基于CNN-LSTM神经网络的热释电红外传感器人员识别

作     者：徐晓冰 焦宇浩 李奇越 吴刚 左涛涛 XU Xiaobing;JIAO Yuhao;LI Qiyue;WU Gang;ZUO Taotao

作者机构：合肥工业大学电气与自动化工程学院安徽合肥230009 

基　　金：国家自然科学基金资助项目(51877060) 

出 版 物：《传感器与微系统》 (Transducer and Microsystem Technologies)

年 卷 期：2023年第42卷第1期

页      码：87-90,97页

摘      要：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。

主 题 词：热释电红外传感器 模式识别 深度学习 人员识别 

学科分类：1305[艺术学-设计学类] 13[艺术学] 080202[080202] 081104[081104] 08[工学] 0804[工学-材料学] 0802[工学-机械学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.13873/J.1000-9787(2023)01-0087-04

馆 藏 号：203116153...