- 无标题文档
查看论文信息

中文题名:

 基于热释电红外传感器的人体识别技术研究    

姓名:

 姜娜    

学号:

 1049721203098    

保密级别:

 公开    

论文语种:

 chi    

学科代码:

 0810    

学科名称:

 信息与通信工程    

学生类型:

 硕士    

学位:

 工学硕士    

学校:

 武汉理工大学    

院系:

 信息工程学院    

专业:

 信息与通信工程    

研究方向:

 模式识别、信号处理    

第一导师姓名:

 李方敏    

第一导师院系:

 武汉理工大学    

第二导师姓名:

 刘新华    

完成日期:

 2014-10-17    

答辩日期:

 2014-12-18    

中文关键词:

 热释电红外传感器 ; 特征提取 ; 支持向量机 ; D-S证据理论    

中文摘要:

运动人体检测、识别和跟踪技术是人体运动分析的重要内容,在灾害救助、军事侦察等方面有着非常重要的实用价值。热释电红外传感器具有被动式接收、隐蔽性好、功率小、灵敏度高和受环境光线干扰小等优点,近年来逐渐被广泛应用于报警、自动控制、遥测、安防等领域。本课题的研究目标是,对基于热释电的目标识别技术做出一定的分析和研究,为一些精度要求不高的场合,提供了一种可靠的,低成本的识别方案。

利用热释电红外传感器,将人体红外辐射信号转换为电信号,分别进行了特征提取和数据融合,构建了以捕获的人体红外信号为特征,基于支持向量机和多传感器数据融合的目标识别方案。以单人体目标识别为研究基础,对多目标人体目标识别进行了研究探索,并依托实验平台进行了运动人体识别实验。本文重点开展了如下几个方面的工作:

(1)对热释电红外传感器的国内外发展现状进行了阐述,介绍了目标识别的基本现状,以及目前热释电传感器在模式识别领域中的相关研究。重点对基于热释电红外传感器的人体识别方面进行研究。

(2)构建了运动人体的特征向量。通过热释电红外传感器,将运动人体的红外信号转换为电信号,利用多种算法对其进行时域和频域分析,从而提取基本的时频域特征。结合提取的效果,对提取后的信号进行进一步的数据降维,从而获取最终的特征向量。

(3)利用数据分类和数据融合得出目标识别率。数据分类方面,采用支持向量机(SVM)工具包对本文特征向量进行数据分类,从而得到初步识别效果。数据融合方面,本文采用决策层融合,基于D-S证据理论,对多传感器数据进行融合。实验表明,本文方法的识别效果较好。

(4)设计了单人体识别实验,重点分析了传感器的安置高度以及行走路径与传感器节点的距离,对运动人体识别率的影响,实验得出通过融合不同高度的传感器单元的分类特性,有效的降低了现有PIR传感器对远距离目标的误报率。

(5)设计了多目标人体识别实验。以数学建模的方式,构建实验模型,并搭建实验平台。在数据处理方面,针对模型特征,设计了数据开关,能够有效的对多传感器数据进行融合。实验结果表明热释电可以用于对多目标进行识别,为某些场合提供了一种低成本的识别方案。

参考文献:

[1]Zappi, P.; Farella, E.;Benini, L. Tracking motion direction and distance with pyroelectric IR sensors[C]. Sensors Journal,2010:1486-1494.

[2]林森, 苑玮琦. 基于 Demons 算法的变形掌纹归一化方法研究[J]. 仪器仪表学报, 2012, 33(1): 62-68.

[3]Zhang D, Kanhangad V, Luo N, et al. Robust palmprint verification using 2D and 3D features[J]. Pattern Recognition, 2010, 43(1): 358-368.

[4]Choras R S. Hybrid Iris and Retina recognition for biometrics[C].Image and Signal Processing (CISP), 2010 3rd International Congress on. IEEE, 2010, 5: 2422-2426.

[5]夏海元.视频故障检测系统的设计与实现[J].计算机应用,2013,33(S1): 277-279.

[6]Zappi, P.; Farella, E.;Benini, L. Tracking motion direction and distance with pyroelectric IR sensors[C]. Sensors Journal,2010:1486-1494

[7]冯莉. 基于热释电红外信息的人体动作识别研究[D].2012.

[8]王林泓, 龚卫国, 刘晓营等. 基于小波熵的低误报率人体热释电红外信号识别[J]. 仪器仪表学报, 2009, 30(12):2485-2489.

