基于PIR Sensor的單目標跟蹤系統(tǒng)的設(shè)計與實現(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的單目標跟蹤系統(tǒng)的設(shè)計與實現(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)

針對基于熱釋電紅外傳感器的人體跟蹤系統(tǒng)在實際環(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)的高精度人體目標跟蹤方案。該方案首先對檢測區(qū)域內(nèi)運動人體熱輻射的紅外信號特征進行了提取,然后利用PIR Sensor定位節(jié)點自身幾何參數(shù)和探測數(shù)據(jù),得到初步定位結(jié)果。最后通過Kalman濾波算法對初步定位結(jié)果進行濾波處理并更新目標的狀態(tài)信息,實現(xiàn)對檢測區(qū)域內(nèi)人體目標的定位與跟蹤。實驗表明,該系統(tǒng)的跟蹤誤差與同類跟蹤系統(tǒng)相比降低了71.96%,證明了該系統(tǒng)具有較高的跟蹤精度。

目標跟蹤;信號提取;熱釋電紅外傳感器(PIR Sensor);Kalman

隨著信息化時代的進步,傳感器定位技術(shù)逐漸成為無線傳感器網(wǎng)絡(luò)多數(shù)應(yīng)用中的關(guān)鍵技術(shù)支撐之一[1],在當今社會中發(fā)揮著重要作用。人體運動定位及跟蹤是智能監(jiān)控、高級人機接口、人體運動分析、人體行為理解[2-5]等領(lǐng)域涉及的共性關(guān)鍵技術(shù)?，F(xiàn)有的人體定位技術(shù)主要包括無線射頻、超聲波測量、GPS測量、基于圖像和主動式紅外檢測法,上述方法因能耗和移動性等因素的限制,不適用于一些特殊環(huán)境。熱釋電紅外傳感器因其可通過非接觸的形式檢測環(huán)境中人體輻射的特定波長紅外線,廣泛應(yīng)用于人體定位領(lǐng)域[6]。文獻[7]中,Qi Hao等人在對基于熱釋電紅外傳感器的人體運動跟蹤研究的基礎(chǔ)上,提出了一些人體運動跟蹤算法,并在文獻[8]中基于PIR Sensor對人體輻射特定波長的紅外線較敏感的特征,對熱釋電傳感器外圍區(qū)域進行劃分和編碼,通過人體在不同區(qū)域運動時產(chǎn)生不同編碼的方法確定人體目標所處的具體位置。

實際環(huán)境中的目標定位及跟蹤存在一定的誤差,而節(jié)點的探測誤差以及環(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)用于目標定位[9]及基于距離的定位算法求精過程中,可以進一步提高室內(nèi)定位系統(tǒng)的定位精度[10]。

新加坡南洋理工大學(xué)謝立華等人開發(fā)的基于傳感器網(wǎng)絡(luò)的目標跟蹤系統(tǒng)使用卡爾曼濾波對單/多目標進行跟蹤,在一定程度上提高了跟蹤精度[11]?？柭鼮V波是一種數(shù)學(xué)上的統(tǒng)計估算方法,它通過處理一系列帶有誤差的實際量測數(shù)據(jù)而得到物理參數(shù)的最佳估算,即根據(jù)前一個估計值和最近一個觀測值來估計目標的當前位置[12]。

本文采用PIR Sensor節(jié)點模塊探測人體行走時輻射的紅外線,對得到的不同人體以相同速度沿不同路線行走時產(chǎn)生的時域信號進行了特征分析,并通過基于角度的定位方法以及卡爾曼濾波算法對采集到的信號進行定位及濾波處理,將各傳感器接收到的紅外信號數(shù)據(jù)分解為對應(yīng)于運動目標產(chǎn)生的觀測集合或軌跡,進而估計出目標的狀態(tài),并最終實現(xiàn)運動人體的定位及跟蹤。

