1.一种基于红外阵列传感器的人员跌倒检测系统,其特征在于,所述系统包括数据采集模块、数据处理模块、干扰数据排除模块、特征提取模块和数据训练模块;
数据采集模块与数据处理模块相连,数据采集模块通过传感器收集处理数据,得到人体跌倒的静止时间和位置并将跌倒信息传输至数据处理模块;数据处理模块与干扰数据排除模块数据采集模块相连,数据处理模块对跌倒信息进行预处理后传输至干扰数据排除模块;干扰数据排除模块与特征提取模块数据处理模块连接,用于进一步排除干扰数据影响,解决移动过快时传感器响应时间跟不上检测速度而造成数据误判问题;特征提取模块与干扰数据排除模块相连,用于对排除干扰后的数据进行分析,提取跌倒的关键特征;数据训练模块与特征提取模块相连,数据训练模块接受特征提取模块传来的信息,对提取的特征利用随机森林的算法进行训练,得到最终结果,判断是否为“跌倒”状态,得出最终结果。
2.根据权利要求1所述的一种基于红外阵列传感器的人员跌倒检测系统,其特征在于:所述数据处理模块包括差分数据模块和轨迹确定模块;
差分数据模块用于接收传感器传来的信息,并将收到的数据进行差分处理,去除环境热源干扰;
轨迹确定模块与差分数据模块相连,用于大体确定人员运动估计以及静止时间。
3.根据权利要求1所述的一种基于红外阵列传感器的人员跌倒检测系统,其特征在于:所述干扰数据排除模块包括滤波模块、干扰特征提取模块、干扰排除模块:滤波模块与数据处理模块相连,利用S-G滤波对数据处理模块传输的数据进行滤波处理,用于平滑数据曲线,去除噪声影响;
干扰特征提取模块与滤波模块相连,通过提取不同特征,利用峰距,峰度以及检测物体所占像素面积大小,提取数据干扰项;
干扰排除模块与干扰特征提取模块相连,用于排除检测到的干扰特征是否剔除;若检测到则进行数据筛选,保留正常数据。
4.根据权利要求1所述的一种基于红外阵列传感器的人员跌倒检测系统,其特征在于:所述特征提取模块中检测人员像素面积大小检测利用聚类和大津法相结合的方法,将环境温度,人体辐射温度以及人体温度聚成三类,找到温度最高的一类即人体温度,再利用大津法进行面积大小检测,判断面积大小;
其中大津法中:T=Max[w0*w1*(u0-u1)2]式中,T为遍历所有值得到的最大阈值,即前景与背景的分离阈值;
w0:前景像素点占整幅图像大小的比例;
u0:前景像素点的平均值;
w1:背景像素点占整幅图像大小的比例;
u0:背景像素点的平均值;
其中,聚类方法中:
式中,xi代表处理后的第i个样本数据的温度数值;
μk代表第k个类的重心位置;
k代表需要样本聚成几类;
J代表各个类畸变程度之和。每个类的畸变程度等于该类重心与其内部成员位置距离的平方和,使J最小时,聚类完成。
5.根据权利要求1所述的一种基于红外阵列传感器的人员跌倒检测系统,其特征在于:所述特征提取模块提取干扰数据排除模块传输过来的正常数据;通过对静止到达时间,分层所用时间,面积大小以及静止前三个面积总和四个特征进行提取,得到训练特征数据。