[論文レビュー] Animation and Chirplet-Based Development of a PIR Sensor Array for Intruder Classification in an Outdoor Environment

Raviteja Upadrashta, Tarun Choubisa+7 more|arXiv (Cornell University)|Apr 13, 2016

Animal Vocal Communication and Behavior参考文献 4被引用数 8

ひとこと要約

本論文は、2次元のPIRセンサアレイを備えた低コストで受動的な赤外線（PIR）センサータワーを提案し、chirpletベースの信号モデリングとアニメーションベースのシミュレーションツール（ASPIRE）を用いて、データ不足を補い、屋外環境における侵入者の分類を実現する。2段階のSVM分類器を用いた手法により、人間、動物、風に揺れる植生を区別する分類精度が97％以上に達する。

ABSTRACT

This paper presents the development of a passive infra-red sensor tower platform along with a classification algorithm to distinguish between human intrusion, animal intrusion and clutter arising from wind-blown vegetative movement in an outdoor environment. The research was aimed at exploring the potential use of wireless sensor networks as an early-warning system to help mitigate human-wildlife conflicts occurring at the edge of a forest. There are three important features to the development. Firstly, the sensor platform employs multiple sensors arranged in the form of a two-dimensional array to give it a key spatial-resolution capability that aids in classification. Secondly, given the challenges of collecting data involving animal intrusion, an Animation-based Simulation tool for Passive Infra-Red sEnsor (ASPIRE) was developed that simulates signals corresponding to human and animal intrusion and some limited models of vegetative clutter. This speeded up the process of algorithm development by allowing us to test different hypotheses in a time-efficient manner. Finally, a chirplet-based model for intruder signal was developed that significantly helped boost classification accuracy despite drawing data from a smaller number of sensors. An SVM-based classifier was used which made use of chirplet, energy and signal cross-correlation-based features. The average accuracy obtained for intruder detection and classification on real-world and simulated data sets was in excess of 97%.

研究の動機と目的

• 森の縁で人間と野生動物の衝突を早期に検出可能な低コストで無線接続のPIRセンサータワーを構築すること。
• 実際の動物侵入データが限られているという課題に対処するため、合成信号を生成するためのシミュレーションツールを開発すること。
• 高度な信号モデリングと特徴抽出を用いて、人間、動物、ごみ（風に揺れる植生）の間の分類精度を向上させること。
• 市販のPIRセンサーやレンズを用いた計算効率が高く、現地に設置可能なシステムを実現すること。

提案手法

• 空間分解能を確保するため、レンズを装備した市販のPIRセンサを2次元アレイに配置し、方向性および動きのパターン分析を可能にする。
• 人間、動物、植生ごみのための合成PIR信号を生成するため、アニメーションベースのシミュレーションツールASPIREを開発し、アルゴリズムの迅速な検証を可能にする。
• 侵入者の運動信号を、熱放射の周波数変調特性を捉えるためにchirpletベースの表現でモデリングする。
• エネルギー（E8）、最大相互相関（ρmax）、60次元のchirpletパラメータ（C60）を含む特徴を抽出し、分類に用いる。
• 2段階のSVM分類器を用いる：まずC60特徴を用いて侵入者とごみを区別し、次にE8特徴を用いて侵入者を人間か動物かに分類する。
• モットプロセッサの計算制約のため、オフラインでラップトップ上で分類を実行し、将来的にはモット上での実行最適化を計画している。

実験結果

リサーチクエスチョン

• RQ1 空間分解能を備えた低コストPIRセンサアレイは、屋外環境で人間、動物、植生の侵入者を効果的に区別できるか？
• RQ2 アニメーションベースのシミュレーションツール（ASPIRE）は、分類アルゴリズムのトレーニングおよび検証において、実際の動物侵入データにどの程度置き換え可能か？
• RQ3 侵入者の運動をchirpに類似した信号としてモデリングすることで、従来のエネルギーまたは相関ベースの特徴と比較して分類精度が向上するか？
• RQ4 chirplet、エネルギー、相関のどの特徴の組み合わせが、ごみと真の侵入者の分離において最適な性能を発揮するか？
• RQ5 2段階の分類パイプラインは、埋め込みシステムへの実装に耐える計算効率を維持しながら高い精度を達成できるか？

主な発見

• chirpletベースの特徴セット（C60）のみで、合成データ上でのごみとの区別において99.3％の平均精度を達成し、エネルギーおよび相関特徴との組み合わせを上回った。
• 全体の2段階分類器は、実データ上での平均精度が97.3％、合成データ上では99.4％に達し、実データ上での最小精度は95.8％であった。
• C60特徴を用いた侵入者対ごみ分類では、合成データ上での平均精度が98.5％、実データ上での最小精度が92.3％であった。
• 人間対動物分類では、実データ上での平均精度が98.5％、合成データ上では100％に達し、最小精度は97.4％であった。
• ρmaxの導入によりE8単体よりも性能が向上したが、C60特徴のみで優れた精度が達成されたことから、その強力な識別力が示された。
• 一部の合成ごみイベントと実侵入信号との類似性が、E8単体モデルの合成データ上での性能を低下させた。これは、現実に即したシミュレーションの必要性を裏付けた。