng)行至對(duì)應(yīng)扇形分割區(qū)域邊界時(shí)標(biāo)定MASK分割區(qū)域的實(shí)際邊界,達(dá)到了矯正理想情況下邊界位置的目的。以1號(hào)區(qū)域和14號(hào)區(qū)域?yàn)槔f(shuō)明如下:當(dāng)實(shí)驗(yàn)者在節(jié)點(diǎn)模塊前從1號(hào)區(qū)域向14號(hào)區(qū)域行走時(shí),進(jìn)入1號(hào)區(qū)域的邊緣時(shí),實(shí)驗(yàn)者輻射的紅外信號(hào)會(huì)觸發(fā)所對(duì)應(yīng)的熱釋電傳感器并輸出一定的脈沖信號(hào),由脈沖的起始點(diǎn)便可判定實(shí)驗(yàn)者所處位置即為1號(hào)區(qū)域的左邊緣處;若實(shí)驗(yàn)者反向行走,脈沖信號(hào)對(duì)應(yīng)于14號(hào)區(qū)域,同樣由脈沖信號(hào)的起始點(diǎn)判定實(shí)驗(yàn)者的位置即為14號(hào)區(qū)域的右邊緣處。

圖5 MASK感應(yīng)區(qū)域圖

2 算法方案

2.1 Kalman濾波算法簡(jiǎn)介

系統(tǒng)采用角度定位的方法實(shí)現(xiàn)對(duì)單目標(biāo)的初步定位:當(dāng)人體目標(biāo)在探測(cè)區(qū)域內(nèi)行走時(shí),目標(biāo)輻射的紅外信號(hào)被PIR Sensor檢測(cè)并輸出一定的電信號(hào),此時(shí)通過(guò)對(duì)比之前設(shè)定好的閾值信號(hào)電壓可得出對(duì)應(yīng)節(jié)點(diǎn)上產(chǎn)生感應(yīng)的傳感器模塊編號(hào),進(jìn)而可知對(duì)應(yīng)節(jié)點(diǎn)上的區(qū)域分割角度值,根據(jù)區(qū)域角度值與存儲(chǔ)于數(shù)據(jù)庫(kù)中的坐標(biāo)值一一對(duì)應(yīng)的關(guān)系得出目標(biāo)初始位置,實(shí)現(xiàn)了單目標(biāo)的初步定位,如圖6所示。

圖6 目標(biāo)定位示意圖及實(shí)際場(chǎng)景圖

然而通過(guò)這種方式難以獲得準(zhǔn)確的位置坐標(biāo),需要用濾波算法不斷地做信息融合處理,以達(dá)到對(duì)目標(biāo)的高精度定位及跟蹤。這些濾波算法主要有Kalman濾波[16-17],擴(kuò)展Kalman濾波[18],粒子濾波[19]等。在實(shí)際環(huán)境中噪聲干擾是非常大的,因而引入相應(yīng)的濾波算法是非常必要的。目標(biāo)定位及跟蹤在很大程度上就是在做狀態(tài)估計(jì)和噪聲濾除工作,因而濾波是定位及跟蹤的關(guān)鍵所在。

卡爾曼濾波是線(xiàn)性無(wú)偏最小均方誤差遞推濾波器[20],它是用前一個(gè)估計(jì)值和最近一個(gè)觀(guān)察數(shù)據(jù)來(lái)估計(jì)信號(hào)的當(dāng)前值,通過(guò)狀態(tài)方程以及遞推的方法進(jìn)行估計(jì),其解是以估計(jì)值形式給出,因此稱(chēng)這種系統(tǒng)為線(xiàn)性最優(yōu)估計(jì)器或?yàn)V波器。卡爾曼濾波中信號(hào)和噪聲是以狀態(tài)方程和量測(cè)方程表示的,因此設(shè)計(jì)卡爾曼濾波器要求已知狀態(tài)方程和量測(cè)方程,在本系統(tǒng)(線(xiàn)性離散系統(tǒng))中卡爾曼濾波過(guò)程的狀態(tài)方程及量測(cè)方程如下所示。

