-
题名基于低分辨率红外阵列传感器的人体识别算法
被引量：4
- 1
-
-
作者
耿建平
黄文广
-
机构
桂林电子科技大学电子工程与自动化学院
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2022年第7期925-930,共6页
-
文摘
在人体检测方面,低分辨率阵列传感器的使用越来越广泛。现有自适应背景估计和帧间方差法的共同缺点是无法在含高频率红外信号的外部环境干扰下对人体进行准确识别。帧间方差法通过采用每帧之间的方差差值与阈值对比来实现人体检测,无法区分外部环境的高频率温度干扰。自适应背景估计通过人体测量温度和背景温度的差值与阈值对比来实现人体检测,外部热源会提高背景温度,减小与人体温度的差值,并且无法区分外部环境的高频率温度干扰,无法对人体进行准确识别。针对此缺点,通过卡尔曼滤波算法消除了信号中包含的白噪声干扰。通过EMD算法进行分解的过程,实现了对IMF分量进行分析处理,解决了外部热源红外信号、人体红外信号、高频率红外信号无法区分的难题。通过小波变换和重组算法,简化了部分IMF分量需要重复使用EMD算法分解,对红外信号进行区分。实验结果表明,所提出的算法不仅提高了在含高频率红外信号外部环境干扰下人体正确识别的准确度,也提高了其他外部环境情况下人体正确识别的准确度,在含高频率红外信号外部环境干扰下识别准确率可达到98.85%,在无高频率红外信号外部环境干扰下准确率可达到99.65%,在无外部环境干扰下准确率可达到99.95%。
-
关键词
数据处理
低分辨率阵列传感器
EMD算法分解
卡尔曼滤波
小波变换和重组
阈值
-
Keywords
data processing
low-resolution array sensor
EMD algorithm decomposition
Kalman filter
wavelet transform and recombination
threshold
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TH89
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于低分辨率红外阵列传感器的人体身份和动作识别
被引量：7
- 2
-
-
作者
王召军
许志猛
-
机构
福州大学物理与信息工程学院
-
出处
《电气技术》
2019年第11期6-10,26,共6页
-
基金
国家自然科学基金资助项目（61401100）
福建省自然科学基金资助项目（2018J01805）
福州大学人才基金（GXRC-18083)
-
文摘
本文针对人体身份及动作识别的问题,提出一种基于低分辨率红外阵列传感器并使用卷积神经网络进行分类识别的方法,这种方法可以识别出人的身份和跌倒、坐下以及行走动作。本文使用的卷积神经网络是基于VGGNet搭建的,由输入层、5层卷积层、3层池化层、1层全连接层和输出层构成,自动提取红外热图像中的信息特征,对身份及动作进行分类,在良好的隐私保护下避免了繁琐的人工提取特征。经过实验测试,卷积神经网络算法识别动作平均准确率为93.3%,其中行走识别准确率达到100%,坐下识别准确率为90%,跌倒识别准确率为90%,身份识别准确率为96.7%。
-
关键词
低分辨率红外阵列传感器
卷积神经网络
动作识别
身份识别
-
Keywords
low resolution infrared array sensor
convolutional neural network
motion recognition
identification
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
