题名 基于毫米波雷达点云数据的室内人员信息检测
1
作者
赵亮 李论
机构
大连理工大学控制科学与工程学院
出处
《大连理工大学学报》
CAS
CSCD
北大核心
2024年第4期418-425,共8页
基金
国家自然科学基金资助项目(52178066)。
文摘
在使用毫米波雷达进行室内人员信息检测时,其信号处理阶段采用的静态杂波滤除算法有效地滤除了检测区域中包括墙壁、地面、桌椅等在内的静止目标,实现了对运动人员的检测,但同时会导致静止人员被漏检.为此提出按照径向速度把点云数据划分为动态数据和静态数据,先剔除动态数据,然后累积剩余的静态数据.在达到指定的累积帧数时,进行密度聚类,以簇的数量作为人员的数量,簇的中心坐标作为人员的位置.通过实验,验证了所提出方法的有效性,在室内办公场景下,人员数量统计平均绝对误差为0.81,人员位置估计均方根误差为0.1 m.
关键词
人员 数量统计室内人员信息检测 毫米波雷达 密度聚类
Keywords
occupants counting indoor occupancy information detection millimeter wave radar density clustering
分类号
TN953
[电子电信—信号与信息处理]
题名 面向室内环境控制的人员信息检测系统的设计与实现
被引量：4
2
作者
张文利 郭向 杨堃 王佳琪 朱清宇
机构
北京工业大学信息学部 中建科技集团有限公司
出处
《北京工业大学学报》
CAS
CSCD
北大核心
2020年第5期456-465,共10页
基金
“十三五”国家重点研发计划资助项目(2016YFC0700306-06)。
文摘
为了自动获取室内环境中人员信息(数量、性别、体表温度信息),实现对室内环境设备进行有效调节及控制,提升室内人员的舒适度,提出一套基于红外热图像及可见光图像融合的面向室内环境控制的人员信息检测系统.系统通过同步采集室内场景中的可见光图像及红外热图像,并利用相机的视场角进行图像配准.针对传统基于面部的人员检测方法易受到侧脸、背身等头部多姿态的影响,而导致检测精度下降的问题,采用基于更快速区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)的头部检测算法在可见光图像中精准检测人员的头部位置,并进行人数统计;依据头部区域采用基于深度学习的性别检测算法,判断人员性别;将可见光图像中捕获的人员头部区域映射在红外热图像对应位置,利用红外热图像的温度标尺以及颜色映射关系,自动计算得到室内人员的体表温度,提高系统的独立性和可操作性.实验结果表明,本系统可以自动准确地检测实际场景中的室内人员,并获取人员个数、性别以及体表温度,实现对上述信息的有效统计和可视化显示,为控制室内环境提供良好的技术基础和数据支撑.
关键词
人员信息检测 红外热图像 图像融合 深度学习 更快速区域卷积神经网络(Faster R-CNN) 室内环境
Keywords
personnel information detection infrared thermal image image fusion deep learning Faster R-CNN indoor environment
分类号
TP391
[自动化与计算机技术—计算机应用技术]
