[论文解读] 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 8

一句话总结

本论文提出了一种低成本、无源红外（PIR）传感器塔平台，采用2D PIR传感器阵列，通过啁啾基信号建模和基于动画的仿真工具（ASPIRE）克服数据稀缺问题，实现对户外环境中人类、动物和风动植被的分类。该系统基于啁啾和能量特征的两步SVM分类器，对人类、动物和风动植被的分类平均准确率超过97%。

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%.

研究动机与目标

• 开发一种低成本、无线的PIR传感器塔平台，用于在森林边缘实现人类与野生动物冲突的早期检测。
• 通过创建用于合成信号生成的仿真工具，解决动物入侵真实世界数据有限的挑战。
• 通过先进的信号建模和特征提取，提高人类、动物与杂波（风动植被）之间的分类准确率。
• 利用现成的PIR传感器和透镜，实现计算高效、可现场部署的系统。

提出的方法

• 部署了一个2D现成PIR传感器阵列，配合透镜以提供空间分辨率，用于方向性和运动模式分析。
• 开发了ASPIRE，一种基于动画的仿真工具，用于生成人类、动物和植被杂波的合成PIR信号，实现算法的快速测试。
• 采用啁啾基表示对入侵者运动信号进行建模，以捕捉热辐射变化的频率调制特性。
• 提取了包括能量（E8）、最大互相关（ρmax）和60个啁啾参数（C60）在内的特征用于分类。
• 采用两步SVM分类器：首先利用C60特征区分入侵者与杂波，然后利用E8特征将入侵者分类为人类或动物。
• 由于节点处理器的计算限制，所有分类均在笔记本电脑上离线完成，未来计划优化以实现在节点上的部署。

实验结果

研究问题

• RQ1 低成本PIR传感器阵列是否能通过空间分辨率有效区分户外环境中的人员、动物和植被入侵？
• RQ2 基于动画的仿真工具（ASPIRE）在多大程度上可替代真实世界动物入侵数据用于分类算法的训练与验证？
• RQ3 将入侵者运动建模为啁啾类信号是否相比传统能量或互相关特征能提升分类准确率？
• RQ4 哪些信号特征组合（啁啾、能量、互相关）在分离杂波与真实入侵者方面表现最优？
• RQ5 两步分类流程是否能在保持计算可行性的同时实现高准确率，从而适用于嵌入式部署？

主要发现

• 仅使用啁啾基特征集（C60）在模拟数据上对入侵者与杂波的区分已达到99.3%的平均准确率，优于结合能量和互相关特征的组合。
• 整体两步分类器在真实世界数据上达到97.3%的平均准确率，在模拟数据上达到99.4%，真实世界数据的最低准确率为95.8%。
• 利用C60特征进行入侵者与杂波的分类，在模拟数据上达到98.5%的平均准确率，在真实世界数据上最低为92.3%。
• 人类与动物的分类在真实世界数据上达到98.5%的平均准确率，在模拟数据上达到100%，最低准确率为97.4%。
• 引入ρmax可提升E8单独使用时的性能，但C60特征单独使用时表现更优，表明其具有强大的判别能力。
• 部分模拟杂波事件与真实入侵信号高度相似，导致仅使用E8的模型在模拟数据上性能下降，验证了真实仿真必要性的存在。