(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210356477.8 (22)申请日 2022.04.06 (71)申请人 国网智慧能源交通 技术创新中心 （苏州） 有限公司 地址 215000 江苏省苏州市苏州高新区科 技城科灵路78号6号楼 201 申请人 国网电动汽车服 务有限公司 　 国网湖南电动汽车服 务有限公司 　 北京佰汇亿达科技有限公司 　 湖北经济学院 (72)发明人 耿学文　刘文平　朱盛开　葛慧　 彭瑞卿　李明磊　朱卫东　肖建平　 范学志　董磊　朱晓波　徐恩海　 周杰　(74)专利代理 机构 苏州汇诚汇智专利代理事务 所(普通合伙) 32623 专利代理师 庄米雪 (51)Int.Cl. G06V 40/10(2022.01) G06V 10/22(2022.01) G06V 10/26(2022.01) G06V 10/28(2022.01) G06V 10/762(2022.01) (54)发明名称 一种基于红外热成像的被动人体定位方法 及系统 (57)摘要 本发明提供了一种基于红外热成像的被动 人体定位方法及系统， 属于红外人体定位领域， 方法包括： 根据红外热像仪采集的待测热图中各 像素点温度值以及横纵坐标值， 采用DBSCAN进行 聚类， 计算待测热图中各像素点的聚类类别； 其 中， 聚类类别包括背景聚类和人体聚类； 对比待 测热图中各像素点与相邻像素点的类别， 获取人 体内边缘轮廓点； 将人体内边缘轮廓点的曲率与 预设阈值对比， 提取待测热图中人体头部边界 框； 基于人体头部边界框的特征参数， 结合待测 热图中人的相对位置、 人体与红外热像仪之间的 距离、 红外热像仪的位置和DFoV， 对人体进行定 位。 本发明提高了对人体定位的准确性， 尤其在 可见度较差的环境下适用性更强。 权利要求书5页 说明书10页 附图4页 CN 114973310 A 2022.08.30 CN 114973310 A 1.一种基于红外热成像的被动人体定位方法， 其特 征在于， 包括以下步骤： 根据红外热像仪采集的待测热图中各像素点温度值以及各像素点的横 纵坐标值， 进行 聚类分析， 计算待测热图中各像素点的聚类类别； 其中， 所述聚类类别包括背 景聚类和人体 聚类； 对比待测热图中各像素点与相邻像素点的聚类 类别， 获取 人体内边 缘轮廓点； 将所述人体内边缘轮廓 点的曲率与 预设阈值对比， 结合所述各像素点温度值以及各像 素点的横纵坐标值， 提取待测热图中人体头 部边界框； 根据所述待测热图中人体头 部边界框， 计算 其对应特 征参数； 将所述特征参数输入到被动人体定位模型中， 根据 预测的所述人体与红外热像仪之间 的距离结合待测热图中人的相对位置、 红外热像仪的位置和DFoV， 对人体进行定位。 2.根据权利要求1所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 所述 “根据红外热像仪采集的待测热图中各像素点温度值以及各像素点的横纵坐标值， 进行聚 类分析， 计算待测热图中各像素点的聚类 类别”具体包括以下步骤： 对待测热图中各像素点温度值以及像素点的横纵坐标值进行数据归一化处理， 采用 DBSCAN形成多种聚类； 将平均温度低于第 一温度阈值的聚类划分为背景聚类， 将平均温度最高的聚类划分为 人体聚类； 将与人体聚类相邻的预设区域非背景聚类划分为人体聚类。 3.根据权利要求2所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 当像 素点之间的距离小于给定的阈值Eps， 则合并附近的点， 并生 成多个簇； 其中， 每个簇的点大 于预定义的最小点数Mi nPTs。 4.根据权利要求2所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 所述 第一温度阈值 为待测热图平均温度三分之一。 5.