人体识别方法及人体识别传感器与流程

本发明涉及一种人体识别方法及人体识别传感器，用于在监视区域中侦测对象并确定侦测对象是否是人体。

ep2741263b1公开了一种用于入侵侦测的人体识别传感器，所述传感器包括：距离获取单元，用于定义侦测到的对象的反射点；以及人体识别单元，用于根据对象的估计的宽度和距离来确定侦测对象是否是人体。

akamatsushun-ichi等人的“使用3d激光扫描仪开发人员计数系统”(2014年ieee国际机器人与生物医学会议，2014年12月5日，第1983至1988页)公开了一种用于统计人数的3d激光扫描仪。所述3d激光扫描仪可创建侦测到的点的3d云。根据分组算法对3d云的点进行分组。然后，通过从云(z值)的最高点减去最低点，评估各个组的对象高度。此外，通过评估对象的点的x-y投影来定义对象区域，其为一近似矩形。将矩形的长边定义为对象宽度，短边定义为对象深度。通过对对象高度、对象深度和对象宽度的绝对值进行比较来确定对象是否为人体。

wo2012/042043a1也公开了一种人体侦测单元，所述人体侦测单元基于激光扫描仪并应用访问控制系统。所述侦测单元主要评估传感器区域中是否出现多于一个人的情况。这是通过评估轮廓高度完成的，所述轮廓高度基本上是通过确定轮廓的最大值和最小值来评估的。

本发明的目的是提高用于控制目的人体侦测传感器的精度。

本发明涉及一种利用激光扫描仪分析监视区域内的侦测对象并确定侦测对象是否为人体的方法，所述方法包括以下步骤：所述激光扫描仪产生至少一激光幕，其中每一激光幕由多脉冲产生，其中通过飞行时间法对单个脉冲进行测量来评估所述多脉冲，以生成反射点相对于所述激光扫描仪位置的距离。此外，对所述反射点的距离与脉冲方向进行结合，以在监视区域内的预定侦测区域中检索位置。将属于侦测对象的反射点的检索位置投影到评估平面中，所述评估平面具有与高度相关的z轴及与z轴垂直且与激光幕的横向延伸方向的宽度有关的轴。

根据本发明，基于沿z轴上的反射点的密度分布来评估所述评估平面，并将评估结果与人体测量参数进行比较。

所述监视区域由所述激光幕进行定义，所述监视区域具有竖直高度方向和两个横向方向(即深度方向和宽度方向)，其中所有方向彼此垂直。如果是单个竖直激光幕，则所述监视区域的深度方向与所述激光幕的深度方向相同。

所述评估平面可以具有与所述竖直平面的竖直轴匹配的z轴和/或与所述监视区域的宽度匹配的评估宽度延伸方向。尽管如此，例如所述z轴可以沿激光幕并相对倾斜，而所述宽度方向仍可以对应于所述激光幕的宽度方向。

根据本发明的人体测量参数是人体测量值和/或人体比例。

人体测量参数具体是与身高、宽度、肩宽、肩高、头宽、人体总高度有关的参数。

基于所述评估平面中的密度分布，所述评估单元确定所述密度分布是否对应于人体的密度分布。

为了确定侦测对象是否是人体，对沿所述z轴的密度分布进行评估，其中所述z轴表示侦测对象的高度。对应于人体的密度分布，应包括两个峰值点，其中一个峰值点大约在头部的顶部，而另一个峰值点大约在肩部的顶部。

优选地，确定头部的高度与肩部的高度之比值。由于头部与肩部的高度之比值对于所有人体而言基本上是相等的人体测量参数，并且最重要的是，其不取决于绝对高度，因此根据对所述密度分布的评估可以可靠地区分人体。

除了所述密度分布之外，所述评估单元还可以在另一步骤中进行对象的宽度的评估。因此，对在所述密度分布的峰值位置处的评估平面中属于对象的反射点进行分析，及确定人体的头部和肩部的有效宽度。

