阅读说明：本技术 一种目标定位系统及方法 (Target positioning system and method ) 是由 罗晶 于 2019-08-01 设计创作，主要内容包括：本发明实施例公开了一种目标定位系统及方法,该系统包括：多个红外传感器节点和定位设备；每个红外传感器节点包括多个红外传感器以及与多个红外传感器相连的处理器；红外传感器,用于采集红外信号；处理器,用于根据与自身相连的多个红外传感器采集的红外信号,确定目标所在的范围信息,并将所确定的范围信息发送至定位设备；定位设备,用于利用数据融合算法,对每个红外传感器节点的处理器发送的范围信息进行融合处理,得到目标的位置。可见,本方案中,根据红外信号对目标进行定位,红外信号受环境光线影响较小,提高了定位了准确性。(The embodiment of the invention discloses a target positioning system and a method, wherein the system comprises: a plurality of infrared sensor nodes and a positioning device; each infrared sensor node comprises a plurality of infrared sensors and a processor connected with the plurality of infrared sensors; the infrared sensor is used for acquiring infrared signals; the processor is used for determining range information of a target according to infrared signals collected by a plurality of infrared sensors connected with the processor, and sending the determined range information to the positioning equipment; and the positioning equipment is used for carrying out fusion processing on the range information sent by the processor of each infrared sensor node by using a data fusion algorithm to obtain the position of the target. Therefore, in the scheme, the target is positioned according to the infrared signals, the infrared signals are less influenced by the ambient light, and the positioning accuracy is improved.)

一种目标定位系统及方法

技术领域

本发明涉及定位技术领域，特别是指一种目标定位系统及方法。

背景技术

一些场景中，通常需要对人员、车辆等目标进行定位。现有的定位方案通常包括：在摄像机采集的图像中识别需要定位的目标，根据摄像机采集该目标的时刻及位置，对该目标进行定位。

但是这种定位方案受环境光线影响较大，比如，夜晚、阴雨天等光线较弱的情况下，摄像机采集的图像清晰度较差，导致定位的准确性较低。

发明内容

有鉴于此，本发明的目的在于提出一种目标定位系统及方法，以提高定位的准确性。

基于上述目的，本发明实施例提供了一种目标定位系统，包括：多个红外传感器节点和定位设备；每个红外传感器节点包括多个红外传感器以及与所述多个红外传感器相连的处理器；

所述红外传感器，用于采集红外信号；

所述处理器，用于根据与自身相连的多个红外传感器采集的红外信号，确定目标所在的范围信息，并将所确定的范围信息发送至所述定位设备；

所述定位设备，用于利用数据融合算法，对每个红外传感器节点的处理器发送的范围信息进行融合处理，得到所述目标的位置。

可选的，所述处理器，具体用于：

针对与自身相连的每个红外传感器，获取该红外传感器采集的红外信号，获取所述红外信号对应的增量数据；基于所述红外信号和所述增量数据，生成该红外传感器对应的事件信号，所述事件信号为是否检测到目标的信号；

根据所生成的每个红外传感器对应的事件信号，确定所述目标所在的范围信息，并将所确定的范围信息发送至所述定位设备。

可选的，每个红外传感器节点包括N个周向均匀设置的红外传感器，N为大于1的正整数，所述N个红外传感器形成2N个探测区域，所述2N个探测区域中包括N个重叠区域和N个不重叠区域，所述重叠区域为相邻红外传感器的采集范围相重叠的区域，所述不重叠区域为相邻红外传感器的采集范围不相重叠的区域；

所述处理器，还用于：根据所生成的每个红外传感器对应的事件信号，确定所述目标所在的探测区域信息，将所确定的探测区域信息发送至所述定位设备。

可选的，所述处理器，还用于：

若根据所生成的每个红外传感器对应的事件信号，确定出多个候选探测区域，则确定每个候选探测区域中存在目标的概率；

基于每个候选探测区域对应的概率，确定目标所在的探测区域信息。

可选的，所述目标所在的探测区域信息为：所述目标所在的探测区域的角平分线信息；所述多个红外传感器节点中包括一个中心节点和多个外周节点；所述定位设备，还用于：

根据每个红外传感器节点的处理器发送的角平分线信息，确定所述中心节点对应的角平分线与所述外周节点对应的角平分线的交点，作为第一交点；以及确定所述多个外周节点对应的角平分线的交点，作为第二交点；

