CN106919931B - 一种基于探测信号的3d成像与人体识别方法 - Google Patents
一种基于探测信号的3d成像与人体识别方法 Download PDFInfo
- Publication number
- CN106919931B CN106919931B CN201710144768.XA CN201710144768A CN106919931B CN 106919931 B CN106919931 B CN 106919931B CN 201710144768 A CN201710144768 A CN 201710144768A CN 106919931 B CN106919931 B CN 106919931B
- Authority
- CN
- China
- Prior art keywords
- signal
- image
- imaging
- signal strength
- signal generator
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 28
- 239000000700 radioactive tracer Substances 0.000 claims abstract description 4
- 238000005562 fading Methods 0.000 claims description 11
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 230000005764 inhibitory process Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 230000008054 signal transmission Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 description 9
- 241000209094 Oryza Species 0.000 description 8
- 235000007164 Oryza sativa Nutrition 0.000 description 8
- 235000009566 rice Nutrition 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于探测信号的3D成像与人体识别方法,是基于无线探测网络中采集到的探测信号强度值进行3D成像与人体识别,首先通过记录信号接收器检测到的信号强度值,将数据上传到上位机进行反投影,然后进行规范化标准操作,将得到随时间变化的剖面图合并起来输出3D成像图,最后将成像图与数据库存储的图像进行比照,得到识别结果。总之,相比现有技术,本发明方法简单、新颖,能很好地得到3D成像结果并有效识别目标。
Description
技术领域
本发明涉及3D成像的技术领域,尤其是指一种基于探测信号的3D成像与人体识别方法。
背景技术
在各项制度日益完善的今天,人们对于个人安全及资产保护的需求也越来越多,而成像系统是监测兴趣安全区域的最主要手段之一,其重要性自然不言而喻。据公安部发布的数据估计,每年大约有几百万起盗窃案、入室抢劫案发生在个人居所或公共商场,其中,60%以上的此类犯罪案件发生于没有安装任何监控系统的建筑里。相对地,安装有监控系统的区域犯罪发生率远远低于未安装监控系统或监控盲点区域。因此,构建有效的监控成像系统,特别是在智能监测、安全防盗、人体识别等应用领域中,是降低犯罪率,增加安全系数的重要途径,因而社会大众对这类系统有着十分广泛而迫切的需求。
目前,兴趣目标的成像技术主要是基于计算机视觉的三维重构方法,其研究任务是使视觉传感设备具有通过二维视图感知三维环境与目标的能力,分布式网络化的多摄像机协作或基于主动视觉系统自标定方法的单摄像机策略成为高维环境与目标感知的必然选择。然而,二维输入的灰度图像是高维(三维)环境与目标几何特征,光照,材料特性,甚至颜色以及摄像机自身参数等多种因素的叠加效应;因此,往往将由二维灰度图像反演以上诸多参数的情况认为是一种非线性逆问题,其解并不具有唯一性,同时,其对噪声、离散化引起的误差甚至对初始值的选择极其敏感;需要注意的是,目前基于计算机视觉的方法仍然不能稳健、可靠地解决视觉信息处理自身面临的诸多难题,而环境与目标影像重构的技术要求给基于计算机视觉的方法带来了更大的挑战。更普遍地,基于计算机视觉的三维重构方法容易侵犯到个人隐私,在有些场合并不适用,并不能为所有人接收。
