基于特征子模式典型相关分析的热释电红外信号识别

为使现有热释电红外(PIR)探测器具有识别检测区域内红外辐射源的功能,提出一种基于典型相关分析(CCA)特征融合的人体和非人体PIR信号识别方法.该方法首先提取PIR信号的频谱和小波包熵特征,然后对频谱进行子模式划分,并分别与小波包熵特征进行CCA融合,把融合后的结果作为判别信息,从而实现了特征融合且消除了特征之间的信...     

基于小波熵的低误报率人体热释电红外信号识别

提出一种基于双密度双树复小波变换小波熵特征的热释电红外(PIR)信号人体识别方法.首先对人体和狗的PIR探测器输出信号进行去噪预处理,然后提取信号的双密度双树复小波变换的小波熵作为特征,最后采用最小二乘支持向量机对特征进行分类.实验结果表明:所提取的特征及分类方法对人体与狗的热释电红外信号的识别率可达93.6%.因此该识别方法能大大降低PIR探测器的误报率,并可进一步提升PIR探测器在安防和智能家居系统中应用.     

一种新型PIR人体探测技术研究

为了提高被动式红外(PIR,passive infrared)探测器的工作性能,从改进PIR探测器空间布局和信号处理入手,提出一种基于复合式布局的PIR探测器人体探测的新方法.采用双PIR探测器复合式布局,通过GA算法得到其最优布局.当人体在探测区域内运动时,两探测器同时多角度检测人体移动情况.验证实验结果表明,提出的新检测方法能使设计的PIR探测器有效且可靠地检测和识别人体的移动情况.该检测方法适用于基于PIR传感的人体移动的智能检测和识别系统.