狀態(tài)方程:

X(k)=ΦX(k-1)+Γu(k)

(1)

量測(cè)方程:

Z(k)=HX(k)+v(k)

(2)

①狀態(tài)估計(jì)的一步狀態(tài)預(yù)測(cè)方程

X(k|k-1)=ΦX(k-1|k-1)+Γu(k)

(3)

②協(xié)方差預(yù)測(cè)方程

P(k|k-1)=ΦP(k-1|k-1)ΦT+Q

(4)

其中,Q是u的均方差,ω為調(diào)參數(shù),且ω<1,Q的計(jì)算公式為:

Q=ω·diag([0.5,1])

(5)

③卡爾曼增益方程

K=P(k|k-1)HT/(HP(k|k-1)HT+R)

(6)

其中,R為系統(tǒng)中的觀(guān)測(cè)噪聲均值。

④狀態(tài)更新方程

X(k|k)=X(k|k-1)+K(Z(k)-HX(k|k-1))

(7)

⑤協(xié)方差更新方程

P(k|k)=(1-KH)P(k|k-1)

(8)

通過(guò)Kalman濾波算法對(duì)本系統(tǒng)中初步定位結(jié)果的狀態(tài)序列進(jìn)行線(xiàn)性最小方差誤差估計(jì),對(duì)下一個(gè)狀態(tài)的運(yùn)動(dòng)做最優(yōu)估計(jì),預(yù)測(cè)時(shí)具有無(wú)偏、穩(wěn)定和最優(yōu)的特定,實(shí)現(xiàn)了對(duì)運(yùn)動(dòng)目標(biāo)的高精度跟蹤。

2.2 算法在單目標(biāo)跟蹤中的應(yīng)用

系統(tǒng)中每個(gè)PIR Sensor節(jié)點(diǎn)由14個(gè)熱釋電傳感器電路組成,將空間視場(chǎng)分為14個(gè)扇形角度區(qū)域,兩個(gè)PIR Sensor節(jié)點(diǎn)模塊將空間視場(chǎng)分割成14×14=196個(gè)交叉區(qū)域,對(duì)于每個(gè)交叉區(qū)域,可取兩角平分線(xiàn)的交點(diǎn)作為此區(qū)域的坐標(biāo)值,將產(chǎn)生的196個(gè)坐標(biāo)值存入數(shù)據(jù)庫(kù),形成一個(gè)14×14的矩陣。

定位思想圖如圖7所示,當(dāng)目標(biāo)在視場(chǎng)區(qū)域內(nèi)行走時(shí),人體輻射的紅外信號(hào)被熱釋電傳感器檢測(cè)后產(chǎn)生并輸出一定的信號(hào),此時(shí)通過(guò)對(duì)比之前設(shè)定好的閾值信號(hào)電壓便可得出兩個(gè)節(jié)點(diǎn)上產(chǎn)生感應(yīng)的傳感器模塊編號(hào),進(jìn)而可知對(duì)應(yīng)節(jié)點(diǎn)上區(qū)域分割角度值,根據(jù)區(qū)域角度值與存儲(chǔ)于數(shù)據(jù)庫(kù)中的矩陣元素值一一對(duì)應(yīng)的關(guān)系得出目標(biāo)位置的坐標(biāo)值,實(shí)現(xiàn)了目標(biāo)的初步定位;接著采用Kalman濾波算法對(duì)初步定位所得位置信息進(jìn)行濾波處理:通過(guò)前一個(gè)估計(jì)所得的目標(biāo)位置和最近一個(gè)觀(guān)察的目標(biāo)位置數(shù)據(jù)來(lái)估計(jì)目標(biāo)當(dāng)前所處位置信息,通過(guò)狀態(tài)方程以及遞推的方法估計(jì)出目標(biāo)位置,進(jìn)一步提高了定位精度。