基于探测信号模型的成像系统则可克服上述缺陷,特别地,目标对不同类型的探测信号产生不同的反应,对应着不同的物理模型,可建立不同方式的成像过程;因此,利用目标对探测信号的电磁特性,来反演目标的特性,是环境目标成像的特有感知模式。同时,此类成像系统完全不会涉及到隐私问题。
发明内容
本发明的目的在于克服现有技术的不足与缺点,提供了一种基于探测信号的3D成像与人体识别方法,该方法简单、新颖,能很好地得到3D成像结果并有效识别目标。
为实现上述目的,本发明所提供的技术方案为:一种基于探测信号的3D成像与人体识别方法,首先,通过记录信号接收器检测到的信号强度值,将数据上传到上位机进行3D成像,并将成像图与数据库存储的图像进行比照,最后输出成像以及识别结果;其具体包括以下步骤:
1)在兴趣区域部署信号发生器与信号接收器,每一个信号接收器均能接收到至少一个信号发生器产生的信号,采集并存储每个信号发生器标识ID和对应的信号强度值读数;其中,在兴趣区域部署信号发生器与信号接收器需要满足预定条件:在兴趣区域范围内,存在信号发生器生成的信号穿过被成像目标;
2)将数据传送到上位机进行预处理,包括清洗、过滤;
3)兴趣区域里没有兴趣目标,即在空场景离线条件下,采集并保存传感器的数据,作为区域信号强度的基准值y0;
4)兴趣区域存在兴趣目标,即在线条件下,采集并保存t时刻信号接收器数据,作为区域信号强度的实时测量值即在线条件下的信号强度观测值;
5)向量化处理信号传输网络中的信号强度值,得到相应的观测值,然后采用信号强度在空场景离线条件以及存在目标的在线条件下的变差值作为观测值y;具体地,
式中,为在线条件下的信号强度观测值,y0为基准值,维度均为RN×1,N为门竖直平面上的从信号发生器到信号接收器形成的信号链路总数;
6)将兴趣区域分为满足预定条件大小的像素块,根据信号发生器与信号接收器的个数,计算出穿过第xi像素块的直射信号个数,记为cnt(xi),xi∈x,i∈[1,2,3,4...],x为所有像素块构成的衰减成像图;其中,所述预定条件大小为使获得成像效果最好的像素块大小;
7)将当前t时刻检测到的信号强度值与基准数据进行比较,得到信号强度变化量y;
8)利用信号的传播特性得出的椭圆模型设计测量矩阵,构建出成像的数学模型y=φx+n,得到在t时刻第xi像素块的阴影衰减值;其中,y为步骤7)变差法得到的当前时刻信号强度的变化量,φ为根据椭圆模型设计的测量矩阵,n为测量噪声;由椭圆模型设计得到的测量矩阵,其具体地表示及含义为:φ的每个列向量表示特定某像素对所有链路的权重因子,T为对向量求转置,N为门禁竖直平面上的从信号发生器到信号接收器形成的信号链路总数;
9)将得到的阴影衰减值进行规范化标准操作,所述规范化标准操作是指为减小因步骤6)中每个像素块的cnt(xi)不一致给衰减值带来的影响,设定第一阈值,进行均值处理,其中具体阴影衰落密度估计为:
式中,p′(xi,t)为计算得到的阴影衰减值,α为设定的第一阈值;
10)设定第二阈值去除伪影,以提高成像质量,其具体表达式为:
式中,β为设定的第二阈值,阴影衰落密度不大于β时,认为该处为伪影,将其密度置0,从而提高成像质量;
11)利用不同t时刻的数据得到随时间变化的剖面图,将所有剖面图合并起来就能够获得运动目标的3D影像,即为:
式中,分别为在时刻t1,t2,…tM时的阴影衰落密度;
12)建立3D影像数据库,将当前3D影像与数据库中的影像比对以识别目标身份,计算模块将3D影像数据传送到控制模块,并由控制模块决定是否触发警报模块以及确定警报级别;其中,所述计算模块完成信号存储、计算、成像任务;所述控制模块完成配置、判断、定时任务;所述警报模块完成提醒、警告、紧急、报警任务;所述影像比对方式为提取当前3D影像的形状特征与运动边缘直方图特征,形成该运动3D影像的最终表达方式,并与数据库作比较,最高相似度低于阈值,则认为能触发警报模块。
所述信号发生器与信号接收器为WiFi或者ZigBee设备。
本发明与现有技术相比,具有如下优点与有益效果:
1、本发明提出了基于探测信号的3D成像方式,利用高频信号对于障碍物的穿透性实现一种新颖的目标成像方式。
2、本发明通过无线信号构建成像系统,解决了基于计算机视觉成像的技术难点,避免视频图像泄露个人隐私以及出现监控盲点。
3、本发明利用无线信号进行成像与识别,提高了系统的隐蔽性,可避免系统遭到人为或自然破坏。
4、本发明提出了一种联合特征的影像比对方法以及完善的告警反应机制。
附图说明
图1为3D成像流程图。
图2为人体识别流程图。
图3为门禁成像系统的网络拓扑图。
图4为像素及椭圆模型拓扑图(单位为米)。
图5a为本发明得到的右腿进入剖面图(单位为米)。
