基于PIR Sensor的单目标跟踪系统的设计与实现

针对基于热释电红外传感器的人体跟踪系统在实际环境中,由于受环境噪声和硬件参数影响而误差较高的问题,本文提出了一种基于热释电红外传感器PIR Sensor(Pyroelectric Infrared Sensor)的高精度人体目标跟踪方案。该方案首先对检测区域内运动人体热辐射的红外信号特征进行了提取,然后利用PIR Sensor定位节点自身几何参数和探测数据,得到初步定位结果。最后通过Kalman滤波算法对初步定位结果进行滤波处理并更新目标的状态信息,实现对检测区域内人体目标的定位与跟踪。实验表明,该系统的跟踪误差与同类跟踪系统相比降低了71.96%,证明了该系统具有较高的跟踪精度。

基于人行为地图的室内PIR定位方法

针对老人家庭看护中的室内定位问题,提出了一种基于人行为地图的室内热红外释电传感器(pyroelectric infrared sensor,PIR)定位方法.首先采集PIR传感器检测身体运动信号来确定人在室内的初步位置信息;利用惯性测量单元(inertial measurement unit,IMU)检测3D加速度信号识别人在室内的基本日常行为——躺、坐、站、走;利用IMU的3D加速度信号估计人的室内移动速度和方向;通过行为习惯观察,建立相应的躺、坐、站、走的行为地图;通过粒子滤波方法融合上述传感器信息,实现定位.实验结果表明,提出的方法在定位时,既保护人的隐私,也提高基于PIR传感器定位的精度及稳定性.

无线PIR的人体目标追踪方法研究综述

基于无线热释电红外传感器(PIR)的人体目标追踪过程分为五步:事件检测、事件数字化、事件登记、目标定位、轨迹推断。研究的方向主要是在事件检测过程中的数据采集和信号处理,在事件登记中的区域分割编码,在目标定位中的数据处理,以及在轨迹推断中的数据融合和轨迹预计。阐述了侧视感知模式和俯视感知模式的实现原理,分析了解决主要问题所运用的方法,对比两种感知模式的实验结果,分析两种感知模式的优缺点,并据此讨论了改进方向。

基于PIR传感器阵列的网域最小感知单元测量技术（英文）

为研究红外热释电(Pyroelectric infrared, PIR)传感器在网域测量中对红外目标感知问题,提出利用8路红外热释电传感器阵列组成封闭的感知网域,探究网域最小感知单元测量方法,完成对运动目标的感知和轨迹预测,并设计实验验证该测量方法的可行性和准确性。实验结果表明,网域最小感知单元测量方法的预测轨迹和真实轨迹间的最大误差为0.64 m,可以完成红外目标感知及运动轨迹预测。

基于CNN-LSTM神经网络的热释电红外传感器人员识别

针对热释电红外(PIR)传感器在室内人员识别系统的结构以及识别的准确率问题,设计了一种新型的无线分布式PIR传感器系统,并提出了一种人员识别的新方法。系统采用2只分布在不同高度的PIR传感器,结合对菲涅尔透镜的视场角调制,能够有效探测运动人体的红外信号。通过对2只PIR传感器时域输出信号的采集分析,采用快速傅里叶变换(FFT)算法获取时域信号特征,并将信号特征进行融合。使用深度学习卷积神经网络-长短期记忆(CNN-LSTM)神经网络进行人员的分类识别。实验结果表明:该设计方法在人员的分类识别上实现了99.29%的准确率,在室内人员识别场景中具有良好的应用价值。

基于热释电红外信息的人体运动特征提取与识别

运动人体辐射的红外信号中包含步行姿态及体貌特征等信息,热释电红外(PIR)传感器能够探测人体发出的红外线,在有效范围内实现运动人体的检测.对利用表面安装有菲涅耳透镜的PIR传感器探测人体行走时的红外辐射进行了研究,采用主成分分析(PCA)方法对不同对象、不同速度的频谱数据进行特征提取,并使用支持向量机(SVM)方法进行分类识别,最高识别正确率达到85.38%.研究结果表明,利用PIR传感器获取人体运动信息,并将来自不同对象、不同速度的频谱数据用于分类的方法是可行的.该研究可为安全级别较低场所的生物特征识别提供一种新的低成本的解决方案.