根据权利要求1所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 所述 获取人体内边 缘轮廓点的方法包括以下步骤： 选取人体聚类中每个像素点对应的两个相邻点， 若其中一个相邻点属于背景聚类， 另 外一个相 邻点属于人体聚类， 则判定所述两个相 邻点在人体聚类中对应的像素点为人体的 边界， 所有人体的边界构成人体的轮廓线； 比较所述轮廓线中各像素点与其8邻域范围内像素点的聚类类别是否相同， 若不相同 则判定轮廓线上相应 像素点为人体轮廓点； 比较待测热图中最下一行各像素点与其水平方向上相邻像素点的聚类类别， 若所述像 素点左侧水平距离为1的相邻像素点为背 景点， 其右侧水平距离为 1的相邻像素点为人体轮 廓点， 且其左侧水平距离为2的相邻像素点为人体轮廓点， 则所述像素点为右侧内边缘点； 若所述像素点右侧水平距离为 1的相邻像素点为背 景点， 其左侧水平距离为 1的相邻像素点 为人体轮廓点， 且其左侧水平距离为2的相 邻像素点为人体轮廓点， 则所述像素点为左侧内 边缘点； 以左侧内边缘点为起点， 将左侧内边缘点8邻域范围内的各像素点按照上、 右、 下和左 的顺序分为8个象限， 搜索8个象限内的轮廓点作为当前迭代获取的中间内边 缘点； 将当前迭代获取的中间内边缘点8邻域范围内的各像素点按照上、 右、 下和左的顺序分权　利　要　求　书 1/5 页 2 CN 114973310 A 2为8个象限， 搜索8个象限内的轮廓点更新当前迭代获取的中间内边缘点； 以此类推， 直至搜 索到右侧内边 缘点终止； 所有中间内边 缘点、 左侧内边 缘点和右侧内边 缘点构成人体内边 缘轮廓点。 6.根据权利要求1或5所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 所述提取待测热图中人体头 部边界框包括以下步骤： 计算所述人体 内边缘轮廓 点中每个 内边缘轮廓 点的曲率， 若内边缘轮廓 点的曲率大于 预设阈值， 则判定所述内边 缘轮廓点 为凹点； 选取曲率最大的两个凹点连接， 将人体 内边缘轮廓 点分解为头聚类和体聚类； 其中， 所 述头聚类的平均温度大于所述体聚类， 且所述头聚类中的内边 缘轮廓点凹度均小于1； 计算所述头聚类中 内边缘轮廓点的横、 纵坐标的最大值和最小值， 获取四个顶点； 连接四个顶点形成一个人体头 部边界框 。 7.根据权利要求1所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 所述 人体头部边界框的特征参数包括： 头部区域内4邻域最大温度个数， 头部区域内8邻域最大 温度个数， 人体头部边界框的上下左右 边距， 头部边界框的面积， 头部边界框中心 点与待测 热图中心点在水平方向上的偏移距离， 头部边界框中心 点与待测热图中心 点在垂直方向上 的偏移距离， 头部边界框内各像素点温度值的平均值、 标准差和极差， 头部边界框内最大与 最小温度之间的差值， 偏态系数， 峰度系数， 四分位间距， 离 散系数和方差 。 8.根据权利要求1所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 所述 人体定位模型包括： 获取带聚类类别的热图数据集， 计算热图数据集中各热图的特征参数， 利用机器学习方法预测的所述人体与红外热像仪之 间的距离； 利用各热图中的人体头部边 界框， 确定人的相对位置、 红外热像仪的位置和DFoV。 9.根据权利要求1或8所述的一种基于红外热成像的被动人体定位方法， 其特征在于， 人体定位模 型包括： 假设红外热像仪焦距 为f， 最大温度点(通常在额头)为E， 热图中心 为O， 红外热像仪的位置点为A； 点D为最大温度点E垂 直映射到地面上的点； 则点E与点D之间的直 线距离为： d(E,D)＝d(A,E) ×P(E,D)/f 其中， P(E， D)表示点E与点D之间的像素宽度， 可以从热图中计算获取； d(A， E)＝d1为根 据提取的特 征集预测到的人到相机的距离； 设红外热像仪垂直映射到地面的点为A'， 点E到直线AA ′的垂线的交点为A ″， AE与AA′之 间的夹角为ω； 因此， 可以计算 点E到直线AA′的垂直距离为： 可以得到O与D之间的直线距离为： d(O,D)＝d(A ″,E)×P(O,D)/f 其中， P(O,D)为 点O与点D之间的像素宽度， 可以从热图中计算获取； 因此， 得到O与A'之间的直线距离为： 10.一种基于红外热成像的被动人体定位系统， 其特 征在于， 包括：权　利　要　求　书 2/5 页 3 CN 114973310 A 3