1 PIR Sensor節(jié)點系統(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產(chǎn)生臨時電壓的能力。溫度變化引起這些材料在結(jié)構(gòu)上出現(xiàn)電荷中心相對位移,極化程度發(fā)生變化,兩端產(chǎn)生異號束縛電荷,導(dǎo)致在其兩端產(chǎn)生一個電壓信號[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元件,由密封在管殼內(nèi)的傳感元件、場效應(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,用于信號轉(zhuǎn)換,場效應(yīng)管用于阻抗變換,偏置高阻將傳感元件輸出的電荷信號轉(zhuǎn)換為電壓信號便于后期處理。當熱釋電傳感器探測到紅外信號時,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行熱電轉(zhuǎn)換,從而完成紅外信號到電信號的轉(zhuǎn)換過程。熱釋電傳感器旨在檢測紅外光強度的變化,變化速度與產(chǎn)生的熱釋電信號成正比。

常見的熱釋電傳感器有雙元型及四元型。雙元是指串聯(lián)在一起的兩個極性相反、特性一致的探測元,外部環(huán)境或自身變化在這兩個探測元上產(chǎn)生極性相反、大小相等的干擾信號將被抵消,達到了消除干擾的目的;四元則是指兩組雙元探測元并聯(lián),如圖1 所示,采用了4個探測元互補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,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)點模塊、網(wǎng)關(guān)模塊以及PC構(gòu)成。其中,PIR Sensor節(jié)點模塊由以下幾部分構(gòu)成:熱釋電傳感器、信號處理電路、AD轉(zhuǎn)換模塊、單片機及無線模塊。熱釋電傳感器采集人體輻射的紅外信號并將其轉(zhuǎn)換為電信號,經(jīng)AD轉(zhuǎn)換模塊處理后變?yōu)閿?shù)字信號并通過無線模塊發(fā)送至網(wǎng)關(guān)模塊;網(wǎng)關(guān)模塊將接收到的數(shù)據(jù)進行打包后通過網(wǎng)口發(fā)送給PC進行后期的數(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元可有效的抵消外界溫度或光線變化引起的誤差,提高了探測準確度;同時,它的探測距離可達8 m,相對于其他型號的熱釋電傳感器具有更大的探測距離。

每個PIR Sensor節(jié)點模塊(如圖2中所示的PIR Sensor Node1及PIR Sensor Node2)上布置14個熱釋電傳感器,需14個通道用以采集數(shù)據(jù),而每片AD僅有8個通道,因此每個PIR Sensor節(jié)點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PIR Sensor節(jié)點模塊以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)計中采用了帶寬為1 Mbit/s～2 Mbit/s的無線模塊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NRF24L01,以“一對一”的方式與PIR Sensor節(jié)點模塊上的NRF24L01進行數(shù)據(jù)的收發(fā)。設(shè)計中放置了兩個PIR Sensor節(jié)點模塊,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,可滿足系統(tǒng)需求。系統(tǒng)中采用TCP/IP協(xié)議的方式通過網(wǎng)口傳送數(shù)據(jù),便于后期設(shè)計升級(增加傳感器或節(jié)點數(shù)目)。

PIR Sensor節(jié)點模塊將采集到的數(shù)據(jù)先進行打包處理: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ID,2 byte的節(jié)點編號,28 byte的數(shù)據(jù),1 byte的校驗位,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的原則發(fā)送給網(wǎng)關(guān)上的NRF24L01無線模塊。每個PIR Sensor節(jié)點模塊上安裝有一個NRF24L01無線模塊,而每個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)打包為兩個數(shù)據(jù)包再進行發(fā)送。

網(wǎng)關(guān)模塊先對接收到的數(shù)據(jù)包進行拆包處理:依據(jù)幀頭及對應(yīng)的幀尾將原來的數(shù)據(jù)進行組裝,若在組裝過程中發(fā)現(xiàn)部分數(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)將被打包為一個數(shù)據(jù)包,并通過TCP/IP協(xié)議的方式被發(fā)送至PC機。

PC機將接收到的數(shù)據(jù)包進行相應(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)送及接收均采用點對點的通信方式,以查詢的方式接收數(shù)據(jù),使得傳輸速度能夠滿足系統(tǒng)的要求,保證了通信的流暢。每個PIR Sensor節(jié)點模塊上有14個傳感器,每秒傳送100次,且2個PIR Sensor節(jié)點模塊同時發(fā)送數(shù)據(jù),導(dǎo)致數(shù)據(jù)量較大,因此網(wǎng)關(guān)通過網(wǎng)口進行數(shù)據(jù)的傳輸。