融合热释电红外传感器与视频监控器的多目标跟踪算法

现有基于热释电红外传感器的多目标跟踪系统在目标之间距离较近或者轨迹相交的情况下存在着误差较大的缺点.针对此缺点,提出了一种新型的基于热释电红外传感器与视频监测器协同工作的多目标跟踪方案.该方案可以充分利用两种传感器的优势,弥补在目标跟踪中的不足.算法采用最小二乘法利用热释电信息进行定位,并通过从图像或热释电传感器信号的幅频特性中提取特征信息来校正联合概率数据关联算法的关联矩阵,有效避免了错误关联.实验表明,该方案在多目标交叉情况下跟踪误差仅为其它算法的八分之一到四分之一.

利用热释电红外传感器探测人体运动特征

热释电红外(PIR)传感器探测人体发出的红外辐射,在有效探测范围内可实现运动人体的检测。由于它的低成本低功耗,在入侵检测及自动照明控制等方面有广泛的应用。本文对用这种传感器提取人体行走时的运动特征进行了研究。人作为动态的分布式的红外源由体貌特征及步态特征所决定,利用探头表面安装有菲涅耳透镜的PIR传感器得到时域电压信号,对信号的频谱特性进行分析来解析人体的运动特征。采用主成分分析方法对不同个体不同速度的数据进行分类,探讨了这种方式应用于人体运动特征信息的提取及分类识别的可行性。实验结果表明,不同的人以不同的速度步行的频谱数据足以用来分类识别,为安全级别较低场所的人体身份识别提供了一种低成本的方案。

基于人体热释电特征多策略融合的识别方法

针对现实复杂环境中,利用单个或多个热释电传感器对人体目标识别时所表现出的不稳定性和抗干扰性较差问题,提出了一种基于人体热释电特征的多策略融合识别方法。该方法以不确定性理论为基础,首先利用不同空域的传感器,获取人体不同部位的置信度,其次结合不同的融合策略实现对人体目标的识别。融合策略分为两种,第一种策略首先使用同空域融合,然后使用同时域融合,这种策略充分利用了分布式传感网络的特性,融合了最优置信度以实现对人体目标的高精度识别,第二种策略则首先使用同时域融合,然后使用同空域融合。该策略能实现对人体目标的实时识别,但不能保证较高的识别精度。实验结果表明多策略融合既能克服单传感器或多传感器在对人体目标进行识别时,所表现出的不稳定性和不可靠性,又能增强系统识别时的鲁棒性和有效性。与其他融合方法相比突出体现了本文方法的优势。

基于人体步态识别的热释电红外传感报警系统

针对热释电红外传感器对运动后静止的人体无法感应的缺点,设计了一种基于人体步态识别的热释电红外报警系统,大大提高了系统感知智能度,减少了报警的误报率。该系统利用热释电红外传感器(PIR)作为探头,将感测到人体的红外信息转换成电压信号,通过滤波、放大等信号调理以及经过数据采集后,将信号传递给单片机处理,结合人体运动特征进行步态识别,从而实现智能报警,达到安全防护的目的。研究结果表明,基于人体步态识别的热释电红外报警系统具有性能稳定、灵敏度高、误报率低等优点,适合各种安全报警的场合,具有广泛的应用前景。

基于热释电红外传感器的人体位置与速度分类

针对热释电红外(PIR)传感器在室内人体定位及识别上的准确率问题,设计了一种人体红外信号感知模型,提出了一种定位与识别的新型方法。模型节点采用一对正交的PIR传感器,结合对菲涅尔透镜的视场角调制,能够有效探测水平与垂直方向的人体红外信号。通过对这一对PIR传感器时域输出信号的采集分析,采用时域信号的峰值时间序列特征并融合两只传感器数据的相关性分析,使用机器学习SoftMax分类方法进行位置及速度等级的分类。实验结果表明:所设计方法在位置与速度等级分类上实现94.79%的准确率,在室内场景智能感知上具有较好的应用价值。

