[发明专利]一种基于红外热像仪的人机测距方法及系统

权利要求书

1.一种基于红外热像仪的人机测距方法，其特征在于，包括如下步骤：

（1）获取红外热像仪采集的待测热图，根据所述待测热图中各像素点温度值对应计算各像素点的梯度向量，所述梯度向量包括横向梯度值和纵向梯度值，其中，

计算各像素点的横向梯度值的步骤包括：计算各像素点温度值分别与其左、右k个相邻像素点的温度值之差的均值，得到各像素点对应的左、右梯度值；计算各像素点对应的左、右梯度值之差的绝对值，得到各像素点的横向梯度值；

计算各像素点的纵向梯度值的步骤包括：计算各像素点温度值分别与其上、下k个相邻像素点的温度值之差的均值，得到各像素点对应的上、下梯度值；计算各像素点对应的上、下梯度值之差的绝对值，得到各像素点的纵向梯度值；

（2）基于所述各像素点的梯度向量，确定人体轮廓点；根据所述人体轮廓点，确定人体头部边界框，所述人体头部边界框包括一个或多个，其中，

确定人体轮廓点的步骤包括：比较各像素点与其水平方向2K个相邻像素点的左、右梯度值，若一像素点的左梯度值为其水平方向2K个相邻像素点中的最小值、且其右梯度是水平方向2k个相邻像素点中的最大值，则该像素点为人体轮廓上的左侧轮廓点；若某一像素点的左梯度值是水平方向2k个相邻像素点中的最大值，且其右梯度值是水平方向2k个相邻像素点中的最小值，则该像素点为人体轮廓上的右侧轮廓点；

比较各像素点与其垂直方向2K个相邻像素点的上、下梯度值，若一像素点的上梯度值为其垂直方向2K个相邻像素点中的最小值、且其下梯度是垂直方向2k个相邻像素点中的最大值，则该像素点为人体轮廓上的上侧轮廓点；若某一像素点的上梯度值是垂直方向2k个相邻像素点中的最大值，且其下梯度值是其垂直方向2k个相邻像素点中的最小值，则该像素点为人体轮廓上的下侧轮廓点；

确认人体头部边界框的步骤包括：利用人体形状分解技术并结合头部区域的特性，从所述人体轮廓点中分离出人体头部轮廓点；计算所述人体头部轮廓点中横、纵坐标的最大值和最小值，得到四个顶点，连接四个顶点形成一个所述人体头部边界框；

（3）根据所述人体头部边界框，计算其对应特征集，其中，

计算对应特征集的步骤包括：计算所述人体头部边界框内各像素点温度值是否为4邻域最大、是否为8邻域最大、各像素点温度值的离散系数、以及所述人体头部边界框与热图边界的距离，得到反映人机距离的特征集，所述特征集包括4邻域最大温度个数、8邻域最大温度个数、离散系数、人体头部边界框的上边距、人体头部边界框的下边距、人体头部边界框的左边距和人体头部边界框的右边距；

（4）将所述特征集输入到预先构建的人机测距模型中，预测得到所述待测热图中每个人与红外热像仪之间的距离。

2.根据权利要求1所述的基于红外热像仪的人机测距方法，其特征在于，所述头部区域的特性包括人体头部轮廓为一个闭环，且人体头部轮廓内的各像素点温度值高于人体其他部位的各像素点温度值。

3.根据权利要求1所述的基于红外热像仪的人机测距方法，其特征在于，所述人机测距模型利用机器学习方法LightGBM建立。

4.根据权利要求3所述的基于红外热像仪的人机测距方法，其特征在于，所述人机测距模型的构建过程为：

获取带标签的热图数据集，计算所述热图数据集中各热图的特征集，利用所述机器学习方法LightGBM建立人机测距模型。

5.一种基于红外热像仪的人机测距系统，其特征在于，包括：

梯度向量计算模块，用于获取待测热图，根据所述待测热图中各像素点温度值对应计算各像素点的梯度向量，所述梯度向量包括横向梯度值和纵向梯度值，其中，

计算各像素点的横向梯度值的步骤包括：计算各像素点温度值分别与其左、右k个相邻像素点的温度值之差的均值，得到各像素点对应的左、右梯度值；计算各像素点对应的左、右梯度值之差的绝对值，得到各像素点的横向梯度值；

计算各像素点的纵向梯度值的步骤包括：计算各像素点温度值分别与其上、下k个相邻像素点的温度值之差的均值，得到各像素点对应的上、下梯度值；计算各像素点对应的上、下梯度值之差的绝对值，得到各像素点的纵向梯度值；

人体头部边界框确定模块，用于基于各像素点的梯度向量，确定人体轮廓点；根据所述人体轮廓点，确定人体头部边界框，所述人体头部边界框包括一个或多个，其中，

确定人体轮廓点的步骤包括：比较各像素点与其水平方向2K个相邻像素点的左、右梯度值，若一像素点的左梯度值为其水平方向2K个相邻像素点中的最小值、且其右梯度是水平方向2k个相邻像素点中的最大值，则该像素点为人体轮廓上的左侧轮廓点；若某一像素点的左梯度值是水平方向2k个相邻像素点中的最大值，且其右梯度值是水平方向2k个相邻像素点中的最小值，则该像素点为人体轮廓上的右侧轮廓点；

比较各像素点与其垂直方向2K个相邻像素点的上、下梯度值，若一像素点的上梯度值为其垂直方向2K个相邻像素点中的最小值、且其下梯度是垂直方向2k个相邻像素点中的最大值，则该像素点为人体轮廓上的上侧轮廓点；若某一像素点的上梯度值是垂直方向2k个相邻像素点中的最大值，且其下梯度值是其垂直方向2k个相邻像素点中的最小值，则该像素点为人体轮廓上的下侧轮廓点；

确认人体头部边界框的步骤包括：利用人体形状分解技术并结合头部区域的特性，从所述人体轮廓点中分离出人体头部轮廓点；计算所述人体头部轮廓点中横、纵坐标的最大值和最小值，得到四个顶点，连接四个顶点形成一个所述人体头部边界框；

特征集计算模块，用于根据所述人体头部边界框，计算其对应特征集，其中，

计算对应特征集的步骤包括：计算所述人体头部边界框内各像素点温度值是否为4邻域最大、是否为8邻域最大、各像素点温度值的离散系数、以及所述人体头部边界框与热图边界的距离，得到反映人机距离的特征集，所述特征集包括4邻域最大温度个数、8邻域最大温度个数、离散系数、人体头部边界框的上边距、人体头部边界框的下边距、人体头部边界框的左边距和人体头部边界框的右边距；

距离预测模块，用于将所述特征集输入到预先构建的人机测距模型中，预测得到所述待测热图中每个人与红外热像仪之间的距离。