对所述第一交点进行聚类，得到第一聚类结果；

基于所述第一聚类结果，对所述第二交点进行聚类，得到第二聚类结果，根据所述第二聚类结果确定一个或多个目标；

针对每个目标，确定与该目标相关联的角平分线交点的中心点，基于所述中心点确定该目标的位置。

可选的，所述定位设备，具体用于：

针对每个目标，确定与该目标相关联的角平分线交点的中心点，将所述中心点确定为该目标的位置；

或者，

针对每个目标，确定与该目标相关联的角平分线交点的中心点；

在与该目标相关联的角平分线交点中，剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行所述确定与该目标相关联的角平分线交点的中心点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。

可选的，每个红外传感器节点包括6个红外传感器，所述6个红外传感器排列成圆周的形状，所述多个外周节点为呈矩形排布的8个红外传感器节点，所述中心节点位于所述矩形中心。

基于上述目的，本发明实施例还提供了一种目标定位方法，应用于目标定位系统中的定位设备，所述系统包括多个红外传感器节点和定位设备；每个红外传感器节点包括多个红外传感器以及与所述多个红外传感器相连的处理器；所述方法包括：

接收每个红外传感器节点的处理器发送的目标所在的范围信息；其中，所述范围信息为所述处理器根据与自身相连的多个红外传感器采集的红外信号确定的；

利用数据融合算法，对接收到的范围信息进行融合处理，得到所述目标的位置。

可选的，所述多个红外传感器节点中包括一个中心节点和多个外周节点；每个红外传感器节点形成多个探测区域；所述范围信息为探测区域的角平分线信息；

所述利用数据融合算法，对接收到的范围信息进行融合处理，得到所述目标的位置，包括：

根据每个红外传感器节点的处理器发送的角平分线信息，确定所述中心节点对应的角平分线与所述外周节点对应的角平分线的交点，作为第一交点；以及确定所述多个外周节点对应的角平分线的交点，作为第二交点；

对所述第一交点进行聚类，得到第一聚类结果；

基于所述第一聚类结果，对所述第二交点进行聚类，得到第二聚类结果，根据所述第二聚类结果确定一个或多个目标；

针对每个目标，确定与该目标相关联的角平分线交点的中心点，基于所述中心点确定该目标的位置。

可选的，所述针对每个目标，确定与该目标相关联的角平分线交点的中心点，基于所述中心点确定该目标的位置，包括：

针对每个目标，确定与该目标相关联的角平分线交点的中心点，将所述中心点确定为该目标的位置；

或者，

针对每个目标，确定与该目标相关联的角平分线交点的中心点；

在与该目标相关联的角平分线交点中，剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行所述确定与该目标相关联的角平分线交点的中心点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。

应用本发明所示实施例，目标定位系统包括：多个红外传感器节点和定位设备；每个红外传感器节点包括多个红外传感器以及与多个红外传感器相连的处理器；红外传感器，用于采集红外信号；处理器，用于根据与自身相连的多个红外传感器采集的红外信号，确定目标所在的范围信息，并将所确定的范围信息发送至定位设备；定位设备，用于利用数据融合算法，对每个红外传感器节点的处理器发送的范围信息进行融合处理，得到目标的位置。可见，本方案中，根据红外信号对目标进行定位，红外信号受环境光线影响较小，提高了定位了准确性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种目标定位系统的结构示意图；

图2为本发明实施例提供的一种生成事件信号示意图；

图3为本发明实施例提供的一种红外传感器探测区域示意图；

图4为本发明实施例提供的一种红外传感器节点排布示意图；

图5(a)-(d)为本发明实施例提供的目标分布情况示意图；

图6为本发明实施例提供的另一种目标分布情况示意图；

图7为本发明实施例提供的一种确定目标方向示意图；

图8为本发明实施例提供的另一种目标分布情况示意图；

图9为本发明实施例提供的另一种确定目标方向示意图；

图10为本发明实施例提供的另一种目标定位系统的结构示意图；

图11为本发明实施例提供的一种目标定位示意图；

图12为本发明实施例提供的一种目标定位方法的流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明进一步详细说明。