[9]王磊, 姬红兵, 史亚. 基于模糊函数特征优化的雷达辐射源个体识别[J]. 红外与毫米波学报, 2011, 30(1):74-79.

[10]王磊, 姬红兵, 史亚. 基于模糊函数代表性切片的运动雷达辐射源识别[J]. 系统工程与电子技术, 2010, 32(8):1630-1634.

[11]马爽, 王莹桂, 柳征等. 基于序列比对的多功能雷达搜索规律识别方法[J]. 电子学报, 2012, 40(7):1434-1439.

[12]刘海军, 樊昀, 李悦等. 多功能雷达建模中的雷达字提取技术研究[J]. 国防科技大学学报, 2010,32 (2):91-96.

[13]王希勤, 刘婧瑶, 孟华东. 一种基于时频原子特征的雷达辐射源信号识别方法[J]. 红外与毫米波学报, 2011,30 (6):566-570.

[14]Muhammad, Owais, Mehmood, et al. Multi-camera based Human Tracking with Non-Overlapping Fields of View[C]. The Fifth International Conference on Image and Graphics, 2009:313-318.

[15]Meng L, Wei D. Development of a Novel Portable Robotic Human Face Recognition System[C].IEEE Conference on Intelligent Computation Technology and Automation, 2010 , 2010:94 - 97.

[16]Huang Y, Xu D, Cham T. Face and Human Gait Recognition Using Image-to-Class Distance[J]. Circuits and Systems for Video Technology, IEEE Transactions on, 2010, 20(3):431 - 438.

[17]Tran K N, Kakadiaris I A, Shah S K. Part-based motion descriptor image for human action recognition.[J]. Pattern Recognition, 2012, (7):2562-2572.

[18]Liu L, Shao L, Rockett P. Human action recognition based on boosted feature selection and naive Bayes nearest-neighbor classification[J]. Signal Processing, 2013, (6):1521-1530.

[19]Cao F, Liu B, Park D S. Image classification based on effective extreme learning machine[J]. Neurocomputing, 2013:90–97.

[20]Anagnostopoulos G C. SVM-based target recognition from synthetic aperture radar images using target region outline descriptors[J]. Nonlinear Analysis: Theory, Methods & Applications, 2009, 71:e2934–e2939.

[21]Martorella M, Giusti E, Capria A, et al. Automatic Target Recognition by Means of Polarimetric ISAR Images and Neural Networks[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(11):3786 - 3794.

[22]WANG H, KAWAHARA T. Effective Prediction of Errors by Non-native Speakers Using Decision Tree for Speech Recognition-Based CALL System[J]. IEICE Transactions on Information and Systems, 2009, (12):2462-2468.

[23]TeCho J, Nattee C, Theeramunkong T. Boosting-based ensemble learning with penalty profiles for automatic Thai unknown word recognition[J]. Computers & Mathematics with Applications, 2012, (6):1117-1134.

[24]Pellegrini T, Lamel L. Automatic Word Decompounding for ASR in a Morphologically Rich Language: Application to Amharic[J]. IEEE Transactions on Audio, Speech, and Language Processing, 2009, 17(5):863 - 873.

[25]Lee H, Chang S, Yook D, et al. A voice trigger system using keyword and speaker recognition for mobile devices[J]. IEEE Transactions on Consumer Electronics, 2009, 55(4):2377 - 2384.

[26]朱坚民, 张雷, 翟东婷等. 基于声音多特征贝叶斯网络融合的话者识别研究[J]. 仪器仪表学报, 2013, 34(9):2058-2067.

[27]吴瑕, 周焰, 崔建等. 导弹防御系统中红外光电识别技术分析[J]. 红外与激光工程, 2009, 38(5): 759-766.

[28]陈刚, 陈小梅, 李婷等. 基于小波分解的光谱特征提取算法研究[J]. 光谱学与光谱分析, 2010, 30(11):3027-3030.

[29]陈宇, 苗华, 郎琪等. 梅林变换在光电混合目标探测技术中的应用[J]. 中国激光, 2009, 36(2):421-425.

[30]Qingquan S, Fei H, Hao Q. Context awareness emergence for distributed binary pyroelectric sensors[C]. IEEE Conference on Multisensor Fusion and Integration for Intelligent Systems, 2010:162 - 167.

[31]Qi Hao, Fei Hu, Yang Xiao. Multiple human tracking and identification with wireless distributed pyroelectric sensor systems [J]. IEEE Systems Journal, 2009, 3(4): 428-439.

