基于人体多姿态识别的被动入侵检测模型研究

被动入侵检测技术在火灾搜救、空巢老人监护、矿井安全等领域有着广泛的应用。传统的基于无线传感器的被动入侵检测技术大多采用单层链路的信号变化来识别有人入侵和无人入侵两种状态,检测状态过于单一,对于一些人体高危状态如跌倒状态并不能有效的识别。为解决这一问题,提出了一种基于人体多姿态识别的被动入侵检测模型,该模型建立多层信号链路进行特征对比,并使用基于滑动窗口的数据流特征提取方法,实现对各人体入侵姿态的检测。采用多种多分类器算法进行仿真分析,并进一步对人体多姿态的定位和追踪展开实验。结果表明:该检测模型对于正常(无人入侵)、站立、跌倒静躺这三种状态具有很好的识别效果。

基于Wi-Fi的室内入侵检测

入侵检测在空巢老人监护、贵重物品监控和安全防范等众多领域有着广泛的应用。文章采用基于Wi-Fi的室内被动式入侵检测技术,利用现有无线基础设施,通过获取室内正常情况下与有入侵发生情况下的RSS变化特征,用机器学习的方法来分析判断入侵行为。理论分析和实验表明,该方法能有效地判断入侵行为,并且具有实用性强和被动检测的特点。