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。

Minimum sensing cell measurement in network domain based on PIR sensor array

To reasearch on the infrared target perception by pyroelectric infrared (PIR) sensor in network domain measurement,a closed sensing network domain composed of eight-PIR-sensor array is proposed for the minimum sensing cell measurement in network domain and to realize the moving target perception and trajectory prediction. Moreover,the feasibility and accuracy of the proposed method are verified through experiments. The experimental results demonstrate that the maximum error between the real trajectory and the predicted trajectory of the minimum sensing cell measurement method is 0.64 m,which can achieve infrared target perception and moving trajectory prediction.

顾及外连通性的PIR传感器网络行为轨迹重构方法

热释电红外(Passive Infrared,PIR)传感器人体行为研究目前主要集中于特征建模与识别,对轨迹重构的研究相对较少且易忽略传感器布设环境的影响,导致重构结果不确定性较大。为提高重构轨迹的完备性,该文将传感器与环境的连通性作为PIR传感器网络轨迹重构中的约束条件,从空间相邻、时间连续、传感器外连通三方面对轨迹重构过程进行优化。以PIR传感器系统模拟场景中对象随机移动为例,对传感器的响应数据进行轨迹重构,得到对象的连续行为轨迹,结果与场景模拟轨迹基本一致,验证了该文方法的有效性。

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。

SVM算法在PIR专用处理器中的实现

随着人们对安全意识的不断提高,红外产品作为人体运动检测技术已经广泛应用于安防领域。本文根据PIR传感器采集到的信号,建立一个数据库模型,根据采集到的数据,对其使用卡尔曼滤波进行预处理,对预处理之后的数据采用两种不同的算法进行数据有效性的判别,实验结果表明,采用SVM+FFT算法可以使模型的达到97%的准确率。在确立数据处理算法之后,根据以上算法流程,使用硬件描述语言设计,形成一个可以实时检测的IP核,设计该IP核的接口设计、时序设计、功能设计等,该IP核可以作为一个独立外设连接至MCU,形成一个PIR专用处理器,最终可以实时检测15m远的距离。

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PIR的办公建筑室内人员定位及动作识别模型

准确识别人行为,是办公场景智能化的基础。本研究通过收集场景内的被动红外(PIR)传感器阵列信号,分析人员在不同位置、不同动作强度组合下的数据特征。首先,基于多种机器学习算法建立人员位置和动作同时识别的模型,相较于KNN、RF、SVM、MLP单一模型,Stacking融合模型性能更优、稳定性更好。然后,分析了面向连续数据流时,多时间步长Stacking模型组合表现更优;注重整体指标时,建议选用短时间步长组合模型;注重识别精度时,建议使用长时间步长组合模型。模型识别准确率达0.99,人员位置识别准确率为0.87,人员动作强度识别准确率为0.89。最后,讨论了区域划分和仪器布置对模型的影响。采用大尺度划分方式,人员位置识别准确率提高;小尺度划分方式下,人员定位更精确。可以通过调整PIR传感器的空间布置,减少传感器台数至8台。

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.

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。

基于被动红外传感器的室内人行为机器学习模型

室内人行为的准确识别,包括人员位置和活动类型的判定,是智能家居领域中各类电器设备实现多场景控制模式的重要输入参数。采用被动红外(PIR)传感器阵列监测人行为,分析人员不同位置及不同强度动作的数据特征。基于机器学习算法建立室内人员位置及动作识别模型,并对比不同累加时长和机器学习算法的模型预测准确度。最终以PIR传感器当前1 min的计数累加值(分钟计数值)及其前30 min计数累加值作为模型输入,选取随机森林算法构建了位置及动作识别模型。该模型在训练数据集十折交叉验证下准确率为99.9%,对新测试数据集的预测准确率为88.3%,能够识别实际人员的活动位置和动作强弱,具有一定的有效性和通用性。

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。

一种小型动/静态双坐标感知系统结构设计

针对提高被动式热释电红外(PIR)传感器的探测距离和范围,提出动/静态双坐标感知系统理论,根据动/静态双坐标感知系统对动态目标实现一定距离内和全范围探测的要求,光学基准传递的要求,提出了小型动/静态双坐标感知系统的结构设计方案。该系统配用红外透镜作为其光学装置,在匀速转台的带动下,实现360°全范围探测红外信号,解决了PIR传感器探测距离和探测视场的矛盾,拓宽了PIR传感器的使用领域。经过实验验证,该系统结构设计合理。

基于WSN的家居安防系统中防入侵探测节点的设计

针对家居安防智能化的需要,将无线传感器网络的用于家居安防,设计了一种探测非法入侵的无线传感器网络节点;该节点以超低功耗的nRF9E5无线单片机为核心,通过热释电红外传感器对非法入侵进行探测;探测节点可将热释电红外传感器探测到的入侵信息通过无线方式传送至家庭网关,在发出声光报警之同时,还可通过系统将入侵信息传送给用户;测试结果表明,该设计方案成本低,性能可靠,实现了对8m范围内非法入侵者的探测。

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。

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.

便携式人流量监测系统设计

设计了一种以STC12C5A60S2单片机为控制核心的便携式人流量监测系统.系统由主机与辅机两部分构成,二者通过433M无线模块进行通信.主机中由热释电红外传感器完成人体检测,超声波传感器完成人员并行判定,单片机在进出状态判断的基础上控制OLED实时显示人流量数据,辅机具备火灾检测及用电器控制功能.系统采用锂电池供电便于携带和安装,通过模式设置可以实现不同的功能.

简单实用的有线报警系统

以热释电红外元件作为传感器组成的电子防盗系统,正在得到越来越广泛的应用。电子防盗报警系统对国家、集体和个人财产安全所起的作用正在日益得到人们的重视。下面介绍一种简单实用的有线电子报警系统。

热释红外无线报警器

以热释电红外元件作为传感器组成的电子防盗系统,正在得到越来越广泛的应用。电子防盗报警系统对国家、集体和个人财产安全所起的作用正在日益得到人们的重视。