图5b为本发明得到的双腿进入剖面图(单位为米)。
图5c为本发明得到的全部躯干进入剖面图(单位为米)。
图5d为本发明得到的躯干及右腿迈出剖面图(单位为米)。
图6a为本发明最终成像的正视图(单位为米)。
图6b为本发明最终成像的侧视图(横轴为时间,纵轴为米)。
图6c为本发明最终成像的俯视图(横轴为米,纵轴为时间)。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
参见图1和图2所示,基于本发明方法所完成的一种部署于门框周围的成像系统,包括以下设计步骤:
1)在兴趣区域部署信号发生器与信号接收器,每一个信号接收器均能接收到至少一个信号发生器产生的信号,采集并存储每个信号发生器标识ID和对应的信号强度值读数。
所述信号发生器与信号接收器为WiFi或者ZigBee设备。
所述具体实际环境下无线传感网络的部署情况如图3所示,实际上,根据环境的不同,部署方式稍有差别,对于图3,只在门口处安装监测系统,那么信号发生器和接收器可以部署在门框周边,信号密集覆盖平行于门的竖直面,对于监测对象主要是人时,需要的信号发生和接收设备就多,一般每隔5到10cm设置一个;环境越简单,用到的设备越少。
如图4所示,如果要实现对兴趣目标的3D成像,前提是要满足预定条件,其中预定条件是指在所述兴趣区域范围内,存在信号发生器生成的信号穿过被成像目标,这样才能根据信号的衰减侦测出目标特性。
2)将数据传送到上位机进行预处理,包括清洗、过滤等。其中,所述清洗、过滤主要是对采集的数据去除干扰噪声,提高信噪比。
3)兴趣区域里没有兴趣目标,即在空场景离线条件下,采集并保存传感器的数据,作为区域信号强度的基准值y0。
4)兴趣区域存在兴趣目标,即在线条件下,采集并保存t时刻信号接收器数据,作为区域信号强度的实时测量值
5)向量化处理信号传输网络中的信号强度值,得到相应的观测值。然后,采用信号强度在空场景离线条件以及存在目标的在线条件下的变差值作为观测值y;具体地,
式中,为在线条件下的信号强度观测值,y0为基准值,维度均为RN×1,N为门竖直平面上的从信号发生器到信号接收器形成的信号链路总数,信号链路分布情况如图3右所示。
6)将兴趣区域分为满足预定条件大小的像素块,根据信号发生器与信号接收器的个数,计算出穿过第xi像素块的直射信号个数,记为cnt(xi),xi∈x,i∈[1,2,3,4...],x为所有像素块构成的衰减成像图;所述预定条件大小为使获得成像效果最好的像素块大小,本实施例将像素块设置为0.02cm×0.02cm,其整体拓扑图如图4所示。
7)利用窄带信号的传播特性得出的椭圆模型来设计测量矩阵,结合离线测量得到的基准值,最终构建出所要解决问题的数学模型y=φx+n,得到在t时刻第xi像素块的阴影衰减值;y为变差法得到的观测值,φ为根据椭圆模型设计的测量矩阵,n为测量噪声;其中,由椭圆模型设计得到的测量矩阵,其具体地表示及含义为:φ的每个列向量表示特定某像素对所有链路的权重因子,T为对向量求转置,N为门禁竖直平面上的从信号发生器到信号接收器形成的信号链路总数。
8)将得到的阴影衰减值进行规范化标准操作,所述规范化标准操作是指为减小因步骤6)中每个像素块的cnt(xi)不一致给衰减值带来的影响,设定第一阈值,进行均值处理;其中具体阴影衰落密度估计为:
式中,p′(xi,t)为计算得到的阴影衰减值,α为设定的第一阈值,抑制cnt(xi)较小时链路噪声的影响。
9)设定第二阈值去除伪影,以提高成像质量;其具体表达式为:
β为设定的第二阈值,阴影衰落密度小于β时,认为该处为伪影,将其密度置0,从而提高成像质量。
10)利用不同t时刻的数据可得到随时间变化的剖面图,将所有剖面图合并起来就可以获得运动目标的3D影像,即为:
分别为在时刻t1,t2,…tM时的阴影衰落密度。图5a、5b、5c为本实施例的部分剖面图,从图中可以看到左腿、身体、右腿先后通过射频阵列剖面的行走过程。影像包含了人的体型和行为动作信息,还包含了人体对信号的遮挡程度信息。通过剖面图的合并,可以获取人体模型的3D信息,如图6a、6b、6c为最终成像的三视图,正视图反映人体轮廓以及身体各部位引起的阴影衰落分布密度。侧视图反映的是人行走的姿势。由于信号链路的阴影衰落相关区域并非只在一个剖面上,而是在三维空间中的椭球体内,因此人通过射频阵列剖面时,即使只有躯干部分在该剖面内,部分腿部依然会落在阴影衰落相关区域内而被成像,从侧视图来看,这些腿部信息被归入躯干部分,因此图中躯干部分较长。俯视图可以看到人体通过门禁成像系统的过程,先是左腿进入,接着是身体,最后是右腿。