需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。

为了解决上述技术问题，本发明实施例提供了一种目标定位系统及方法，下面首先对发明实施例提供的目标定位系统进行介绍。

图1为本发明实施例提供的一种目标定位系统的结构示意图，包括：

多个红外传感器节点(红外传感器节点1……红外传感器节点M，M为大于1的正整数)100和定位设备200；每个红外传感器节点100包括多个红外传感器(红外传感器1……红外传感器N，N为大于1的正整数)110以及与该多个红外传感器相连的处理器120；

红外传感器110，用于采集红外信号；

处理器120，用于根据与自身相连的多个红外传感器采集的红外信号，确定目标所在的范围信息，并将所确定的范围信息发送至所述定位设备；

定位设备200，用于利用数据融合算法，对每个红外传感器节点的处理器发送的范围信息进行融合处理，得到所述目标的位置。

举例来说，红外传感器110可以为热释电红外传感器，或者也可以为其他类型的红外传感器，具体不做限定。

一种实施方式中，处理器120可以针对与自身相连的每个红外传感器110，获取该红外传感器采集的红外信号，获取所述红外信号对应的增量数据；基于所述红外信号和所述增量数据，生成该红外传感器对应的事件信号，所述事件信号为是否检测到目标的信号；根据所生成的每个红外传感器对应的事件信号，确定所述目标所在的范围信息，并将所确定的范围信息发送至所述定位设备。

参考图2对本实施方式进行说明：图2(a)展示的是原始数据，红外信号可以理解为采集到的原始数据，可以先对原始数据进行变换。可以取理论稳定值为1024，计算原始数据与1024的差值，即data＝|data-1024|，等式右边的data即为原始数据，等式左边的data即为变换后的原始数据。

一种情况下，可以将当前时刻的数据与前一时刻的数据的差值作为增量数据，即data(i)＝data(i)-data(i-1)，等式右边的data(i)表示当前时刻的数据，等式右边的data(i-1)表示前一时刻的数据，等式左边的data(i)即为增量数据。对增量数据进行变换，比如，可以将增量数据放大k倍，即data(i)＝k*|data(i)-data(i-1)|，等式左边的data(i)即为变换后的增量数据。图2(b)展示的是变换后的原始数据和变换后的增量数据。

如图2(c)所示，可以将变换后的原始数据与变换后的增量数据进行结合，比如，可以取变换后的原始数据变换与变换后的增量数据中的较大值作为特征值。

如图2(d)所示，可以设定固定阈值将图2(c)中的特征值信号进行数字化，得到数字信号。比如，如果特征值大于该阈值，则数字信号为1，如果特征值不大于该阈值，则数字信号为0。

如图2(e)所示，可以将图2(d)中得到的数字信号平滑成事件信号。平滑方式可以为：当某时刻信号与前一时刻信号相同时不作处理；不同时，选取一个固定长度的窗，当窗中“1”的数量大余窗长度的一半时，该时刻信号为“1”，否则为“0”。

本实施方式中，处理器120将处理得到的事件信号发送至处理设备200。

一种实施方式中，每个红外传感器节点包括N个周向均匀设置的红外传感器，所述N个红外传感器形成2N个探测区域，所述2N个探测区域中包括N个重叠区域和N个不重叠区域，所述重叠区域为相邻红外传感器的采集范围相重叠的区域，所述不重叠区域为相邻红外传感器的采集范围不相重叠的区域。

举例来说，N可以为6，也就是说，每个红外传感器节点可以包括6个红外传感器，一种情况下，这6个红外传感器可以排列成圆周的形状。如图3所示，将这6个红外传感器的采集范围划分为12个探测区域，图3中①—⑥表示红外传感器的编号，A—L表示探测区域的编号。图3中，相邻红外传感器的采集范围两两相交，将相交的范围称为重叠区域，比如A、C、E、G、I、K这6个探测区域即为重叠区域，B、D、F、H、J、L这6个探测区域即为不重叠区域。

本实施方式中，处理器120可以根据所生成的每个红外传感器对应的事件信号，确定所述目标所在的探测区域信息，将所确定的探测区域信息发送至所述定位设备。

一种实施方式中，该探测区域信息可以为探测区域的编号。以图3为例来说，如果只存在一个目标，则目标所在区域与相应的各红外传感器输出的事件信号的对应关系可以如表1所示：

