检索结果-内蒙古大学图书馆

作者：闫嘉明南京理工大学

学位级别：博士

非接触式生命体征探测雷达通过提取人体目标的生命体征信号以准确识别人体目标的位置、生理状态等参数。相比传统的非接触式视频、音频传感器,非接触式生命体征探测雷达因具有环境适应性好、穿透性强、无隐私问题等优势而成为现代雷达... 详细信息

非接触式生命体征探测雷达通过提取人体目标的生命体征信号以准确识别人体目标的位置、生理状态等参数。相比传统的非接触式视频、音频传感器,非接触式生命体征探测雷达因具有环境适应性好、穿透性强、无隐私问题等优势而成为现代雷达领域与生物医学传感领域的交叉研究热点。研究非接触式生命体征探测雷达对于居家健康监护及反恐救援等应用具有重要现实意义。然而,基于非接触式生命体征探测雷达的人体目标识别领域仍存在许多可改进的问题,如穿墙多人体目标检测、人体目标二维(2-D)成像、人体目标间身份辨识等。本文围绕上述热点问题展开基于非接触式生命体征探测雷达的人体目标识别理论及技术的研究。本文主要研究工作及创新点包括:(1)针对穿墙雷达多目标生命体征探测中存在的相互干扰、信号混叠等问题,本文对穿墙多目标生命体征分离技术进行研究,并提出一种基于变分模态分解(VMD)的穿墙多目标时变生命体征分离算法。本算法充分考虑墙后人体目标的位置及呼吸状况,通过对回波信号进行模态分解与时频分析,不仅可对墙后多目标进行准确定位,并且可对同距离门内多目标的时变呼吸信号进行有效分离。实验结果表明,对比传统生命体征检测算法,本算法可在穿墙的情况下有效分离出三个人体目标的生命体征信号,表现出在处理穿墙多目标时变生命体征信号的混叠问题时的良好性能和适用性。(2)针对移动雷达平台下的人体目标识别问题,本文对SAR成像中的人体目标识别技术进行研究,并提出一种基于移动双模式雷达的人体目标识别算法。通过使用无人机载双模式调频连续波(FMCW)雷达,本算法在FMCW模式获取全场景SAR成像的基础上,使用单频CW模式对移动场景中存在的呼吸信号进行时频分析,以此识别场景中人体目标的2-D定位。实验结果表明,对照传统SAR成像结果,本算法不仅可对大范围场景进行拼接SAR成像,同时也可实现单个人体目标的2-D成像及其呼吸信号的有效检测。(3)针对双模式雷达人体目标识别算法中存在的检测复杂度高、多目标识别困难的问题,本文接着提出一种基于移动单模式雷达的人体目标自动识别算法。本算法使用单模式FMCW雷达,简化了硬件和信号处理的步骤,并创新性的通过对人体目标呼吸循环的提取与分析,达到对人体目标进行自动识别的目的。实验结果表明,对照基于移动双模式雷达的人体目标识别算法,本算法不仅可在FMCW SAR成像中实现多个人体目标的检测、方位向二目标中的人体目标识别以及复杂室外场景中的人体目标识别,并且可获取其完整的呼吸波形。显示应用于城市救援中的巨大潜力。(4)针对人体目标间的身份辨识问题,本文对不同人体目标的呼吸特征进行研究,并提出一种基于呼吸特征的人体目标间身份辨识算法。通过充分考虑人体目标间呼吸信号存在的差异,本算法通过获取训练集中多目标的持续呼吸信号,并从呼吸的病理特征中提取16种有效呼吸特征,最后建立训练模型进行人体目标间的身份辨识。实验结果表明,本算法在有监督学习的情况下,可仅通过呼吸信号的提取与分析,对多个人体目标的身份信息进行辨识,高达93.3%的准确率进一步说明本算法的稳定性与有效性。