節(jié)點模塊與網(wǎng)關(guān)模塊的通信是通過無線模塊NRF24L01間的ACK(自動應(yīng)答)機制實現(xiàn)的,如圖3所示。ACK機制即接收節(jié)點(本系統(tǒng)中指網(wǎng)關(guān)節(jié)點)對接收到的每幀或者每組數(shù)據(jù)幀進行確認;發(fā)送節(jié)點(本系統(tǒng)中指PIR Sensor節(jié)點)按照有序的方式進行數(shù)據(jù)發(fā)送,接收節(jié)點正確接收后對收到的數(shù)據(jù)報文進行ACK回復(fù)。此ACK幀的含義為接收方期待接收的下一幀,即當收到的數(shù)據(jù)無誤時,接收節(jié)點將回復(fù)ACK填入接收到的數(shù)據(jù)幀序號加1的值后進行回復(fù),否則,回復(fù)接收到的數(shù)據(jù)幀序號。此時,會有幾種情況出現(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)點無法收到ACK。

如圖3所示,情況①為正常情況,網(wǎng)關(guān)節(jié)點正確接收到PIR Sensor節(jié)點發(fā)送的數(shù)據(jù)幀0,接收節(jié)點回復(fù)ACK1期待接收數(shù)據(jù)幀1。PIR Sensor節(jié)點收到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)點收到幀1,但是數(shù)據(jù)校驗失敗,回復(fù)原數(shù)據(jù)幀序號確認幀即ACK1,發(fā)送節(jié)點收到ACK1,重傳幀1。情況③為鏈路故障情況,發(fā)送節(jié)點無法收到ACK?？赡苁菙?shù)據(jù)幀無法傳送到接收節(jié)點,也可能是ACK無法達到發(fā)送節(jié)點。此時,發(fā)送節(jié)點將和情況②一樣重傳幀1。對于后兩種情況,若PIR Sensor節(jié)點重傳幀1累計超過10次后仍無法正確接收到ACK,則認定接收節(jié)點無法連接,通信則被中斷。

圖4 節(jié)點MASK平面圖及實物圖

1.3 PIR Sensor節(jié)點MASK的設(shè)計

一種兩列徑向傳感器模塊可用于實現(xiàn)運動人體定位,如圖4所示。設(shè)計中采用的PIR Sensor節(jié)點模塊由14個裝有徑向開孔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)點模塊將視場分割成14個角分辨率為5°的扇形區(qū)域,每個PIR Sensor節(jié)點模塊具有70°的視場檢測范圍。

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,設(shè)計中MASK的半徑為30 mm,則5°的角分辨率對應(yīng)2.6 mm的開孔寬度,而實際的D205B型號的PIR Sensor的感應(yīng)區(qū)面積為4 mm×2.6 mm,如圖5所示,A點與B點實際相距4mm,此時14個分割后的視場區(qū)域存在部分重疊?？赏ㄟ^多次實驗標定的方式提高區(qū)域分割準確率:實驗者以PIR Sensor節(jié)點模塊為中心沿一定半徑往返行走,當行至對應(yīng)扇形分割區(qū)域邊界時標定MASK分割區(qū)域的實際邊界,達到了矯正理想情況下邊界位置的目的。以1號區(qū)域和14號區(qū)域為例說明如下:當實驗者在節(jié)點模塊前從1號區(qū)域向14號區(qū)域行走時,進入1號區(qū)域的邊緣時,實驗者輻射的紅外信號會觸發(fā)所對應(yīng)的熱釋電傳感器并輸出一定的脈沖信號,由脈沖的起始點便可判定實驗者所處位置即為1號區(qū)域的左邊緣處;若實驗者反向行走,脈沖信號對應(yīng)于14號區(qū)域,同樣由脈沖信號的起始點判定實驗者的位置即為14號區(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濾波算法簡介

系統(tǒng)采用角度定位的方法實現(xiàn)對單目標的初步定位:當人體目標在探測區(qū)域內(nèi)行走時,目標輻射的紅外信號被PIR Sensor檢測并輸出一定的電信號,此時通過對比之前設(shè)定好的閾值信號電壓可得出對應(yīng)節(jié)點上產(chǎn)生感應(yīng)的傳感器模塊編號,進而可知對應(yīng)節(jié)點上的區(qū)域分割角度值,根據(jù)區(qū)域角度值與存儲于數(shù)據(jù)庫中的坐標值一一對應(yīng)的關(guān)系得出目標初始位置,實現(xiàn)了單目標的初步定位,如圖6所示。