表1

仍参考图3，如果目标位于A区域，则编号为1和6的红外传感器能够探测到目标，编号为1和6的红外传感器对应的事件信号为1，其他红外传感器对应的事件信号为0。类似的，如果目标位于B区域，则编号为1的红外传感器能够探测到目标，编号为1的红外传感器对应的事件信号为1，其他红外传感器对应的事件信号为0。其他区域类似，不再一一说明。

如果只存在一个目标，处理器200可以基于表1、以及与自身相连的每个红外传感器对应的事件信号，确定目标所在的探测区域的编号。

图3仅为举例说明，每个红外传感器节点中红外传感器的数量及排布不做限定。

一种情况下，M可以为9，也就是说，系统中可以包括9个红外传感器节点，如图4所示，这9个红外传感器节点可以均匀排列成3行3列，或者说，其中8个红外传感器节点均匀排布呈矩形，另1个红外传感器节点位于该矩形的中心。图4仅为举例说明，红外传感器节点的数量及排布形状不做限定，比如，这8个红外传感器节点可以均匀排布呈圆周的形状。

延续上述例子，该探测区域信息可以为探测区域的编号，每个红外传感器节点的处理器都将确定的探测区域的编号发送给定位设备200，定位设备200基于这些探测区域的编号，利用数据融合算法确定目标具***置。

或者，另一种实施方式中，该探测区域信息可以为探测区域的角平分线信息，这样，每个红外传感器节点的处理器都将确定的目标所在探测区域的角平分线信息发送给定位设备200，定位设备200基于这些角平分线信息，确定出多个角平分线交点，利用数据融合算法对这些角平分线交点进行融合，得到目标具***置。

各个探测区域的角平分线的长度为相应的红外传感器采集范围的距离，如图3所示，在360°的区域中共有长短相间的12条角度线，长角度线长为10m，短角度线长为7.5m，大角度误差约为15°。

一种实施方式中，若处理器120根据所生成的每个红外传感器对应的事件信号，确定出多个候选探测区域，则处理器120确定每个候选探测区域中存在目标的概率；基于每个候选探测区域对应的概率，确定目标所在的探测区域信息。

举例来说，假设存在两个目标，如图5(a)所示，如果各红外传感器输出的事件信号为“111100”，表示这两个目标分别位于C区和G区；如图5(b)所示，如果各红外传感器输出的事件信号为“101101”，表示这两个目标分别位于A区和G区。如图5(c)所示，如果各红外传感器输出的事件信号为“100110”，表示这两个目标分别位于B区和I区。如图5(d)所示，如果各红外传感器输出的事件信号“010001”，表示这两个目标分别位于D区和L区。

如果各红外传感器输出的事件信号中存在两个相邻的“1”，则可能存在多种可能的目标分布情况。举例来说，参考图6，如果各红外传感器输出的事件信号为“001100”，则存在4种可能的目标分布情况：可能存在一个位于G区的目标，可能存在两个目标，这两个目标分别位于F区和H区，或者位于F区和G区，或者位于G区和H区。为了方便描述，将这些可能存在目标的探测区域称为候选探测区域。

上述一种实施方式中，探测区域信息为探测区域的角平分线信息，并且定位设备基于这些角平分线信息，确定出多个角平分线交点；仍参考图6，如果确定图6中所有候选探测区域的角平分线交点，则会出现较多虚假点，给后续数据融合带来了极大的困难，并且引进了很大的误差。本实施方式中引入概率的观点，可以解决这一问题。

假设存在两个目标，由图6可知，一个目标位于G区或H区，另一个目标位于F区或G区；若一个目标位于G区，另一个目标也可位于F区或H区；若一个目标位于H区，另一个目标可能位于G区或F区；若一个目标位于F区，另一个目标可能位于G区或H区。从概率的角度来看，目标位于F区、G区或H区的概率相等。这种情况下，如图7所示，可以确定G区和F区的角平分线，将其记为“角度线1”，角度线1即为一个目标所在探测区域的角平分线；确定G区和H区角度线的平分线，将其记为“角度线2”，角度线2即为另一个目标所在探测区域的角平分线；角度线的长度也为两条角度线的均值。