[32]Qi Hao, Fei Hu, Jiang Lu. Distributed multiple human tracking with wireless binary pyroelectric infrared (PIR) sensor networks [C]. Proceedings of IEEE Sensors,2010: 946-950.

[33]Jiang Lu, Jiaqi Gong, Qi Hao, et al. Space encoding based compressive multiple human tracking with distributed binary pyroelectric infrared sensor networks [C]. Proceedings of IEEE Conference on MFI,2012: 180-185.

[34]Zhou Xin,Hao Qi, Fei Hu. 1-bit walker recognition with distributed binary pyroelectric[C]. IEEE Conference on Multisensor Fusion and Integration for Intelligent Systems,2010:168-173.

[35]程卫东,董永贵.利用热释电红外传感器探测人体运动特征,仪器仪表学报,2008,29(5):1021-1023.

[36]王林泓, 龚卫国, 贺莉芳, 等. 热释电红外信号人体运动特征识别[J]. 光电子. 激光, 2009, 21(3): 440-443.

[37]曹雷, 陈洪斌, 邱琪, 等. 基于红外光谱的空间点目标红外特征提取方法研究[J]. 四川大学学报, 2014,1:1119-125.

[38]万柏坤, 冯莉, 明东, 等. 基于热释电红外信息的人体运动特征提取与识别[J]. 纳米技术与精密工程, 2012,3:249-256.

[39]周超, 高诚辉. 基于离散傅里叶变换的分形粗糙表面轮廓合成与研究[J]. 机械工程学报, 2011, 47(17):99-103.

[40]李欣, 王科俊, 贲晛烨. 基于MW(2D)~2 PCA的单训练样本人脸识别[J]. 模式识别与人工智能 ISTIC EI PKU, 2010, 23(1):77-83.

[41]Non-member D Z, Member S M, Member K H. Robust intelligent PCA-based face recognition framework using GNP-fuzzy data mining[J]. IEEJ Transactions on Electrical and Electronic Engineering, 2013, 8(3):253–262.

[42]Hossain E, Chetty G. Multimodal Face-Gait Fusion for Biometric Person Authentication[C]. IFIP 9th International Conference on Embedded and Ubiquitous Computing (EUC),2011:332 - 337.

[43]陈利虎. 基于空时频分析的多分量跳频信号DOA估计[J]. 系统工程与电子技术, 2011, 33(12):2587-2592.

[44]向玲, 唐贵基, 胡爱军. 旋转机械非平稳振动信号的时频分析比较[J]. 振动与冲击, 2010, 29(2):42-45.

[45]张波, 李健君. 基于Hankel矩阵与奇异值分解(SVD)的滤波方法以及在飞机颤振试验数据预处理中的应用[J]. 振动与冲击, 2009, 28(2):162-166.

[46]杨淑平. 人脸特征提取与识别算法研究[D]. 中南大学, 2013.

[47]王林泓. 热释电红外信号特征分析及人体识别方法研究[D]. 重庆大学, 2010.

[48]梁亮, 杨敏华, 李英芳. 基于ICA与SVM算法的高光谱遥感影像分类[J]. 光谱学与光谱分析, 2010, 30(10):2724-2728.

[49]姜万录, 吴胜强. 基于SVM和证据理论的多数据融合故障诊断方法[J]. 仪器仪表学报, 2010, 31(8):1738-1743.

[50]de Morsier F, Tuia D, Borgeaud M, et al. Semi-Supervised Novelty Detection Using SVM Entire Solution Path[J]. Geoscience and Remote Sensing, IEEE Transactions on, 2013, (4):1939-1950.

[51]刘付显, 邢清华. 基于D-S融合证据的决策新方法[J]. 系统工程理论与实践, 2009,29 (7):125-131.

[52]毕凯, 王晓丹, 邢雅琼. 基于 D-S 证据理论的模糊聚类集成[J].系统工程与电子技术, 2014, (7):1446-1452.

[53]司马莉萍, 舒乃秋, 李自品等. 基于SVM和D-S证据理论的电力变压器内部故障部位识别[J]. 电力自动化设备, 2012,32 (11):72-76.

[54]李方敏,姜娜,熊迹,张景源. 融合热释电红外传感器与视频监控器的多目标跟踪算法[J]. 电子学报, 42(4): 672-678.

中图分类号:

 TP212.9    

馆藏号:

 TP212.9/3098/2014    

备注:

 403-西院分馆博硕论文库;203-余家头分馆博硕论文库    

无标题文档

   建议浏览器: 谷歌 火狐 360请用极速模式,双核浏览器请用极速模式