基于紅外圖像的人體識別技術綜述

武曉衛

摘 要 目前人體識別技術被廣泛應用于安防、智能家居等領域，基于紅外圖像的人體識別技術因結構簡單、應用場景廣泛等優點被廣泛采用。紅外圖像中人體目標熱源的提取與識別是核心，本文對人體目標的提取和識別原理進行了詳細介紹，并對家電產品中常用的簡易識別方法以及識別結果修正方法進行了詳細分析。

關鍵詞 紅外圖像;人體識別;家電產品

引言

隨著近年來物聯網技術的快速發展，人體識別技術在安防、智能家居等領域具有越來越多的應用，其中基于被動式紅外探測（Passive Infrared Sensor，PIR）的紅外成像技術，以結構簡單、應用場景廣泛等優點成為目前最受歡迎的人體探測技術之一[1-2]。

基于PIR的人體識別原理是：對于溫度為36-37℃的人體，其自身就是一個紅外熱輻射源，在室溫下人體裸露皮膚的溫度大約為32℃，輻射能量大部分集中在8-12μm的光譜波段內，利用紅外熱像儀對人體環境進行紅外熱成像，可以獲得被測環境的溫度分布圖，進一步判定被測環境是否有人體熱源存在。在人體熱源識別時，環境中熱源是多種多樣的，如家用電器、寵物等，這些非人體熱源均會引起誤判。因此，需對紅外圖像進行充分有效的分析，以識別出真正的人體熱源。

1基于紅外成像的人體識別技術

基于紅外成像的人體識別技術，需要對紅外圖像進行處理才能有效識別人體目標，圖像處理的過程主要包括：①圖像預處理;②圖像分割;③目標提取;④人體目標的識別。圖像預處理主要是進行噪聲濾除，增強圖像對比度，常用方法包括平滑濾波算法、低通濾波算法、中值濾波算法[3]。圖像分割的目的是為了從紅外圖像中提取出疑似目標區域，常用方法有邊緣檢測圖像分割法、閾值分割法、聚類分割法。目標提取是根據人體目標的固有特征從紅外圖像中提取出疑似人體區域，為下一步準確識別提供基礎，常用于表達人體目標固有特征的參數有：傅里葉描述子、Harr小波特征、梯度方向直方圖特征。人體目標的識別是最關鍵的步驟，目前常用的方法主要為基于機器學習的分析方法如Adaboost方法、Fisher線性判別法、SVM方法以及基于模型匹配的方法。

其中基于機器學習的方法算法復雜、運算量大，在具體的日常應用中適應性較差。而基于模型匹配的方法不需要復雜的運算，對數據處理設備的硬件要求性不高，具體應用的靈活性較高，主要方法有兩種：一種是根據人體外形的固有特點來識別，如人體的高度和寬度通常都符合一定的比例、人體的垂直邊緣有較強的對稱性等，對從紅外圖像中分割出的目標區域，使用基本的簡單圖形或線條來描述人體整個的輪廓或身體各個部位，如果符合人體的外形特點則識別為人體;另一種基于模板匹配的識別方法，其是對人體的整體輪廓或局部輪廓建立大量的形狀數據庫，利用數據庫中的模板對紅外圖像中的待識別目標進行匹配。但人體姿態復雜多變，當處于部分特定姿態時，無法直接根據外形特征進行識別;且紅外圖像本身像素較低，因衣著等原因會導致邊緣模糊，進一步導致待識別目標輪廓不清，利用模板匹配時，精度較高會導致漏判現象，精度較低會導致誤判現象。

近年來，隨著智能家居的快速發展，對于人體識別的需求也越來越大，且智能家居通常對應于特定的場景，人體特征以及噪聲特征均相對穩定，因此，在一定程度上可以根據具體的應用場景來設計特定的人體目標提取和識別方法。格力、海爾、美的、長虹、奧克斯等企業均針對紅外人體識別技術在家用電器上的應用提出了許多簡單易用的方法。

通過紅外成像儀獲取當前環境的紅外圖像后，計算當前紅外圖像與初始背景紅外圖像的溫度差，將紅外圖像中溫度差大于相應溫差閾值的像素提取出來，以確定出疑似有人體所在的像素單元。但該方法容易將發熱的家用電器和寵物識別為人體，因此，需要對識別結果進行修正。常用的修正方法包括：

（1）人體往往處于移動狀態，因此，可以通過連續拍攝多幅后，判斷疑似人體區域是否發生移動，來識別人體。該種方法可以有效濾除家用電器，但不能濾除寵物，也不適用于靜止的人體。

（2）人體體溫往往恒定在36-37℃，因此，可以將裸露在外的體表溫度作為參考，設定人體體溫的上限值和下限制，以此作為限制條件排除溫度不符合人體特征的部分熱源。但如果非人體熱源溫度于人體相似，該方法將不能有效濾除。

（3）人體與家用電器、寵物的面積、高度往往不同，因此，可將疑似人體熱源的各個像素面積相加，以獲得每個疑似人體熱源的面積以及每個像素距離地面的高度，根據正常的人體面積即高度來排除部分熱源。但不同年齡段、不同性別的人體面積和高度相差巨大，因此，該種方法誤差較大。

各種修正方法根據人體的不同特點能夠有效濾除特定的噪聲干擾，但沒有那種方法可以精確識別出人體。因此，往往通過將多種方法組合應用，以通過增加判定條件的方式來增強識別準確性。

2結束語

紅外圖像中人體熱源的提取與識別是核心，本文介紹了人體目標的提取和識別原理，并結合家電產品中常用識別技術，對簡易的基于紅外圖像的人體目標識別方法以及識別結果修正方法進行了詳細分析。

參考文獻

[1] 吳英才，林華清.熱釋電紅外傳感器在防盜系統中的應用[J].傳感器技術，2002，（7）：49-50.

[2] 鄧樹國.紅外攝像復雜背景下人體識別方法研究[D].長春：吉林大學，2007.

[3] Ronan OMalley，Martin Glavin，Edward Jones. A review of automotive infrared pedestrian detection techniques[C].Signals and Systems Conference，，208. （ISSC 2008）.IET Irish.2008.