关键词：非接触式生命体征探测雷达雷达信号处理生命体征分离移动雷达平台人体目标识别人体目标间身份辨识

来源：评论

学校读者我要写书评

暂无评论

基于双谱特征的超宽带雷达人体目标识别

引用

电讯技术 2015年第9期55卷 953-958页

作者：蒋留兵吉雅雯杨涛车俐桂林电子科技大学信息与通信学院广西桂林541004 桂林电子科技大学广西无线宽带通信与信号处理重点实验室广西桂林541004

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数... 详细信息

为了在人体微多普勒特征不明显条件下识别静态人体目标及人体姿态,提出了一种结合双谱对角线起伏特性与目标强散射点分布特征进行人体目标识别的方法。首先,通过分析静态人体目标双谱,提取双谱对角线起伏特性作为分类特征,降低了双谱数据的维数,减少了双谱特征冗余。然后,结合目标强散射点分布特征从不同角度描述目标,并构造用于目标识别的特征向量。最后,用支持向量机实现目标识别。仿真和实测结果均表明,双谱对角线起伏特性与目标强散射点分布特征融合的方法可以有效识别出静态人体目标并且实现人体姿态识别。

关键词：超宽带雷达人体目标识别双谱起伏特性支持向量机

来源：评论

学校读者我要写书评

暂无评论

基于多特征降维和迁移学习的红外人体目标识别方法

引用

计算机应用 2019年第12期39卷 3490-3495页

作者：王鑫张鑫宁晨河海大学计算机与信息学院南京211100 南京师范大学物理科学与技术学院南京210000

针对红外成像条件下人体目标受干扰严重时目标的识别准确性和鲁棒性较差的问题,提出了一种基于多特征降维和迁移学习的红外人体目标识别方法。首先,针对传统的红外人体目标特征提取方法提取某单一特征时存在信息涵盖不全面的问题,提取... 详细信息

针对红外成像条件下人体目标受干扰严重时目标的识别准确性和鲁棒性较差的问题,提出了一种基于多特征降维和迁移学习的红外人体目标识别方法。首先,针对传统的红外人体目标特征提取方法提取某单一特征时存在信息涵盖不全面的问题,提取目标不同种类的异构特征,从而充分挖掘出红外人体目标的特点。其次,为了向后续识别分析提供有效且紧凑的特征描述,采用主成分分析方法对融合后的异构特征进行降维。最后,针对带标签的红外人体目标样本数据匮乏、训练样本和测试样本之间的分布及语义偏差导致的泛化性能差等问题,提出了一种有效的基于迁移学习的红外人体目标分类器,可较大程度地提高泛化性能和目标识别准确度。实验结果表明,所提的方法在红外人体目标数据集上的识别准确率达到了94%以上,与使用方向梯度直方图(HOG)特征、亮度自相似(ISS)特征等单一特征进行特征表示的方法以及使用传统的非迁移分类器如支持向量机(SVM)、K-近邻算法(KNN)等进行学习的方法相比均有所提升,且更加稳定,可以在实际的复杂红外场景中提升人体目标识别的性能。

关键词：红外人体目标识别多特征降维迁移学习

来源：评论

学校读者我要写书评

暂无评论

火灾浓雾中的人体目标识别探测

引用

消防科学与技术 2016年第8期35卷 1110-1112页

作者：曲明伟锦州市消防支队辽宁锦州121001

对火灾浓雾现场的采集图像数据进行加权计算,提高采集图像的数据灰度值和人体特征识别系统的检测速度。采用火灾浓雾运动目标检测背景估计算法,排除易燃物体及其他问题带来的误判影响。将灰度化的现场视频图像进行预处理,优化PCNN设定参... 详细信息

对火灾浓雾现场的采集图像数据进行加权计算,提高采集图像的数据灰度值和人体特征识别系统的检测速度。采用火灾浓雾运动目标检测背景估计算法,排除易燃物体及其他问题带来的误判影响。将灰度化的现场视频图像进行预处理,优化PCNN设定参数,确定系统的迭代次数,计算人体特征识别探测系统的时间。仿真实验表明,改进后人体目标图像识别系统对人体目标识别探测效率高,有效提升了救援速度。

关键词：火灾浓雾人体目标识别火灾探测

来源：评论

学校读者我要写书评

暂无评论

基于热释电无线传感网络的人体目标识别系统

基于热释电无线传感网络的人体目标识别系统

引用

作者：崔燕琴哈尔滨理工大学

学位级别：硕士

目标检测是人体运动识别的一个重要组成部分，其意义主要是识别和跟踪以人为主的运动行为目标。人体运动识别技术是高级人机接口、人体运动分析和智能监控等领域共同涉及的关键性技术。热释电红外传感器可敏锐感知到特定波长的红外辐射... 详细信息

