基于红外图像的人体识别技术综述

武晓卫

摘 要 目前人体识别技术被广泛应用于安防、智能家居等领域，基于红外图像的人体识别技术因结构简单、应用场景广泛等优点被广泛采用。红外图像中人体目标热源的提取与识别是核心，本文对人体目标的提取和识别原理进行了详细介绍，并对家电产品中常用的简易识别方法以及识别结果修正方法进行了详细分析。

关键词 红外图像;人体识别;家电产品

引言

随着近年来物联网技术的快速发展，人体识别技术在安防、智能家居等领域具有越来越多的应用，其中基于被动式红外探测（Passive Infrared Sensor，PIR）的红外成像技术，以结构简单、应用场景广泛等优点成为目前最受欢迎的人体探测技术之一[1-2]。

基于PIR的人体识别原理是：对于温度为36-37℃的人体，其自身就是一个红外热辐射源，在室温下人体裸露皮肤的温度大约为32℃，辐射能量大部分集中在8-12μm的光谱波段内，利用红外热像仪对人体环境进行红外热成像，可以获得被测环境的温度分布图，进一步判定被测环境是否有人体热源存在。在人体热源识别时，环境中热源是多种多样的，如家用电器、宠物等，这些非人体热源均会引起误判。因此，需对红外图像进行充分有效的分析，以识别出真正的人体热源。

1基于红外成像的人体识别技术

基于红外成像的人体识别技术，需要对红外图像进行处理才能有效识别人体目标，图像处理的过程主要包括：①图像预处理;②图像分割;③目标提取;④人体目标的识别。图像预处理主要是进行噪声滤除，增强图像对比度，常用方法包括平滑滤波算法、低通滤波算法、中值滤波算法[3]。图像分割的目的是为了从红外图像中提取出疑似目标区域，常用方法有边缘检测图像分割法、阈值分割法、聚类分割法。目标提取是根据人体目标的固有特征从红外图像中提取出疑似人体区域，为下一步准确识别提供基础，常用于表达人体目标固有特征的参数有：傅里叶描述子、Harr小波特征、梯度方向直方图特征。人体目标的识别是最关键的步骤，目前常用的方法主要为基于机器学习的分析方法如Adaboost方法、Fisher线性判别法、SVM方法以及基于模型匹配的方法。

其中基于机器学习的方法算法复杂、运算量大，在具体的日常应用中适应性较差。而基于模型匹配的方法不需要复杂的运算，对数据处理设备的硬件要求性不高，具体应用的灵活性较高，主要方法有两种：一种是根据人体外形的固有特点来识别，如人体的高度和宽度通常都符合一定的比例、人体的垂直边缘有较强的对称性等，对从红外图像中分割出的目标区域，使用基本的简单图形或线条来描述人体整个的轮廓或身体各个部位，如果符合人体的外形特点则识别为人体;另一种基于模板匹配的识别方法，其是对人体的整体轮廓或局部轮廓建立大量的形状数据库，利用数据库中的模板对红外图像中的待识别目标进行匹配。但人体姿态复杂多变，当处于部分特定姿态时，无法直接根据外形特征进行识别;且红外图像本身像素较低，因衣着等原因会导致边缘模糊，进一步导致待识别目标轮廓不清，利用模板匹配时，精度较高会导致漏判现象，精度较低会导致误判现象。

近年来，随着智能家居的快速发展，对于人体识别的需求也越来越大，且智能家居通常对应于特定的场景，人体特征以及噪声特征均相对稳定，因此，在一定程度上可以根据具体的应用场景来设计特定的人体目标提取和识别方法。格力、海尔、美的、长虹、奥克斯等企业均针对红外人体识别技术在家用电器上的应用提出了许多简单易用的方法。

通过红外成像仪获取当前环境的红外图像后，计算当前红外图像与初始背景红外图像的温度差，将红外图像中温度差大于相应温差阈值的像素提取出来，以确定出疑似有人体所在的像素单元。但该方法容易将发热的家用电器和宠物识别为人体，因此，需要对识别结果进行修正。常用的修正方法包括：

（1）人体往往处于移动状态，因此，可以通过连续拍摄多幅后，判断疑似人体区域是否发生移动，来识别人体。该种方法可以有效滤除家用电器，但不能滤除宠物，也不适用于静止的人体。

（2）人体体温往往恒定在36-37℃，因此，可以将裸露在外的体表温度作为参考，设定人体体温的上限值和下限制，以此作为限制条件排除温度不符合人体特征的部分热源。但如果非人体热源温度于人体相似，该方法将不能有效滤除。

（3）人体与家用电器、宠物的面积、高度往往不同，因此，可将疑似人体热源的各个像素面积相加，以获得每个疑似人体热源的面积以及每个像素距离地面的高度，根据正常的人体面积即高度来排除部分热源。但不同年龄段、不同性别的人体面积和高度相差巨大，因此，该种方法误差较大。

各种修正方法根据人体的不同特点能够有效滤除特定的噪声干扰，但没有那种方法可以精确识别出人体。因此，往往通过将多种方法组合应用，以通过增加判定条件的方式来增强识别准确性。

2结束语

红外图像中人体热源的提取与识别是核心，本文介绍了人体目标的提取和识别原理，并结合家电产品中常用识别技术，对简易的基于红外图像的人体目标识别方法以及识别结果修正方法进行了详细分析。

参考文献

[1] 吴英才，林华清.热释电红外传感器在防盗系统中的应用[J].传感器技术，2002，（7）：49-50.

[2] 鄧树国.红外摄像复杂背景下人体识别方法研究[D].长春：吉林大学，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.