再举一例，参考图8，如果各红外传感器输出的事件信号为“111000”，则存在3种可能的目标分布情况：可能存在两个目标，这两个目标分别位于B区和E区，或者位于F区和C区，或者位于E区和C区。为了方便描述，将这些可能存在目标的探测区域称为候选探测区域。

由图8可知，一个目标位于B区或C区，另一个目标位于F区或E区。对位于B区或C区的目标而言：若其位于B区，另一目标则位于E区；若其位于C区，另一个目标可位于E区或F区。因此，该目标位于E区的概率为2/3，位于F区的概率为1/3。如图9所示，确定E区和F区角度线的三等分线中距E区较近的一条线，将其记为“角度线1”，角度线1即为一个目标所在探测区域的角平分线。

类似的，对位于F区或E区的目标而言：若其位于F区，另一目标则位于C区；若其位于E区，另一个目标可位于B区或C区。因此，该目标位于C区的概率为2/3，位于B区的概率为1/3。如图9所示，确定B区和C区角度线的三等分线中距C区较近的一条线，将其记为“角度线2”，角度线2即为另一个目标所在探测区域的角平分线。

可见，本实施方式中，如果存在多种目标分布的可能，基于每个候选探测区域对应的概率，对角度线进行融合。这样，对于后续的数据融合来说，使得数据分类更为清晰，降低了数据处理的复杂度，并且能够保证一定的精度。

如上所述，定位设备200确定出多个角平分线交点，利用数据融合算法对这些角平分线交点进行融合，得到目标具***置。以一个目标为例来说，定位设备200可以基于这些角平分线交点的中点，确定目标的位置。比如，一种实施方式中，可以采用中心值法，定位设备200可以将这些角平分线交点的中点确定为目标的位置。

再比如，另一种实施方式中，可以采用循环剔除法，定位设备200可以确定这些角平分线交点的中点，然后剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行确定角平分线交点的中点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。这种实施方式中，反复剔除边缘点，反复确定中心点，提高了定位的准确性。

上述一种实施方式中，如图4所示，8个红外传感器节点均匀排布呈矩形，另1个红外传感器节点位于该矩形的中心。为了方便描述，将位于矩形中心的红外传感器节点称为中心节点，将其他红外传感器节点称为外周节点。

一种实施方式中，定位设备200可以根据每个红外传感器节点的处理器发送的角平分线信息，确定所述中心节点对应的角平分线与所述外周节点对应的角平分线的交点，作为第一交点；以及确定所述多个外周节点对应的角平分线的交点，作为第二交点；对所述第一交点进行聚类，得到第一聚类结果；基于所述第一聚类结果，对所述第二交点进行聚类，得到第二聚类结果，根据所述第二聚类结果确定一个或多个目标；针对每个目标，确定与该目标相关联的角平分线交点的中心点，基于所述中心点确定该目标的位置。

一般来说，目标进入到红外传感器节点的采集范围后，中心节点可以探测到该目标。本实施方式中，先基于第一交点进行聚类，也就是先基于与中心节点相关联的角平分线交点进行聚类，然后基于该聚类结果再对其他角平分线交点进行聚类。这样，相比于基于所有角平分线交点进行聚类，计算量更小，聚类结果更准确。

如果通过聚类结果确定出多个目标，可以分别对每个目标进行定位。如上所述，定位设备可以采用中心值法或者循环剔除法，对目标进行定位。如果采用中心值法，本实施方式中，定位设备200可以针对每个目标，确定与该目标相关联的角平分线交点的中心点，将所述中心点确定为该目标的位置。

如果采用循环剔除法，本实施方式中，定位设备200可以针对每个目标，确定与该目标相关联的角平分线交点的中心点；在与该目标相关联的角平分线交点中，剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行所述确定与该目标相关联的角平分线交点的中心点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。

应用本发明所示实施例，第一方面，根据红外信号对目标进行定位，红外信号受环境光线影响较小，提高了定位了准确性。第二方面，一些相关的定位方案中，需要目标携带定位装置，比如，人员佩戴手环、携带智能手机等能够用于定位的设备，或者，车辆需要安装定位系统；可见，这种方案需要目标进行配合，不适用于非配合式的目标定位。而本方案中，不需要目标携带定位装置，适用于非配合式的目标定位。第三方面，红外传感器价格低、功耗低，这样，利用本方案进行定位的成本较低。

