基于被动红外传感器的室内人行为机器学习模型

摘要：

室内人行为的准确识别,包括人员位置和活动类型的判定,是智能家居领域中各类电器设备实现多场景控制模式的重要输入参数.采用被动红外(PIR)传感器阵列监测人行为,分析人员不同位置及不同强度动作的数据特征.基于机器学习算法建立室内人员位置及动作识别模型,并对比不同累加时长和机器学习算法的模型预测准确度.最终以PIR传感器当前1 min的计数累加值(分钟计数值)及其前30 min计数累加值作为模型输入,选取随机森林算法构建了位置及动作识别模型.该模型在训练数据集十折交叉验证下准确率为99.9％,对新测试数据集的预测准确率为88.3％,能够识别实际人员的活动位置和动作强弱,具有一定的有效性和通用性.

关键词：建筑人行为、PIR传感器、动作识别、机器学习、人体定位

所属期刊栏目：50

分类号：TU1;TN215(建筑基础科学)

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：446-454