基于CNN-LSTM神经网络的热释电红外传感器人员识别

徐晓冰; 焦宇浩; 李奇越; 吴刚; 左涛涛

doi:10.13873/J.1000-9787(2023)01-0087-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于CNN-LSTM神经网络的热释电红外传感器人员识别

设计与制造 | 更新时间：2025-09-11

- 基于CNN-LSTM神经网络的热释电红外传感器人员识别
- 暂无标题
- 传感器与微系统 2023年第1期页码：87-90+97
- 作者机构：
  
  合肥工业大学电气与自动化工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(51877060)
- DOI：10.13873/J.1000-9787(2023)01-0087-04
  中图分类号： TP183;TP212
- 纸质出版：2023
- 稿件说明：
移动端阅览
徐晓冰, 焦宇浩, 李奇越, 等. 基于CNN-LSTM神经网络的热释电红外传感器人员识别[J]. 传感器与微系统, 2023,(1):87-90+97.
徐晓冰, 焦宇浩, 李奇越, 等. 基于CNN-LSTM神经网络的热释电红外传感器人员识别[J]. 传感器与微系统, 2023,(1):87-90+97. DOI： 10.13873/J.1000-9787(2023)01-0087-04.

DOI：

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。

Abstract

关键词

Keywords

references

基于深度学习的3D时空特征融合步态识别[J]. 赵黎明;张荣;张超越.传感器与微系统,2021(02)

基于融合模型的人体行为识别方法[J]. 陈馨瑶;张天荣;朱雪芬;莫路锋.传感器与微系统,2021(01)

基于双通道词向量的ACRNN文本分类[J]. 邢鑫;孙国梓.计算机应用研究,2021(04)

人体热释电信息形成原理的研究[J]. 熊迹;严俊伟;陈军桥.电子学报,2018(09)

利用热释电红外传感器探测人体运动特征[J]. 程卫东;董永贵.仪器仪表学报,2008(05)

Hybrid Multi-Modal Deep Learning using Collaborative Concat Layer in Health Bigdata[J]. Kim Joo Chang;Chung Kyungyong.IEEE ACCESS,2020

Movement Direction and Distance Classification Using a Single PIR Sensor[J]. Gami Hirenkumar.IEEE Sensors Letters,2018

Fusion of Different Height Pyroelectric Infrared Sensors for Person Identification[J]. Ji Xiong;Fangmin Li;Jian Liu.IEEE Sensors Journal,2016

Tracking Motion Direction and Distance With Pyroelectric IR Sensors[J]. Zappi, P.;Farella, E.;Benini, L..IEEE sensors journal,2010

浏览量

674

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于智能AI的传感器应用

一种新型注意力机制的双人交互行为识别方法

面向校园场景视频监控的人体行为识别方法

基于深度学习的散斑图应变场测量

基于双通道图卷积网络的人体行为识别方法