11)如图2流程图所示,建立3D影像数据库,将当前3D影像与数据库中的影像比对以识别目标身份,计算模块将3D影像数据传送到控制模块,并由控制模块决定是否触发警报模块以及确定警报级别;所述计算模块完成上述信号存储、计算、成像任务;所述控制模块完成配置、判断、定时任务;所述警报模块完成提醒、警告、紧急、报警任务;所述影像比对方式为提取当前3D影像的形状特征(TS)与运动边缘直方图特征(MBH),形成该运动3D影像的最终表达方式,并与数据库作比较,最高相似度低于阈值,则认为可触发警报模块。
综上所述,本发明是基于无线探测网络中采集到的探测信号强度值进行3D成像与人体识别,首先通过记录信号接收器检测到的信号强度值,将数据上传到上位机进行反投影,然后进行规范化标准操作,将得到随时间变化的剖面图合并起来输出3D成像图,最后将成像图与数据库存储的图像进行比照,得到识别结果。总之,相比现有技术,本发明方法简单、新颖,能很好地得到3D成像结果并有效识别目标,值得推广。
以上所述实施例只为本发明之较佳实施例,并非以此限制本发明的实施范围,故凡依本发明之形状、原理所作的变化,均应涵盖在本发明的保护范围内。
Claims (2)
1.一种基于探测信号的3D成像与人体识别方法,其特征在于:首先,通过记录信号接收器检测到的信号强度值,将数据上传到上位机进行3D成像,并将成像图与数据库存储的图像进行比照,最后输出成像以及识别结果;其具体包括以下步骤:
1)在兴趣区域部署信号发生器与信号接收器,每一个信号接收器均能接收到至少一个信号发生器产生的信号,采集并存储每个信号发生器标识ID和对应的信号强度值读数;其中,在兴趣区域部署信号发生器与信号接收器需要满足预定条件:在兴趣区域范围内,存在信号发生器生成的信号穿过被成像目标;
2)将数据传送到上位机进行预处理,包括清洗、过滤;
3)兴趣区域里没有兴趣目标,即在空场景离线条件下,采集并保存传感器的数据,作为区域信号强度的基准值y0;
4)兴趣区域存在兴趣目标,即在线条件下,采集并保存t时刻信号接收器数据,作为区域信号强度的实时测量值即在线条件下的信号强度观测值;
5)向量化处理信号传输网络中的信号强度值,得到相应的观测值,然后采用信号强度在空场景离线条件以及存在目标的在线条件下的变差值作为观测值y;具体地,
式中,为在线条件下的信号强度观测值,y0为基准值,维度均为RN×1,N为门竖直平面上的从信号发生器到信号接收器形成的信号链路总数;
6)将兴趣区域分为满足预定条件大小的像素块,根据信号发生器与信号接收器的个数,计算出穿过第xi像素块的直射信号个数,记为cnt(xi),xi∈x,i∈[1,2,3,4...],x为所有像素块构成的衰减成像图;其中,所述预定条件大小为使获得成像效果最好的像素块大小;
7)将当前t时刻检测到的信号强度值与基准数据进行比较,得到信号强度变化量y;
8)利用信号的传播特性得出的椭圆模型设计测量矩阵,构建出成像的数学模型y=φx+n,得到在t时刻第xi像素块的阴影衰减值;其中,y为步骤7)变差法得到的当前时刻信号强度的变化量,φ为根据椭圆模型设计的测量矩阵,n为测量噪声;由椭圆模型设计得到的测量矩阵,其具体地表示及含义为:φ的每个列向量表示特定某像素对所有链路的权重因子,T为对向量求转置,N为门禁竖直平面上的从信号发生器到信号接收器形成的信号链路总数;
9)将得到的阴影衰减值进行规范化标准操作,所述规范化标准操作是指为减小因步骤6)中每个像素块的cnt(xi)不一致给衰减值带来的影响,设定第一阈值,进行均值处理,其中具体阴影衰落密度估计为:
式中,p′(xi,t)为计算得到的阴影衰减值,α为设定的第一阈值;
10)设定第二阈值去除伪影,以提高成像质量,其具体表达式为:
式中,β为设定的第二阈值,阴影衰落密度不大于β时,认为该处为伪影,将其密度置0,从而提高成像质量;
11)利用不同t时刻的数据得到随时间变化的剖面图,将所有剖面图合并起来就能够获得运动目标的3D影像,即为:
式中,分别为在时刻t1,t2,…tM时的阴影衰落密度;
12)建立3D影像数据库,将当前3D影像与数据库中的影像比对以识别目标身份,计算模块将3D影像数据传送到控制模块,并由控制模块决定是否触发警报模块以及确定警报级别;其中,所述计算模块完成信号存储、计算、成像任务;所述控制模块完成配置、判断、定时任务;所述警报模块完成提醒、警告、紧急、报警任务;所述影像比对方式为提取当前3D影像的形状特征与运动边缘直方图特征,形成该运动3D影像的最终表达方式,并与数据库作比较,最高相似度低于阈值,则认为能触发警报模块。