目前，通常认为从红外传感器采集的信号中，能够提取出的可利用信息较少，因此，一般认为红外传感器不适于进行目标定位。而本方案中，通常合理的系统设计，结合处理器和定位设备的数据处理过程，能够实现较准确的目标定位。

下面介绍一种具体的实施方式：

如图10所示，系统中可以包括8个外周红外传感器节点，1个中心红外传感器节点，1个汇聚节点和1台上位机，该系统可以采用多跳的Mesh(无线网格网络)的结构。举例来说，这8个外周红外传感器节点(图10中简写为外周节点)、1个中心红外传感器节点(图10中简写为中心节点)、1个汇聚节点之间可以基于ZigBee(紫蜂，一种低速短距离传输的无线网上协议)的Z-Stack协议进行通信。举例来说，可以在10m*10m的区域内均匀部署这9个红外传感器节点。

在图10所示的系统中，红外传感器节点采集红外信号并进行初步的信号处理，将经过处理的有效数据直接或间接发送到汇聚节点。当有红外传感器节点因通信距离问题无法与汇聚节点通信时，中心红外传感器节点还可以作为路由节点，红外传感器节点的传输数据先发送到路由节点，再由路由节点发送到汇聚节点，这种情况下，中心红外传感器节点同时起到信号采集处理和数据中转的作用。汇聚节点接收到所有红外传感器节点的传输数据，对接收到的数据进行一些处理操作，比如滤波等，然后将处理后的数据发送至上位机。上位机可以理解为上述实施例中的“定位设备”，上位机基于接收到的数据进行目标定位，另外，用户可以通过上位机的观测软件，实时的观测监控数据，用户还可以对数据进行存储。

本实施方式中采用Mesh网络结构，Mesh网络结构具有如下优点：

(1)快速部署和易于安装。由于安装简单，可以很容易增加新的红外传感节点来扩大覆盖范围和网络容量。

(2)非视距传输。Mesh网络中，传输数据能够自动选择最佳路径，不断从一个节点跳转到另一个节点，并最终到达汇聚节点。

(3)健壮性强。Mesh网络比单跳网络更加健壮，因为它不依赖于某一个单一节点的性能。在单跳网络中，如果某一个节点出现故障，整个网络也就随之瘫痪。而在Mesh网络结构中，由于每个节点都有一条或几条传送数据的路径。如果最近的节点出现故障或者受到干扰，传输数据将自动路由到备用路径继续进行传输。

(4)结构灵活。在单跳网络中，如果几个节点需要同时进行数据传输，这些节点都将数据传输至汇聚节点，可能产生通信拥塞。而在多跳网络中，这些节点可以通过其他不同的节点传输数据，减少了通信拥塞的情况。

(5)高带宽。无线通信的物理特性决定了通信传输的距离越短就越容易获得高带宽，因为随着无线传输距离的增加，各种干扰和其他导致数据丢失的因素随之增加。而采用Mesh网络，可以通过多个短跳来传输数据，这样便可以获得更高网络带宽。

每个红外传感器节点包括多个红外传感器和处理器。参考图3，每个红外传感器节点可以包括6个红外传感器，这6个红外传感器可以排列成圆周的形状。将这6个红外传感器的采集范围划分为12个探测区域，图3中①—⑥表示红外传感器的编号，A—L表示探测区域的编号。图3中，相邻红外传感器的采集范围两两相交，将相交的范围称为重叠区域，比如A、C、E、G、I、K这6个探测区域即为重叠区域，B、D、F、H、J、L这6个探测区域即为不重叠区域。

目标穿过一个红外传感器节点的采集范围时，理想的情况下会产生6个完整的正弦信号。假设目标为人员，人正常步行速度约为2m/s，假设人员距离红外传感器0.3m时进入采集范围，人员经过整个采集范围的距离为 需要的时间为此时的信号频率约为6/0.2356＝25Hz，因此可认为红外传感器采集到的有效信号的频率不高于25Hz。根据香农采样定理，红外传感器的信号采集频率大于50Hz。此外，可以通过信号调理电路对红外传感器采集到的信号进行放大。

处理器根据图2所示的处理流程，生成每个红外传感器对应的事件信号，根据这些事件信号，确定出可能存在目标的每个候选探测区域。若确定出多个候选探测区域，则处理器确定每个候选探测区域中存在目标的概率；基于每个候选探测区域对应的概率，确定目标所在的探测区域的角平分线信息。