圖7 定位思想圖

3 實(shí)驗(yàn)及結(jié)果分析

實(shí)驗(yàn)中共放置兩個(gè)PIR Sensor節(jié)點(diǎn)模塊,分別位于6 m×6 m實(shí)驗(yàn)場(chǎng)地的相鄰兩邊的中點(diǎn)處。熱釋電傳感器的探測(cè)距離約為10 m～15 m,可以有效的檢測(cè)到實(shí)驗(yàn)場(chǎng)地的各個(gè)位置。PIR Sensor節(jié)點(diǎn)模塊上的熱釋電傳感器距離地面的高度為0.86 m～1.15 m,因?yàn)槿梭w頭部和手部沒(méi)有衣服遮擋,紅外輻射較其他部位要強(qiáng)一些,所以這個(gè)高度有助于更有效的接收人體目標(biāo)輻射的紅外線(xiàn)。

實(shí)驗(yàn)中對(duì)3個(gè)實(shí)驗(yàn)者分別進(jìn)行三類(lèi)實(shí)驗(yàn)。實(shí)驗(yàn)一:3個(gè)實(shí)驗(yàn)者以相同的速度沿圖8(a)所示路線(xiàn)重復(fù)行走20次,共采集60組數(shù)據(jù);實(shí)驗(yàn)二及實(shí)驗(yàn)三:選一個(gè)實(shí)驗(yàn)者以實(shí)驗(yàn)一規(guī)定的行走速度沿圖8(b)及8(c)所示六條路線(xiàn)行走,每條路線(xiàn)來(lái)回行走20次,采集240組數(shù)據(jù)。三次實(shí)驗(yàn)總共采集300組數(shù)據(jù)。

圖8 實(shí)驗(yàn)路線(xiàn)

圖9 實(shí)驗(yàn)1中3個(gè)實(shí)驗(yàn)者跟蹤效果圖

為驗(yàn)證本系統(tǒng)對(duì)單目標(biāo)進(jìn)行高精度跟蹤的有效性,采用了本文提出的角度定位法以及Kalman濾波算法對(duì)傳感器節(jié)點(diǎn)采集的紅外信號(hào)進(jìn)行定位及濾波處理,在完成角度檢測(cè)的基礎(chǔ)上進(jìn)一步提高了定位精度。假設(shè)系統(tǒng)噪聲為零均值正態(tài)噪聲,MATLAB平臺(tái)下的跟蹤效果圖如圖9～圖11所示。

圖10 實(shí)驗(yàn)2跟蹤效果圖

圖11 實(shí)驗(yàn)3跟蹤效果圖

對(duì)于圖9至圖11,細(xì)直線(xiàn)為目標(biāo)實(shí)際行走路線(xiàn),黑色的點(diǎn)為經(jīng)過(guò)角度定位法得到的初步定位點(diǎn),根據(jù)黑色的點(diǎn)繪出的粗線(xiàn)則為采用Kalman濾波算法所成的跟蹤路線(xiàn)圖。由圖9至圖11可知,通過(guò)采用角度定位法及Kalman濾波算法得到的目標(biāo)位置與目標(biāo)實(shí)際所處位置的重合度較高,證明了本系統(tǒng)對(duì)單目標(biāo)進(jìn)行高精度跟蹤的有效性。同時(shí),為了證明本系統(tǒng)對(duì)單目標(biāo)進(jìn)行跟蹤的精確性,統(tǒng)計(jì)并計(jì)算了實(shí)驗(yàn)誤差。以實(shí)驗(yàn)二和實(shí)驗(yàn)三為例,設(shè)定采樣周期為0.03 s,PIR Sensor節(jié)點(diǎn)模塊觀(guān)測(cè)噪聲的均值為0,方差為0.1 m,所得實(shí)驗(yàn)誤差圖如圖12及圖13所示,進(jìn)而可得實(shí)驗(yàn)二及實(shí)驗(yàn)三的平均誤差分別為0.129 m及0.132 m。實(shí)驗(yàn)對(duì)比了文獻(xiàn)[15](文獻(xiàn)[15]中的實(shí)驗(yàn)路線(xiàn)與本文中實(shí)驗(yàn)二的試驗(yàn)路線(xiàn)一致,文獻(xiàn)[15]中實(shí)驗(yàn)誤差為0.46 m),可見(jiàn)誤差降低了71.96%,驗(yàn)證了本系統(tǒng)對(duì)單目標(biāo)進(jìn)行高精度跟蹤的有效性。