圖6 目標定位示意圖及實際場景圖

然而通過這種方式難以獲得準確的位置坐標,需要用濾波算法不斷地做信息融合處理,以達到對目標的高精度定位及跟蹤。這些濾波算法主要有Kalman濾波[16-17],擴展Kalman濾波[18],粒子濾波[19]等。在實際環(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。目標定位及跟蹤在很大程度上就是在做狀態(tài)估計和噪聲濾除工作,因而濾波是定位及跟蹤的關(guān)鍵所在。

卡爾曼濾波是線性無偏最小均方誤差遞推濾波器[20],它是用前一個估計值和最近一個觀察數(shù)據(jù)來估計信號的當前值,通過狀態(tài)方程以及遞推的方法進行估計,其解是以估計值形式給出,因此稱這種系統(tǒng)為線性最優(yōu)估計器或濾波器。卡爾曼濾波中信號和噪聲是以狀態(tài)方程和量測方程表示的,因此設(shè)計卡爾曼濾波器要求已知狀態(tài)方程和量測方程,在本系統(tǒng)(線性離散系統(tǒng))中卡爾曼濾波過程的狀態(tài)方程及量測方程如下所示。

狀態(tài)方程:

X(k)=ΦX(k-1)+Γu(k)

(1)

量測方程:

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

(2)

①狀態(tài)估計的一步狀態(tài)預(yù)測方程

X(k|k-1)=ΦX(k-1|k-1)+Γu(k)

(3)

②協(xié)方差預(yù)測方程

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)中的觀測噪聲均值。

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Kalman濾波算法對本系統(tǒng)中初步定位結(jié)果的狀態(tài)序列進行線性最小方差誤差估計,對下一個狀態(tài)的運動做最優(yōu)估計,預(yù)測時具有無偏、穩(wěn)定和最優(yōu)的特定,實現(xiàn)了對運動目標的高精度跟蹤。

2.2 算法在單目標跟蹤中的應(yīng)用

系統(tǒng)中每個PIR Sensor節(jié)點由14個熱釋電傳感器電路組成,將空間視場分為14個扇形角度區(qū)域,兩個PIR Sensor節(jié)點模塊將空間視場分割成14×14=196個交叉區(qū)域,對于每個交叉區(qū)域,可取兩角平分線的交點作為此區(qū)域的坐標值,將產(chǎn)生的196個坐標值存入數(shù)據(jù)庫,形成一個14×14的矩陣。

定位思想圖如圖7所示,當目標在視場區(qū)域內(nèi)行走時,人體輻射的紅外信號被熱釋電傳感器檢測后產(chǎn)生并輸出一定的信號,此時通過對比之前設(shè)定好的閾值信號電壓便可得出兩個節(jié)點上產(chǎn)生感應(yīng)的傳感器模塊編號,進而可知對應(yīng)節(jié)點上區(qū)域分割角度值,根據(jù)區(qū)域角度值與存儲于數(shù)據(jù)庫中的矩陣元素值一一對應(yīng)的關(guān)系得出目標位置的坐標值,實現(xiàn)了目標的初步定位;接著采用Kalman濾波算法對初步定位所得位置信息進行濾波處理:通過前一個估計所得的目標位置和最近一個觀察的目標位置數(shù)據(jù)來估計目標當前所處位置信息,通過狀態(tài)方程以及遞推的方法估計出目標位置,進一步提高了定位精度。

圖7 定位思想圖

3 實驗及結(jié)果分析

實驗中共放置兩個PIR Sensor節(jié)點模塊,分別位于6 m×6 m實驗場地的相鄰兩邊的中點處。熱釋電傳感器的探測距離約為10 m～15 m,可以有效的檢測到實驗場地的各個位置。PIR Sensor節(jié)點模塊上的熱釋電傳感器距離地面的高度為0.86 m～1.15 m,因為人體頭部和手部沒有衣服遮擋,紅外輻射較其他部位要強一些,所以這個高度有助于更有效的接收人體目標輻射的紅外線。