每个红外传感器节点的处理器将所确定的角平分线信息发送给汇聚节点，汇聚节点将这些角平分线信息发送给上位机。上位机可以根据这些角平分线信息确定角平分线的交点，并对角平分线的交点进行聚类。比如，可以先基于与中心红外传感器节点相关联的角平分线交点进行聚类，然后基于该聚类结果再对其他角平分线交点进行聚类。这样，相比于基于所有角平分线交点进行聚类，计算量更小，聚类结果更准确。

如果通过聚类结果确定出多个目标，上位机可以分别对每个目标进行定位。上位机可以采用中心值法或者循环剔除法，对目标进行定位。如果采用中心值法，上位机可以针对每个目标，确定与该目标相关联的角平分线交点的中心点，将所述中心点确定为该目标的位置。

如果采用循环剔除法，上位机可以针对每个目标，确定与该目标相关联的角平分线交点的中心点；在与该目标相关联的角平分线交点中，剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行所述确定与该目标相关联的角平分线交点的中心点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。

参考图11，图11中的编号1-6表示6个红外传感器，图11中的虚直线表示目标所在的探测区域的角平分线，获取所有角平分线的交点，如图11中的空心圆点所示。对这些交点进行聚类，图11中两个椭圆区域表示通过聚类确定出两个目标。位于椭圆区域之外的空心圆点表示被剔除的虚假点。针对每个椭圆区域，将该椭圆区域中的空心圆点进行融合，得到一个目标的位置，如图11中的实心圆点所示。图11中的三角可以理解为目标实际所在的位置，可见，利用本方案确定出的目标位置与目标实际所在的位置的误差较小，定位较准确。

本实施方式中，第一方面，每个红外传感器节点可以包括6个红外传感器，在硬件资源固定的情况下，这6个传感器环形均匀的布局方式，有效地控制了红外传感器节点采集范围的大小，提高了定位精度。第二方面，基于角度进行定位，通过调整红外传感器节点的角度和位置，可以改变定位精度，提高了系统的灵活性和可扩展性。第三方面，将多个传感器的数据进行融合，增强了目标定位的可靠性。

与上述方法实施例相对应，本发明实施例还提供了一种目标定位方法，可以应用于目标定位系统中的定位设备，如图1所示，该系统包括：多个红外传感器节点(红外传感器节点1……红外传感器节点M，M为大于1的正整数)100和定位设备200；每个红外传感器节点100包括多个红外传感器(红外传感器1……红外传感器N，N为大于1的正整数)110以及与该多个红外传感器相连的处理器120。如图12所示，该方法可以包括：

S1201：接收每个红外传感器节点的处理器发送的目标所在的范围信息；其中，所述范围信息为所述处理器根据与自身相连的多个红外传感器采集的红外信号确定的。

举例来说，该系统中可以包括9个红外传感器节点，如图4所示，这9个红外传感器节点可以均匀排列成3行3列，或者说，其中8个红外传感器节点均匀排布呈矩形，另1个红外传感器节点位于该矩形的中心。图4仅为举例说明，红外传感器节点的数量及排布形状不做限定，比如，这8个红外传感器节点可以均匀排布呈圆周的形状。

举例来说，每个红外传感器节点可以包括6个红外传感器，一种情况下，这6个红外传感器可以排列成圆周的形状。如图3所示，将这6个红外传感器的采集范围划分为12个探测区域，图3中①—⑥表示红外传感器的编号，A—L表示探测区域的编号。图3中，相邻红外传感器的采集范围两两相交，将相交的范围称为重叠区域，比如A、C、E、G、I、K这6个探测区域即为重叠区域，B、D、F、H、J、L这6个探测区域即为不重叠区域。

一种实施方式中，目标所在的范围信息可以为目标所在的探测区域的编号。这样，每个红外传感器节点的处理器都将确定的探测区域的编号发送给定位设备200，定位设备200基于这些探测区域的编号，利用数据融合算法确定目标具***置。

