基于混合特征提取方法的 IR-UWB 雷达密集人群计数
信号处理
2019-02-20 v1
摘要
人群计数是传感应用中的热点问题之一。脉冲无线电超宽带（IR-UWB）雷达已被广泛用于人数统计，提供了一种无需设备、无照明及隐私顾虑的解决方案。然而，由于信号的叠加与遮挡，现有方案在拥挤环境中的性能受限。本文提出一种基于曲波变换与距离单元的混合特征提取方法。通过应用曲波变换，在多尺度、多角度下提取二维雷达矩阵特征。此外，沿传播距离将矩阵每一行划分为若干单元来引入距离单元以选取特征。构建了三种密集场景下的雷达信号数据集，包括密度分别为每平方米 3 人和 4 人的受限区域内随机行走，以及平均距离 10 厘米的排队场景。数据集中人数最多达 20 人。比较了决策树、AdaBoost、随机森林和神经网络四种分类器以验证混合特征，随机森林在三种密集场景中均取得高于 97% 的最高准确率。此外，为确保混合特征的可靠性，比较了聚类特征、活动特征和 CNN 特征三种其他特征。实验结果表明，所提混合特征提取方法性能稳定且有效性显著更优。
引用
@article{arxiv.1806.06629,
title = {Dense People Counting Using IR-UWB Radar with a Hybrid Feature Extraction Method},
author = {Xiuzhu Yang and Wenfeng Yin and Lei Li and Lin Zhang},
journal= {arXiv preprint arXiv:1806.06629},
year = {2019}
}