智能家居 毫米波
基于毫米波的人员存在检测算法
时间:2024-04-23浏览次数:
基于毫米波的人员存在检测算法

     简介

近年来,雷达在其他类型的传感器中获得了巨大的关注,因为它们对照明、烟雾和雨水等环境条件的鲁棒性,以及保护隐私的特性。因此,它们被用于多种应用,如人类手势的可靠检测和解释[1]-[4],提取心率和呼吸率等生命体征[5]-[7],准确的人类活动分类[8]-[10],以及各种环境中的实时人员计数[11]-[13]。这些应用涵盖多个领域,特别是在人机交互(HCI)和物联网(IoT)方面。在这方面,它们对于改善智能家居自动化、医疗保健监控和其他物联网解决方案至关重要。将雷达技术融入物联网应用是创造更智能环境、提高效率和安全性的关键。值得注意的是,探测人类存在是利用雷达独特能力的一个重要应用。

使用雷达的实时和强大的人员存在检测解决方案可以提高安全性、能源效率和个性化体验。例如,基于FMCW雷达的人员存在检测系统可以检测室内的威胁和未经授权的进入,增强受限区域的安全性。智能家居的集成通过基于准确的人体检测自动调整照明和供暖等环境设置,增强了个性化体验,提高了能源效率。

此外,利用短程雷达传感器进行人体存在检测也面临着自身的挑战。在现实世界的场景中,无论是室内还是室外环境,都存在许多移动和静止扰动。由于存在这些干扰,提取来自人类的信号变得具有挑战性。在非人类环境中,干扰者的宏观或微观运动可能会产生类似人类的信号,并为人类存在检测应用程序产生错误检测。在我们之前的工作[14]中,我们解决了这个问题,并提出了一种基于OOD检测的解决方案,只有当干扰者和人(坐着、站着或走路)中的任何一个出现在雷达传感器前面时,才能识别和区分它们。然而,当干扰者和人类都在传感器前面时,来自干扰者的反射信号可能会干扰来自人类的反射信号。前面提到的工作无法解决这个问题,并且由于干扰者的信号优势,倾向于将场景归类为OOD。这项工作解决了每一种边缘情况,并提出了一种稳健的存在检测解决方案。类似地,这项工作将这个问题作为OOD检测问题来处理。OOD检测由于其在确保现代深度学习(DL)架构的安全可靠部署方面的关键作用而引起了人们的极大关注。尽管DL模型在各种应用中具有令人印象深刻的性能,但它们经常做出封闭世界的假设,这在现实世界中是不现实的。这可能导致OOD样本的错误分类,可能导致医疗保健和自动驾驶等安全关键领域的严重后果。为了应对这一挑战,研究人员开发了各种OOD检测策略[15]-[19],主要关注图像或视频数据。在本文中,我们提出了一种基于重建的方法,利用雷达宏距离和微距离多普勒图像(RDI)来改进雷达域中的OOD检测。




Copyright © 2002-2024 银熠电子科技有限公司 版权所有  备案号:  
地址:广东省中山市坦洲镇坦神南路  邮箱:244392052@qq.com  电话:13528181690