圖12 實(shí)驗(yàn)二誤差圖

圖13 實(shí)驗(yàn)三誤差圖

4 結(jié)論

本文設(shè)計(jì)并實(shí)現(xiàn)了由兩個(gè)PIR Sensor節(jié)點(diǎn)模塊組成的PIR Sensor單目標(biāo)高精度跟蹤系統(tǒng)。通過(guò)引入熱釋電傳感器及其他元件組成的PIR Sensor節(jié)點(diǎn)模塊對(duì)檢測(cè)區(qū)域內(nèi)運(yùn)動(dòng)人體目標(biāo)輻射的紅外信號(hào)進(jìn)行了提取,并基于角度定位法實(shí)現(xiàn)對(duì)單目標(biāo)的初步定位,最后由Kalman濾波算法對(duì)初步定位結(jié)果進(jìn)行濾波處理,降低了誤判率。實(shí)驗(yàn)結(jié)果表明,在一定的檢測(cè)區(qū)域內(nèi),該系統(tǒng)的平均跟蹤誤差低至0.129 m,相比同類(lèi)跟蹤系統(tǒng)降低了71.96%,驗(yàn)證了本系統(tǒng)對(duì)單目標(biāo)實(shí)現(xiàn)高精度跟蹤的有效性,后期將對(duì)多目標(biāo)實(shí)現(xiàn)高精度跟蹤。

[1] Soo Kim,Jeong-Gil Ko,Jongwon Yoon,et al. Multiple-Objective Metric for Placing Multiple Base Stations in Wireless Sensor Networks[J]. International Symposium on Wireless Pervasive Computing,2007(2):5-7.

[2]候志強(qiáng),韓崇昭. 視覺(jué)跟蹤技術(shù)綜述[J]. 自動(dòng)化學(xué)報(bào),2006,32(4):603-617.

[3]孫滿(mǎn)法. 基于人體位置檢測(cè)的商場(chǎng)智能照明研究[J]. 科教文匯,2008:276-277.

[4]萬(wàn)纓,韓毅,盧漢清. 運(yùn)動(dòng)目標(biāo)檢測(cè)算法的探討[J]. 計(jì)算機(jī)仿真,2007,23(10):221-226.

[5]Francois Bremond,Monique Thonnat,Marcos Zuniga. Video Understanding Framework for Automatic Behavior Recognition[J]. Behavior Research Methods,2006,3(38):416-426.

[6]肖佳,楊波. 基于熱釋電紅外傳感技術(shù)的目標(biāo)定位研究[J]. 紅外,2011,32(12):17-22.

[7]Jian-Shuen Fang,Qi Hao,Davie J Brady,et al. Path-dependent Human Identification Using a Pyroelectric Infrared Sensor and Fresnel[J]. Optics Express,2006,14(2):609-624.

[8]Lu Jiang,Gong Jiaqi,Hao Qi,et al. Space Encoding Based Compressive Multiple Human Tracking with Distributed Binary Pyroelectric Infrared Sensor Networks[J]. IEEE Conference on Digital Object Identifier,2012:180-185.

[9]Tan Rui,Xing Guoliang,Liu Xue,et al. Adaptive Calibration for Fusion-Based Wireless Sensor Networks[J]. Infocom,2010:1-9.

[10]Yun X,Bachmann E R. Design,Implementation,and Experimental Results of a Quaternion-Based Kalman Filter for Human Body Motion Tracking[J]. IEEE Transactions on Robotics,2006,22(6):1216-1227.

[11]危阜勝,胥布工,高煥麗,等. 基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的分布式處理目標(biāo)跟蹤系統(tǒng)[J]. 傳感技術(shù)學(xué)報(bào),2009,22(10):1498-1503.

[12]Zhan R,Wan J. Iterated Unscented Kalman Filter for Passive Target Tracking[J]. IEEE Transactions on Aerospace and Electronic Systems,2007:1155-1163.

