基于深度学习的 PIR 多目标定位方法
信号处理
2020-04-10 v1
摘要
基于热释电红外（PIR）传感器的无设备定位（DFL）因其低成本、低功耗和隐私保护等优势而备受关注。然而，大多数现有的基于 PIR 的 DFL 方法需要较高的部署密度才能实现较高的定位精度。最近，少数工作提出可通过深度分析 PIR 传感器的模拟输出来降低部署密度。但这些方法尚不能很好地处理多人场景下的定位任务。本文中，我们提出了一种用于基于 PIR 的多人定位的新型神经网络，其恰当地利用了一系列领域知识。具体而言，所提网络由两个模块组成：一个用于确定人数，另一个用于确定其位置。同时，人数统计模块被进一步设计为两阶段网络：一阶段用于信号分离，另一阶段用于单人检测。定位模块也被设计为两阶段网络：一阶段用于信号提取，另一阶段用于单人定位。通过上述方法，我们成功将传统基于 PIR 方法的部署密度显著降低约 76%，同时保持定位精度。
引用
@article{arxiv.2004.04329,
title = {A Deep-learning-based Method for PIR-based Multi-person Localization},
author = {Tianye Yang and Peng Guo and Wenyu Liu and Xuefeng Liu and Tianyu Hao},
journal= {arXiv preprint arXiv:2004.04329},
year = {2020}
}