2.根据权利要求1所述的一种基于探测信号的3D成像与人体识别方法,其特征在于:所述信号发生器与信号接收器为WiFi或者ZigBee设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710144768.XA CN106919931B (zh) | 2017-03-13 | 2017-03-13 | 一种基于探测信号的3d成像与人体识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710144768.XA CN106919931B (zh) | 2017-03-13 | 2017-03-13 | 一种基于探测信号的3d成像与人体识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106919931A CN106919931A (zh) | 2017-07-04 |
CN106919931B true CN106919931B (zh) | 2019-11-08 |
Family
ID=59461616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710144768.XA Expired - Fee Related CN106919931B (zh) | 2017-03-13 | 2017-03-13 | 一种基于探测信号的3d成像与人体识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106919931B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033809A (zh) * | 2012-09-25 | 2013-04-10 | 中山大学 | 压缩射频层析成像的移动分治实现方法 |
CN104459689A (zh) * | 2014-12-10 | 2015-03-25 | 宜昌海鸥仪器设备有限公司 | 一种电磁波层析成像装置和方法 |
CN105891775A (zh) * | 2016-03-29 | 2016-08-24 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于区域定位的智能监护方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8502728B2 (en) * | 2008-09-12 | 2013-08-06 | University Of Utah Research Foundation | Method and system for tracking objects using radio tomographic imaging |
-
2017
- 2017-03-13 CN CN201710144768.XA patent/CN106919931B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103033809A (zh) * | 2012-09-25 | 2013-04-10 | 中山大学 | 压缩射频层析成像的移动分治实现方法 |
CN104459689A (zh) * | 2014-12-10 | 2015-03-25 | 宜昌海鸥仪器设备有限公司 | 一种电磁波层析成像装置和方法 |
CN105891775A (zh) * | 2016-03-29 | 2016-08-24 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于区域定位的智能监护方法及装置 |
Non-Patent Citations (4)
Title |
---|
A hierarchical RSS model for RF-based device-free localization;Yubin Luo 等;《Pervasive and Mobile Computing》;20160315(第31期);全文 * |
Device-Free radio vision for assisted living: leveraging wireless channel quality information for human sensing;Stefano Savazzi 等;《Signal Process》;20160307;全文 * |
RTI Goes Wild: Radio Tomographic Imaging for Outdoor People Detection and Localization;Cesare Alippi 等;《TRANSACTIONS ON MOBILE COMPUTING》;20161031;第15卷(第10期);全文 * |
