[논문 리뷰] Animation and Chirplet-Based Development of a PIR Sensor Array for Intruder Classification in an Outdoor Environment

Raviteja Upadrashta, Tarun Choubisa외 7명|arXiv (Cornell University)|2016. 04. 13.

Animal Vocal Communication and Behavior참고 문헌 4인용 수 8

한 줄 요약

이 논문은 숲 가장자리에서 인간-야생동물 갈등을 조기에 탐지하기 위해 저비용, 수동적 적외선(Passive Infrared, PIR) 센서 탑 플랫폼을 제안한다. 이 플랫폼은 2차원 배열의 PIR 센서를 사용하여 외부 환경에서 인간, 동물, 바람에 휘날리는 식생을 분류한다. 데이터 부족 문제를 해결하기 위해 치플렛 기반 신호 모델링과 애니메이션 기반 시뮬레이션 도구(ASPIRE)를 활용한다. 이 시스템은 치플렛 및 에너지 특징 기반의 이중 단계 SVM 분류기로 인해 인간, 동물, 바람에 휘날리는 식생을 구분하는 데 평균 97% 이상의 정확도를 달성한다.

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%.

연구 동기 및 목표

• 숲 가장자리에서 인간-야생동물 갈등을 조기에 탐지하기 위한 저비용, 무선 PIR 센서 탑 플랫폼 개발.
• 실제 동물 침입 데이터가 부족한 문제를 해결하기 위해 합성 신호 생성을 위한 시뮬레이션 도구 개발.
• 고급 신호 모델링 및 특징 추출을 통해 인간, 동물, 잡음(바람에 휘날리는 식생) 간의 분류 정확도 향상.
• 일반적인 PIR 센서와 렌즈를 사용하여 계산 비용이 낮고 현장에 구현 가능한 시스템 구현.

제안 방법

• 공간 해상도를 확보하기 위해 렌즈를 장착한 일반적인 PIR 센서의 2차원 배열을 구축하여 방향성 및 운동 패턴 분석을 가능하게 하였다.
• 인간, 동물, 식생 잡음에 대한 합성 PIR 신호를 생성하기 위해 애니메이션 기반 시뮬레이션 도구인 ASPIRE를 개발하여 알고리즘의 신속한 테스트를 가능하게 하였다.
• 열복사 변화의 주파수 변조 특성을 포괄하기 위해 치플렛 기반 표현을 사용하여 침입자 운동 신호를 모델링하였다.
• 분류를 위해 에너지(E8), 최대 교차상관관계(ρmax), 60개의 치플렛 파rameter(C60) 등의 특징을 추출하였다.
• 이중 단계 SVM 분류기 사용: 첫 번째 단계는 C60 특징을 기반으로 침입자와 잡음을 구분하고, 두 번째 단계는 E8 특징을 사용하여 침입자를 인간 또는 동물로 분류하였다.
• 모듈 프로세서의 계산 능력 제약로 인해 오프라인으로 랩탑에서 분류를 수행하였으며, 향후 모듈 내 배치를 위한 최적화 계획이 수립되어 있다.

실험 결과

연구 질문

• RQ1 공간 해상도를 갖춘 저비용 PIR 센서 어레이가 실외 환경에서 인간, 동물, 식생 침입을 효과적으로 구분할 수 있는가?
• RQ2 애니메이션 기반 시뮬레이션 도구(ASPIRE)가 분류 알고리즘 학습 및 검증에 실세계 동물 침입 데이터를 어느 정도 대체할 수 있는가?
• RQ3 침입자 운동을 치프 유사 신호로 모델링할 경우, 전통적인 에너지 또는 상관 기반 특징에 비해 분류 정확도가 향상되는가?
• RQ4 치플렛, 에너지, 상관 등의 신호 특징 조합 중에서 잡음과 진짜 침입자를 분리하는 데 최적의 성능을 내는 조합은 무엇인가?
• RQ5 이중 단계 분류 파이프라인은 임베디드 시스템에 구현 가능한 계산 효율성을 유지하면서도 높은 정확도를 달성할 수 있는가?

주요 결과

• 치플렛 기반 특징 세트(C60)만으로도 시뮬레이션 데이터에서 침입자와 잡음을 구분하는 데 평균 99.3%의 정확도를 달성하여 에너지 및 상관 특징과의 조합보다 뛰어난 성능을 보였다.
• 전반적인 이중 단계 분류기의 실세계 데이터 기반 평균 정확도는 97.3%, 시뮬레이션 데이터 기반 평균 정확도는 99.4%였으며, 실세계 데이터 기반 최소 정확도는 95.8%였다.
• C60 특징을 사용한 침입자 대 잡음 분류는 시뮬레이션 데이터 기반 평균 정확도 98.5%를 기록했고, 실세계 데이터 기반 최소 정확도는 92.3%였다.
• 실세계 데이터 기반 인간 대 동물 분류의 평균 정확도는 98.5%였고, 시뮬레이션 데이터 기반으로는 100%였으며, 최소 정확도는 97.4%였다.
• ρmax를 포함시킴으로써 E8 특징만 사용하는 경우보다 성능 향상이 있었지만, C60 특징만으로도 뛰어난 정확도를 달성하여 강력한 분류 능력을 보였다.
• 일부 시뮬레이션 잡음 이벤트와 실세계 침입자 신호 간의 높은 유사성으로 인해 E8 특징 전용 모델의 시뮬레이션 데이터 기반 성능이 낮아졌으며, 이는 현실적인 시뮬레이션의 필요성을 입증하였다.