[13]Urfaliglu O,Soyer E B,Toreyin B U,et al. PIR-Sensor Based Human Motion Event Classification[J]. Signal Processing,Communication and Applications Conference on Signal Processing,2008:1-4.

[14]劉崗,梁庭,林斯佳,等. 鈮酸鋰晶片熱釋電紅外探測(cè)器設(shè)計(jì)及性能測(cè)試[J]. 傳感技術(shù)學(xué)報(bào),2013,26(3):333-337.

[15]徐克寶,高杰,鞠曉君,等. 具有抗環(huán)境熱源干擾的熱釋電探測(cè)器的應(yīng)用研究[J]. 傳感技術(shù)學(xué)報(bào),2006,19(3):758-762.

[16]周琳娜. 基于卡爾曼濾波的目標(biāo)飛行體預(yù)測(cè)[J]. 電子測(cè)試,2010(5):23-24,54.

[17]譚菊. 基于Kalman濾波的目標(biāo)軌跡預(yù)測(cè)[J]. 重慶文理學(xué)院學(xué)報(bào),2009,28(5):28-30.

[18]Qi Hao,Fei Hu,Yang Xiao. Multiple Human Tracking and Identification with Wireless Distributed Pyroelectric Sensor Systems[J]. Systems Journal on IEEE,2009,3(4):428-439.

[19]Cheng Chang,Ansari R. Kernel Particle Filter for Visual Tracking[J]. Signal Processing Letters,2005,12(3):242-245.

[20]Qi Hao,Fei Hu,Yang Xiao. Multiple Human Tracking and Identification with Wireless Distributed Pyroelectric Sensors[J]. Systems Journal,2009:428-439.

李博雅(1989-),女,內(nèi)蒙古烏蘭察布人。2012年畢業(yè)于武漢理工大學(xué)信息學(xué)院,獲工學(xué)學(xué)士學(xué)位,現(xiàn)為該校信息與通信工程專(zhuān)業(yè)碩士研究生。研究方向?yàn)樾盘?hào)處理、模式識(shí)別及應(yīng)用等相關(guān)研究;

李方敏(1968-),男,湖南漣源人。教授,博士生導(dǎo)師,中國(guó)計(jì)算機(jī)學(xué)會(huì)高級(jí)會(huì)員,傳感器網(wǎng)絡(luò)專(zhuān)委會(huì)委員。1990年、1997年和2001年分別在華中理工大學(xué)、國(guó)防科技大學(xué)和浙江大學(xué)獲工學(xué)學(xué)士、工學(xué)碩士和工學(xué)博士學(xué)位。主要從事無(wú)線(xiàn)自組織網(wǎng)絡(luò)、新型網(wǎng)絡(luò)體系結(jié)構(gòu)、嵌入式系統(tǒng)等方面的工作。

DesignandImplementationofSingleTargetTrackingSystemBasedonPIRSensor*

LIBoya,LIFangmin*,LIUXinhua,XIONGJi,LIDeng

(School of Information Engineering,Wuhan University of Technology,Wuhan 430070,China)

Due to the effects of the environmental noise and hardware parameters,the tracking error rate based on the PIR sensor is relatively higher in the real environment. For this point,this paper proposed a high accuracy human tracking scheme that based on pyroelectric infrared(PIR)Sensor. Firstly,PIR sensors detect the infrared signal of the moving human in the sensing area and the characteristics of the infrared signal are extracted. Then,the geometric parameters of locating node and the detecting data are used for the preliminary positioning result. Finally,Kalman filter algorithm is used to filter the preliminary positioning result and update the target state information for realizing the human target positioning and tracking in the sensing area. Experiments show that the tracking error has decreased by 71.96% comparing with other similar tracking systems. It has been proved that the system has a high tracking accuracy.

target tracking;signal extracting;pyroelectric infrared(PIR)Sensor;Kalman

項(xiàng)目來(lái)源:國(guó)家自然科學(xué)基金項(xiàng)目(61170090)

2014-04-10修改日期:2014-08-04

10.3969/j.issn.1004-1699.2014.09.012

TP212.9

:A

:1004-1699(2014)09-1214-07