或者，另一种实施方式中，该探测区域信息可以为探测区域的角平分线信息，这样，每个红外传感器节点的处理器都将确定的目标所在探测区域的角平分线信息发送给定位设备200，定位设备200基于这些角平分线信息，确定出多个角平分线交点，利用数据融合算法对这些角平分线交点进行融合，得到目标具***置。

S1202：利用数据融合算法，对接收到的范围信息进行融合处理，得到所述目标的位置。

如上所述，定位设备200确定出多个角平分线交点，利用数据融合算法对这些角平分线交点进行融合，得到目标具***置。以一个目标为例来说，定位设备200可以基于这些角平分线交点的中点，确定目标的位置。比如，一种实施方式中，可以采用中心值法，定位设备200可以将这些角平分线交点的中点确定为目标的位置。

再比如，另一种实施方式中，可以采用循环剔除法，定位设备200可以确定这些角平分线交点的中点，然后剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行确定角平分线交点的中点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。这种实施方式中，反复剔除边缘点，反复确定中心点，提高了定位的准确性。

作为一种实施方式，所述多个红外传感器节点中包括一个中心节点和多个外周节点；每个红外传感器节点形成多个探测区域；所述范围信息为探测区域的角平分线信息；S1202可以包括：

根据每个红外传感器节点的处理器发送的角平分线信息，确定所述中心节点对应的角平分线与所述外周节点对应的角平分线的交点，作为第一交点；以及确定所述多个外周节点对应的角平分线的交点，作为第二交点；

对所述第一交点进行聚类，得到第一聚类结果；

基于所述第一聚类结果，对所述第二交点进行聚类，得到第二聚类结果，根据所述第二聚类结果确定一个或多个目标；

针对每个目标，确定与该目标相关联的角平分线交点的中心点，基于所述中心点确定该目标的位置。

作为一种实施方式，所述针对每个目标，确定与该目标相关联的角平分线交点的中心点，基于所述中心点确定该目标的位置，可以包括：

针对每个目标，确定与该目标相关联的角平分线交点的中心点，将所述中心点确定为该目标的位置；

或者，

针对每个目标，确定与该目标相关联的角平分线交点的中心点；

在与该目标相关联的角平分线交点中，剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行所述确定与该目标相关联的角平分线交点的中心点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。

一般来说，目标进入到红外传感器节点的采集范围后，中心节点可以探测到该目标。本实施方式中，先基于第一交点进行聚类，也就是先基于与中心节点相关联的角平分线交点进行聚类，然后基于该聚类结果再对其他角平分线交点进行聚类。这样，相比于基于所有角平分线交点进行聚类，计算量更小，聚类结果更准确。

如果通过聚类结果确定出多个目标，可以分别对每个目标进行定位。如上所述，定位设备可以采用中心值法或者循环剔除法，对目标进行定位。如果采用中心值法，本实施方式中，定位设备200可以针对每个目标，确定与该目标相关联的角平分线交点的中心点，将所述中心点确定为该目标的位置。

如果采用循环剔除法，本实施方式中，定位设备200可以针对每个目标，确定与该目标相关联的角平分线交点的中心点；在与该目标相关联的角平分线交点中，剔除与中心点的距离大于预设阈值的角平分线交点，并返回执行所述确定与该目标相关联的角平分线交点的中心点的步骤，直至每个角平分线交点与中心点的距离均小于等于所述预设阈值的情况下，将中心点确定为该目标的位置。

上述实施例的方法用于实现前述实施例中相应的系统，并且具有相应的方法实施例的有益效果，在此不再赘述。

所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本公开的范围(包括权利要求)被限于这些例子；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在如上所述的本发明的不同方面的许多其它变化，为了简明它们没有在细节中提供。

另外，为简化说明和讨论，并且为了不会使本发明难以理解，在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外，可以以框图的形式示出装置，以便避免使本发明难以理解，并且这也考虑了以下事实，即关于这些框图装置的实施方式的细节是高度取决于将要实施本发明的平台的(即，这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如，电路)以描述本发明的示例性实施例的情况下，对本领域技术人员来说显而易见的是，可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本发明。因此，这些描述应被认为是说明性的而不是限制性的。

尽管已经结合了本发明的具体实施例对本发明进行了描述，但是根据前面的描述，这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如，其它存储器架构(例如，动态RAM(DRAM))可以使用所讨论的实施例。

本发明的实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此，凡在本发明的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明的保护范围之内。