高校教学楼照明节电控制系统的研发

针对高校教学楼严重电能浪费现象,研发了一种性价比优的照明节电控制系统。其中,教室照明节电控制部分利用入口安装的激光传感器检测进出房间的人数,并配合光敏电阻检测房间的光线强度,采取分区控制方式,实现教室智能控制节电目的。而楼道走廊照明节电控制部分则通过光敏电阻检测相应区域的光照强度和热释电传感器来检测是否有人经过,LED照明灯自动开启并延时一定时间后自动关闭方式,节能效果良好。

家用视频监控门禁系统自动采集存储设计与实现

利用红外热释电传感器及BISS0001专用信号处理芯片设计出较理想的自动控制系统,用于控制CCD进行视频采集,实现了对人体目标进行监控、视频采集和存储。设计过程中,通过调整电路封锁控制时间Ti和延时控制时间Tx,实现了CCD视频采集器在一次触动过程中进行图像的3次连拍和存储;同时,利用光敏电阻对环境光照度检测来辅助采集系统的补光照明,实现了在低照度条件下,采集系统的LED灯和图像采集同时同步触发,达到了理想效果,其较强的实用性和高的性价比能很好地应用于家庭式或小型企业门禁视频监控管理。

声光阵列协作的运动目标轨迹预推方法

针对感知平台利用GPS导航和PIR阵列进行目标轨迹预推精度低,实用性差的局限性,提出了一种利用声导引技术进行精确定位,4感知平台PIR阵列构成正方形感知模型实现目标运动轨迹测量的方法。在该研究中,单感知平台由8个PIR传感器组成静动系感知阵列,1个扬声器和4个麦克风组成声阵列;通过延时估计算法得到各麦克风相对声信标的距离和方位,将感知平台精确导航到预设点;获取感知模型中32路传感器角度信息进行融合,再结合自身坐标信息及检测目标时间信息通过轨迹预推算法推导出准确的运动轨迹。实验结果表明,该方法有效弥补了仅利用GPS实现单一定位且精度低的不足,同时突破了已往单感知平台进行轨迹预推的方法,具有较大的理论意义与实际应用价值。

人体热释电信息形成原理的研究

为了建立热释电传感器感应机理与人体特性相融合的数学模型,以理解热释电传感器对人体热辐射感应特性与人体特征的关系,本文研究了热释电传感器的工作原理,以及人体在热释电感应区域运动时传感器对移动人体辐射源的感应规律.推导出了人体特征与热释电感应机理之间的映射关系,该映射关系揭示了传感器的感应数据与人体辐射源特征以及传感器特性之间内在的逻辑联系.实验数据证明,人体辐射源温度越高,单位面积辐射能量越大,感应出的电压波幅越大;速度越快,辐射角度变化率越大,电压波幅越小;人体体型越大,辐射面积越大,电压波幅越大.同时这些结论也验证了该数学模型的正确性和有效性.

基于径向基神经网络的目标测向定位算法

针对热释电红外传感器定位系统中解析算法定位误差较大和未充分利用冗余测向信息的问题,提出了1种基于径向基神经网络的目标测向定位方法,介绍了PIR传感器节点的区域分割模型,利用K均值聚类和梯度下降法对神经网络进行训练;通过对不同数量样本的监督学习,比较得出性能较优的神经网络模型,然后通过仿真实验将其与传统的解析算法作对比。实验数据表明,在同等的实验条件下,神经网络模型的定位精度至少提高了18%,在探测区域边界的定位误差远小于解析算法,体现了径向基神经网络较强的非线性映射能力和较高的鲁棒性。

一种动静PIR相结合的目标定位方法

针对目前热释电红外(PIR)传感器在静态人体检测方面的局限性,提出了一种在动态下利用多PIR传感器、动静相结合对人员目标进行检测、测向与定位的方法。研究中,感知节点上的静态PIR传感器对人员目标进行测距,动态PIR传感器以10°/s的速率对监控区域往复式扫描,变被动为"主动"。当人员目标与PIR传感器的探测视线相交时,通过帧差法得到目标的角度值,融合多个传感器的测量值进行交叉定位,实现了在探测区域对整个目标事件过程的有效数据采集。实验证明,本文方法能很好地对不同状态下的人员目标进行检测定位,具有实用价值。