目标检测是人体运动识别的一个重要组成部分，其意义主要是识别和跟踪以人为主的运动行为目标。人体运动识别技术是高级人机接口、人体运动分析和智能监控等领域共同涉及的关键性技术。热释电红外传感器可敏锐感知到特定波长的红外辐射，该物理特性使其适用于人体目标识别领域。本文主要研究如何利用红外传感器设计一种基于无线传感器网络的人体目标识别系统。论文的主要研究内容和方法可以归纳为以下四个方面：首先，介绍热释电红外传感器的结构、原理和特性，以及原有的基于热释电红外传感器的人体目标识别方法，并且提出了新的人体识别方法，将三个热释电红外传感器节点放置在正三角形的三个顶点，根据3个节点的相交感应区域将全部感应区分割为多个子区域，通过采集节点的人体目标的数据信息。其次，介绍Zigbee无线技术，包含技术参数、网络体系以及网络拓扑结构。根据Zigbee无线技术特性，设计监控终端，实现无线网络的传输。再次，重点设计了人体目标识别系统的硬件、软件两大部分。人体目标识别系统的硬件部分至少需要三个传感器节点，每个传感器节点由母板、传感器模块和Zigbee模块共同组成；软件部分设计了协议网关和监控终端，通过其实现对数据传输和监控。最后，通过BP神经网络对经由热释电传感器采集到的人体运动信息进行分析处理，并计算出人体目标识别系统的识别率。

关键词：人体目标识别热释电红外传感器 Zigbee技术 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

基于Zynq的热成像人体目标识别

基于Zynq的热成像人体目标识别

引用

作者：李景阳电子科技大学

学位级别：硕士

近些年基于深度学习的目标检测算法因其强悍的泛化能力和学习能力而被广泛应用在很多行业中，但是目前大多数研究是基于可见光采集的数据集。现实情况下，这种基于可见光的目标识别系统的准确率受到光照强度、空间背景等诸多因素的制约... 详细信息

近些年基于深度学习的目标检测算法因其强悍的泛化能力和学习能力而被广泛应用在很多行业中，但是目前大多数研究是基于可见光采集的数据集。现实情况下，这种基于可见光的目标识别系统的准确率受到光照强度、空间背景等诸多因素的制约。因此利用机器学习技术有效且快速的在光照不佳的条件下识别人体目标仍是一个极具挑战性的课题。　　热成像人体目标识别技术是一种新兴的、利用红外热成像技术识别人体目标的方法。利用红外成像技术可以捕捉到人体释放的特征信息，从而实现对人体目标的非接触式识别。然而，目前大多数热成像系统都是基于PC平台的，这样实现起来显得笨重且不够灵活。　　本文将选择基于热红外图像的人体目标识别方案，重点着眼于受光照影响较小的长波红外图像，能在一定程度上弥补基于可见光目标识别的短板。论文提出了一种基于YOLOv5改进的目标识别算法，该算法更换了Transformer骨干网络，使用 BiFPN 替换了原始的特征融合网络，优化了原始网络红外图像人体目标检测精度低的问题。并且，利用Zynq芯片异构多核的可编程逻辑和并行处理能力设计了神经卷积网络专用的硬件加速器IP，来对改进后的YOLO深度学习模型进行运算加速。该方案可在低功耗和硬件资源受限的硬件平台完成部署，并在多次实验中均获得良好的识别率，证明了方案的有效性和可行性，为后续在嵌入式移动平台实现高性能的红外人体目标识别系统提供了一种新的思路。

关键词：人体目标识别热成像 YOLOv5算法神经卷积网络硬件加速器

来源：评论

学校读者我要写书评

暂无评论

微型无人机红外人体目标识别技术的研究

微型无人机红外人体目标识别技术的研究

引用

作者：刘晓娜沈阳航空航天大学

学位级别：硕士

近年来,随着红外技术的高速发展,红外人体识别技术已经在交通管理、监控以及汽车辅助驾驶等民用领域得到了广泛的应用,同时,也在军事领域得到了越来越多的重视。随着无人机技术的快速发展及应用,将红外人体识别技术运用于高空遥感平台,... 详细信息