由于所述信息的整合，可以以更精确的方式进行评估。可以预定义有效的头肩的宽度之比值，以检查其是否与从所述评估密度分布得出的结果相匹配。可以将所述结果与所述密度评估的结果进行比较。如果两个评估结果都为正向的，则侦测对象很可能是人体。

此外，所述评估单元可以对所述密度分布评估的峰值区域内的反射点的数量进行计数。如果所述数量低于预定义的数量，则将丢弃所述测量。

人体沿运动方向运动，其中所述运动方向基本上是宽度和深度的矢量。特别是应用在门时，所述动动方向垂直于所述宽度方向，因此，人体的肩部的方向通常与所述宽度方向一致。

根据本发明，可以从所述评估平面的所有反射点中识别出单个评估对象，并且为每个评估对象创建反射点的子集，然后对其进行密度分布分析。

据此，可以基于每个当前的评估对象是否与人体而作出决定。因此，侦测传感器可以基于所侦测到的对象是否为人体的信息来做出控制门或灯的决定。

评估单元可确定单个评估对象，其中由邻域从所述平面的顶部到底部对包含所有反射点的所述评估平面进行解析。一旦在所述邻域中新出现一个反射点或多个反射点，将所述邻域内的所有反射点都考虑在内，并将所述新出现的反射点分配给一评估对象。如果在所述邻域内新出现的反射点之上没有其他点，则将新出现的反射点分配给一新的评估对象，或者将新出现的反射点分配给一现有评估对象，其中所述现有评估对象的反射点与现有评估对象的数学重心之间的距离最小。

根据所述过程，将所有反射点都分组到属于评估对象的反射点子集中。

根据所述评估，甚至可以区分出两个或更多并行穿过所述激光幕的人。

根据本发明的另一改进，可以将所述反射点在所述评估平面上进行时间积分。这使得所述反射点的密度更高，因此，可以更好地区分评估对象，并可以以更可靠的方式对侦测对象进行分类。

在第一次侦测到侦测对象之后，可以基于固定的时间间隔进行时间积分。

根据本发明的进一步改进，可以通过将反射点投影到在宽度-时间平面以将反射点的子集分配给时间对象的方式进行时间积分，其中忽略反射点的高度。所述宽度轴根据预定义的时间累积/时间积分进行延伸。

将投影到所述时间-宽度平面中的反射点聚类为分配给时间对象的子集。每个时间对象都是反射点的主要集合，以生成所述评估平面，其中忽略反射点的时间要素，但要考虑高度。

根据所述过程，可以对时间对象进行更精确的确定。因此，所获取的有关随后经过的人的数量的信息更加准确。

优选地，对时间对象的聚类最好是使用dbscan算法来完成。

优选地，所述扫描仪产生彼此相对倾斜的多个激光幕。由于有多个激光幕，因此可以拍摄更精确的图像，并可以考虑对象的运动方向。

优选地，所述扫描仪随后评估和/或产生多个激光幕。

由于考虑了至少两个彼此相对倾斜的幕，可以评估垂直于扫描平面宽度方向的两个深度位置。当随后对这两个深度位置的平面进行扫描时，在扫描时间中的重心在时间-宽度图中沿侦测对象的运动方向变化时，可以检测人体的运动方向。

