基于红外温度点阵的人体检测

采用矩阵式红外热电堆采集空间温度数据,并利用改进的RBF(Radical Basis Function径向基函数)神经网络算法进行人体入侵检测。通过改进的粒子群算法优化RBF的精度和收敛速度,其中为了消除基本PSO(Particle Swarm Optimization粒子群算法)在某些函数的优化上有收敛速度慢、精度较差的缺点,采用惯性权重因子改进了粒子群算法。将改进PSO算法训练的RBF神经网络应用到人体入侵检测识别中,通过实测数据验证,改进后的RBF神经网络算法的训练效果有明显的提升,检测效果也有明显的提高。