基于無線熱釋電紅外傳感器人體目標識別的研究.pdf

1、人體目標識別技術(shù)是當前研究的熱點，目前一些汽車生產(chǎn)商、大學研究機構(gòu)都相繼開始了人體檢測識別技術(shù)的研究，并取得了一定的成就。目前常用的人體識別方法有基于運動特性的方法、基于形狀信息的方法、基于行人模型的方法等。傳統(tǒng)的方法基本上都是基于圖像的，往往設備昂貴，計算復雜度高，而熱釋電紅外傳感器探測人體發(fā)出的紅外輻射，在有效范圍內(nèi)可實現(xiàn)運動人體檢測。因其具有低成本，低功耗和高靈敏度等特點，在人體檢測識別方面其具有巨大的優(yōu)勢。但是采用熱釋電傳感器來

2、進行人體檢測也有其缺陷，會產(chǎn)生大量的冗余和許多錯誤的數(shù)據(jù)，這就要求我們設計出優(yōu)化的算法來處理這些原始數(shù)據(jù)。
　　 本文提出來一種針對熱釋電傳感器的人體檢測和識別的特征提取和數(shù)據(jù)融合的方法，在保證較高的識別率的前提下，比較好的解決了熱釋電傳感器產(chǎn)生的數(shù)據(jù)量大，錯誤率高的缺陷。論文主要工作包括建立了經(jīng)過菲涅爾透鏡調(diào)制的基于熱釋電無線紅外傳感器的目標模型，對目標模型信號的預處理，目標信號的特征提取，分類器的設計，實驗結(jié)果的分析。

3、>　　 本文一開始簡要描述了人體目標識別的研究背景和研究現(xiàn)狀，簡單敘述了人體目標識別的傳統(tǒng)方法。接著，建立了人體目標穿過經(jīng)過菲涅爾透鏡陣列調(diào)制過的熱釋電紅外傳感器陣列的目標模型，并利用短時傅里葉變換(STFT)對仿真信號模型進行了預處理。然后，研究了基于非負矩陣分解(NMF)算法和奇異值分解(SVD)的信號特征提取，并利用稀疏約束條件下的NMF算法，進一步降低了特征信號的復雜度。之后，研究了BP神經(jīng)網(wǎng)絡的結(jié)構(gòu)，學習方法，標準的BP算法