通过使用多个激光幕，时间积分的预定累积时间长于或等于扫描所述传感器的当前激光幕所需的时间。

所述评估单元可能不接受明显涉及背景效果的反射点。因此，可以在这个阶段降低背景噪声。

本发明还涉及一种人体识别传感器，用于分析监视区域中的对象并确定所述对象是否是人体，其包括激光扫描仪和能够执行上述方法的评估单元。

另一方面涉及一种传感器，所述传感器产生至少一个相对于竖直轴倾斜的角度小于45°的激光幕。这可以进行头顶扫描，以识别经过传感器下方的人体。

所述人体识别传感器可以包括计算单元。优选地，所述计算单元是微处理器、微控制器或fpga，所述评估单元在其上实现为软件程序，以执行上述方法。

结合附图中所示的实施例，可以从下面的描述中了解本发明的其他优点、特征和潜在应用。

在整个说明书、权利要求书和附图中，将使用所附的列表中列出的术语和对应的标号。附图显示了如下内容。

图1是根据本发明的激光扫描仪的示意图。

图2示出了具有一个扫描幕的人体识别传感器的第一实施例。

图3示出了使用图1的传感器进行人体识别的方法。

图4示出了具有两个扫描幕的人体识别传感器的第二实施例。

图5a示出了评估单元的工作原理，描述了产生时间对象的第一步骤。

图5b是所创建的时间对象的放大图。

图6a是在评估平面中的图4b的时间对象的视图。

图6b是分离人体对象之后的时间对象的视图。

图7a示出了图5b中的分离的人体对象。

图7b示出了图6a的人体密度分布。

图8a是第一扫描幕的图4b的时间对象的时间-宽度视图。

图8b是第二扫描幕的图4b的时间对象的时间-宽度视图。

图1示出了根据本发明的人体识别传感器10的第一实施例。所述人体识别传感器10包括激光扫描仪12、处理单元14，其中所述处理单元14包括评估单元16。所述处理单元14连接到激光扫描仪12以及输出端口18，信息可以传送至所述输出端口18，所述信息包含有关人体识别结果的信息。

根据图1的实施例的激光扫描仪使用至少一个激光幕，所述激光幕通过考虑由光脉冲得出的反射点来进行评估(其中确定飞行时间(tof))。根据所述确定飞行时间和脉冲方向,可以得出所述反射点相对于所述激光扫描仪的位置。所述评估可以由所述处理单元14完成，其中确定相关的反射点并将它们的位置馈入到评估单元16，所述评估单元16执行下述参考图1至图5更详细描述的本发明的方法。

根据所述设置，所述评估单元16接收反射点相对于所述激光扫描仪12的数据。

然后，所述评估单元16根据将在下图中进一步描述的本发明来分析反射点，并且作为结果将输出包含所侦测到的对象是否是人体的信息。

图2示出了将人体识别传感器20安装在顶部位置的示例性应用，其下有对象通过。所述人体识别传感器20沿竖直方向投影一激光幕，所述激光幕在宽度方向w上延伸。如图所示，人体p沿运动方向m穿过所述激光幕22。移动的人体p反射光脉冲，其中所述人体传感器20的激光扫描仪评估所述激光幕内的反射点。

以评估与所述激光幕22匹配的评估平面ep的方式对所述传感器20的评估单元进行设置。因此，所述评估平面ep在竖直方向上具有z轴，并且具有与激光幕22的宽度方向相同的宽度轴w。

图3示出了通过评估所述评估平面ep来识别人体的方法，在本实施例中，所述评估平面ep与激光幕22匹配时，所述反射点不必投影到所述评估平面ep中。根据反射点的位置将反射点应用于所述评估平面ep。所述评估平面ep具有z轴和宽度轴w。

根据本发明，所述评估单元16现在计算沿所述评估平面ep的z轴的密度分布，其中推定在所述密度分布中有两个峰值点。

如果仅存在一个峰值点，则丢弃所述测量并确定所述评估对象不是人体。

如果存在两个峰值点24、26，如侦测人体的情况那样，则获取z轴上的峰值点位置h1、h2。假定第一峰值点24提供对象的整体高度h1，即侦测人体时头部的高度，而假定第二峰值点26为人体的肩部的高度h2。将整体高度h1与肩部的高度h2之比值与预定的人体比例范围进行比较。此外，还可以考虑头部的高度(即肩部的高度与整体高度之间的距离；h1-h2)，因为人体比例会随着年龄的增长而变化。

因此，不必将测量值限制在可能会无法侦测儿童的最小高度，可以根据上述评估来定义测量值。

在所述评估平面ep内，可以确定肩部的宽度w2和密度分布的第二峰值点26的位置h2。在第一峰值点24的区域中，可以确定头部w1的宽度。通过这些参数，可以得到与人体识别有关的对象的更精确评估。