實驗中對3個實驗者分別進行三類實驗。實驗一:3個實驗者以相同的速度沿圖8(a)所示路線重復(fù)行走20次,共采集60組數(shù)據(jù);實驗二及實驗三:選一個實驗者以實驗一規(guī)定的行走速度沿圖8(b)及8(c)所示六條路線行走,每條路線來回行走20次,采集240組數(shù)據(jù)。三次實驗總共采集300組數(shù)據(jù)。

圖8 實驗路線

圖9 實驗1中3個實驗者跟蹤效果圖

為驗證本系統(tǒng)對單目標進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濾波算法對傳感器節(jié)點采集的紅外信號進行定位及濾波處理,在完成角度檢測的基礎(chǔ)上進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平臺下的跟蹤效果圖如圖9～圖11所示。

圖10 實驗2跟蹤效果圖

圖11 實驗3跟蹤效果圖

對于圖9至圖11,細直線為目標實際行走路線,黑色的點為經(jīng)過角度定位法得到的初步定位點,根據(jù)黑色的點繪出的粗線則為采用Kalman濾波算法所成的跟蹤路線圖。由圖9至圖11可知,通過采用角度定位法及Kalman濾波算法得到的目標位置與目標實際所處位置的重合度較高,證明了本系統(tǒng)對單目標進行高精度跟蹤的有效性。同時,為了證明本系統(tǒng)對單目標進行跟蹤的精確性,統(tǒng)計并計算了實驗誤差。以實驗二和實驗三為例,設(shè)定采樣周期為0.03 s,PIR Sensor節(jié)點模塊觀測噪聲的均值為0,方差為0.1 m,所得實驗誤差圖如圖12及圖13所示,進而可得實驗二及實驗三的平均誤差分別為0.129 m及0.132 m。實驗對比了文獻[15](文獻[15]中的實驗路線與本文中實驗二的試驗路線一致,文獻[15]中實驗誤差為0.46 m),可見誤差降低了71.96%,驗證了本系統(tǒng)對單目標進行高精度跟蹤的有效性。

圖12 實驗二誤差圖

圖13 實驗三誤差圖

4 結(jié)論

本文設(shè)計并實現(xiàn)了由兩個PIR Sensor節(jié)點模塊組成的PIR Sensor單目標高精度跟蹤系統(tǒng)。通過引入熱釋電傳感器及其他元件組成的PIR Sensor節(jié)點模塊對檢測區(qū)域內(nèi)運動人體目標輻射的紅外信號進行了提取,并基于角度定位法實現(xiàn)對單目標的初步定位,最后由Kalman濾波算法對初步定位結(jié)果進行濾波處理,降低了誤判率。實驗結(jié)果表明,在一定的檢測區(qū)域內(nèi),該系統(tǒng)的平均跟蹤誤差低至0.129 m,相比同類跟蹤系統(tǒng)降低了71.96%,驗證了本系統(tǒng)對單目標實現(xiàn)高精度跟蹤的有效性,后期將對多目標實現(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,韓崇昭. 視覺跟蹤技術(shù)綜述[J]. 自動化學(xué)報,2006,32(4):603-617.

[3]孫滿法. 基于人體位置檢測的商場智能照明研究[J]. 科教文匯,2008:276-277.

[4]萬纓,韓毅,盧漢清. 運動目標檢測算法的探討[J]. 計算機仿真,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. 基于無線傳感器網(wǎng)絡(luò)的分布式處理目標跟蹤系統(tǒng)[J]. 傳感技術(shù)學(xué)報,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器設(shè)計及性能測試[J]. 傳感技術(shù)學(xué)報,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器的應(yīng)用研究[J]. 傳感技術(shù)學(xué)報,2006,19(3):758-762.

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

[17]譚菊. 基于Kalman濾波的目標軌跡預(yù)測[J]. 重慶文理學(xué)院學(xué)報,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業(yè)碩士研究生。研究方向為信號處理、模式識別及應(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,中國計算機學(xué)會高級會員,傳感器網(wǎng)絡(luò)專委會委員。1990年、1997年和2001年分別在華中理工大學(xué)、國防科技大學(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。主要從事無線自組織網(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

項目來源:國家自然科學(xué)基金項目(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