基于无线电层析成像的目标定位;匡仁炳 等;《基于无线电层析成像的目标定位》;20150515;第2015年卷(第5期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106919931A (zh) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10713914B2 (en) | Intelligent security management system | |
CN103839346B (zh) | 一种智能门窗防入侵装置以及系统、智能门禁系统 | |
CA2895795C (en) | On-body concealed weapon detection system | |
CN103839373B (zh) | 一种突发异常事件智能识别报警装置及报警系统 | |
CN104935893B (zh) | 监视方法和装置 | |
CN109375217A (zh) | 一种检测方法、检测装置、终端及检测系统 | |
CN109886241A (zh) | 基于长短期记忆网络的驾驶员疲劳检测 | |
US20070122003A1 (en) | System and method for identifying a threat associated person among a crowd | |
CN109671238A (zh) | 一种基于无线信道状态信息的室内入侵检测方法 | |
CN105575034B (zh) | 一种双波段森林防火智能监控软件图像处理分析方法 | |
WO2001093746A2 (en) | Detection system and method using thermal image analysis | |
Vahidpour et al. | Millimeter-wave Doppler spectrum and polarimetric response of walking bodies | |
CN109597065A (zh) | 一种用于穿墙雷达检测的虚警抑制方法、装置 | |
Işiker et al. | An auto‐classification procedure for concealed weapon detection in millimeter‐wave radiometric imaging systems | |
CN110503021A (zh) | 基于时间压缩轨迹特征识别的火灾烟雾检测方法 | |
CN106919931B (zh) | 一种基于探测信号的3d成像与人体识别方法 | |
CN106027963B (zh) | 一种应用于车辆的防逃逸方法及系统 | |
Wu et al. | Post-processing techniques for polarimetric passive millimeter wave imagery | |
CN108416308A (zh) | 一种基于云分布特点的遥感图像地物完整性分析方法 | |
US20050264303A1 (en) | Radiation monitoring of body part sizing and use of such sizing for person monitoring | |
CN106921846A (zh) | 视频移动终端遗留物检测装置 | |
Frejlichowski et al. | Extraction of the foreground regions by means of the adaptive background modelling based on various colour components for a visual surveillance system | |
Bhatnagar et al. | Human visual system based framework for concealed weapon detection | |
TW202129595A (zh) | 生命體檢測的雷達偵測系統、生命體判斷方法及特徵資料庫建立方法 | |
US20240021062A1 (en) | Target monitoring and alert system and method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191108 |