图4示出了具有人体识别传感器30的设置，所述人体识别传感器30产生多个激光幕32、34。在本实施例中，所述人体识别传感器30安装在门框上方并监视所述门的前部区域。所述激光幕32、34相对于竖直轴线倾斜及相对于彼此倾斜并且在宽度方向w上平行于门延伸。将所述评估平面ep设置为平行于门平面。

所述人体识别传感器30的激光扫描仪得出所侦测对象的反射点相对于所述激光扫描仪的位置，其中，所述评估单元将所述反射点的位置投影到所述评估平面ep中作为评估对象。

当人体p穿过所述激光幕32、34时，在采集期间产生反射点。

如图5a中所描述的，采集期间为约15秒。在所描述的实施例中，四个侦测对象随后穿过所述激光幕，其中两个侦测对象同时穿过所述激光幕。所述评估单元将所采集的反射点投影在时间-宽度平面上。

在所述时间-宽度平面中，将当前的反射点聚类到时间对象to_1、to_2、to_3。这是通过使用dbscan算法来完成的。

在本实施例中，在采集期间四个侦测对象穿过所述激光幕定义了三个时间对象to_1、to_2、to_3。

如时间对象to_2的放大图所示，在时间对象to_2中可以存在更多的侦测的对象。

如图6a所示，所述评估单元用于获取每个时间对象的反射点并将它们投影到评估平面ep中。所述评估平面具有竖直的z轴和宽度轴w。

在下一个单独的步骤中，所述评估单元将每个时间对象to_1、to_2、to_3的反射点分配给对象。

这是通过从上到下分析所述评估平面ep并将每个点分配给评估对象来完成的。

对单个评估对象o1的确定由所述评估单元完成，其中所述评估平面ep包含时间对象to_2的所有反射点。邻域40从所述评估平面ep的顶部到底部对所述评估平面ep进行解析。一旦在所述邻域40中新出现一个或多个反射点，就将所述邻域40内的所有反射点都考虑在内，并将新出现的反射点分配给评估对象(如图6b的(十字)对象o2(十字)和(圆圈)对象o1)。如果在所述邻域内新出现的点之上没有其他点，则将新出现的反射点分配给新的评估对象，或者分配给反射点与现有对象(o1或o2)的数学重心距离最小的现有对象。根据所述过程，将所有反射点分组在属于评估对象o1、o2的反射点的子集中。

因此，图6b示出了将图5b的时间对象to_2分成两个评估对象o1、o2。

然后，如图7b所示，对如图7a所示的评估平面中的每个对象沿z轴进行密度分布分析。在图7a、图7b中，分析了对象o1。如图3所示，通过将所应用的测量与人体测量数据进行比较，进一步完成确定对象是否为人体的评估。

根据本发明的另一改进，可以使所述评估单元分析对象的运动方向。这使得所述人体识别传感器能够提供方向信息与对象信息。这样就可以对进入或离开建筑物的人数进行计数，也可以自己进行计数，及仅提供输出端口上的净计数。

通过比较在短时间(如500毫秒)内两个幕32、34的累积的反射点来分析运动方向。将所述反射点投影到时间-宽度平面中，在所述平面中，为每个幕确定当前反射点的数学重心。

根据重心的移动(如图8a和图8b中的十字所示)，所述重心首先穿过第一幕32，然后穿过第二幕34，这即是对象的移动方向。

元件标号列表

10人体识别传感器

12激光扫描仪

14计算单元

16评估单元

18输出端口

20人体识别传感器

22激光幕

24峰值点

26峰值点

30人体识别传感器

32第一激光幕

34第二激光幕

44重心

46重心

to_1时间对象

to_2时间对象

to_3时间对象

o1评估对象

o2评估对象

ep评估平面

p人体

m运动方向

zz轴

w宽度轴