近年来,随着红外技术的高速发展,红外人体识别技术已经在交通管理、监控以及汽车辅助驾驶等民用领域得到了广泛的应用,同时,也在军事领域得到了越来越多的重视。随着无人机技术的快速发展及应用,将红外人体识别技术运用于高空遥感平台,逐渐成为研究热点。由于微型无人机是一个高速运动的平台,且距离地面较高,产生的红外图像中人体目标较小,背景复杂且噪声较大。因此,针对航拍红外图像的特点,本文设计了一个红外人体识别系统。其中关键的步骤包括:图像分割、候选目标确定和特征提取。本文所做的主要工作如下: 1.为了提高图像分割的精确性和降低计算量,本文使用双阈值图像分割方法,利用全局阈值和局部阈值对图像中的目标区域进行分割。在算法实现中,使用统计方差方法求全局阈值,对图像进行初始分割;然后使用十字形滑动窗口对待处理图像进行扫描,计算得到局部阈值,并对图像进行精确分割。 2.为了减少特征提取及分类识别时的计算量,本文根据人体基本形状比例特征,利用待选区域的高宽比和垂直边缘对称性特征确定候选目标,有效地排除了部分非人体目标,提高了识别的精确性。 3.根据红外图像中人体的基本特征,选择梯度方向直方图(HOG)特征描述目标区域。针对特征向量维数过大的问题,本文对检测窗口按比例进行划分,有效降低了特征向量维数,并减少了后续识别的计算量。使用标准图像库中高空拍摄的红外图像对算法进行了实验验证,结果表明本文提出的相关算法可获得较好的分割及识别效果。

关键词：微型无人机红外图像图像分割特征提取人体目标识别

来源：评论

学校读者我要写书评

暂无评论

基于热释电无线传感网络的人体目标识别系统

引用

电子测试 2021年第4期32卷 15-16,8页

作者：焦宇浩合肥工业大学安徽合肥230041

文章主要分析了热释电红外传感器搭建无线传感的网络,同时讲解了热释电红外传感器的主要特征、原理以及实现到人体目标识别功能的可行性,望能为有关人员提供到一定的参考和帮助。

关键词：人体目标识别热释电红外传感器无线传感器网络

来源：评论

学校读者我要写书评

暂无评论

人体目标识别的方法和装置

人体目标识别的方法和装置

引用

作者：谭志国滕书华李洪 410205 湖南省长沙市高新开发区尖山路39号长沙中电软件园总部大楼A645房

本发明提供的一种人体目标识别的方法和装置，所述方法包括：获得深度图像；提取所述深度图像中的图像像素特征；将所述图像像素特征输入人体深度学习模型中进行识别分类；判断所述图像像素特征的分类与所述人体深度学习模型中已有的人... 详细信息

标准号: CN106127733B

本发明提供的一种人体目标识别的方法和装置，所述方法包括：获得深度图像；提取所述深度图像中的图像像素特征；将所述图像像素特征输入人体深度学习模型中进行识别分类；判断所述图像像素特征的分类与所述人体深度学习模型中已有的人体部位标签是否匹配；若所述图像像素特征的分类与所述人体深度学习模型中的已有标签匹配，则输出与该像素特征对应的标签。本发明采用深度学习模型识别图像像素特征，同时完成了人体目标检测与识别，简化了检测识别过程，提高了检测识别效率。

关键词：图像像素深度图像分类检测标签学习人体目标识别方法和装置标签匹配模型识别人体部位人体目标特征输入像素特征匹配输出

来源：评论

学校读者我要写书评

暂无评论

人体目标识别的方法和装置

人体目标识别的方法和装置

引用

作者：谭志国滕书华李洪 410205 湖南省长沙市高新开发区尖山路39号长沙中电软件园总部大楼A645房

标准号: CN106127733A

关键词：图像像素深度图像分类检测标签学习人体目标识别方法和装置标签匹配模型识别人体部位人体目标特征输入像素特征匹配输出

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：