基于CNN-LSTM神经网络的热释电红外传感器人员识别

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。