[发明专利]一种基于人工神经网络的室内人员智能感知方法

说明书

技术领域

本发明涉及一种基于人工神经网络的室内人员智能感知方法，属于室内精确感知的技术领域。

背景技术

如今人们对于目标准确感知的需求不断增长，尤其在某些安全警戒级别较高的场合，如博物馆、档案室、机房、银行金库、监狱、危险品存放处等，往往需要实时监测是否有人员非法靠近、出入；或在“智能家居”、“智能楼宇”中有所应用，根据人员的存在和移动而动态地调整建筑物的照明、通风和室温以达到节约能源的目的。总之都需要准确感知某个特定区域内是否有人。

对此传统的解决方案有视频监控、红外报警防盗装置等，但都存在局限性：它们对环境因素变化敏感，光照、温度、烟雾、灰尘都能影响其感知正确率；而摄像头、红外线传感器的安装位置要求苛刻，不能存在死角盲区；设备暴露在外，易遭到破坏等。

与此同时，无线传感器网络正在逐渐融入人们生活，它在智能交通、国防军事、医疗卫生、智能家居等方面发挥着重要作用。无线传感器节点间通信时使用的是射频信号，有如下特性：（1）温湿度、光照等外界因素对它几乎没有影响，其对环境变化抗性强；（2）射频信号可以在室内通过反射、绕射方式传播，其感知覆盖范围明显增大；（3）节点安装位置要求低、隐蔽性好等。

鉴于以上优势，利用无线传感器节点射频信号进行人员感知的思路被提出来，其原理基于这样的观察——当人员置身于两个收发节点间，即遮挡了射频信号的通信链路，或者在链路附近出现时，都会造成该链路的接收信号强度值(Received Signal Strength Indication，RSSI)发生衰减或波动。如果节点达到一定数量，它们互相通信时产生的链路数量将很可观，而使所有链路覆盖一个待测区域，则通过检测这些链路RSSI的变化就能判断是否有人员进入待测区域。在此原理基础上,研究者纷纷提出具体算法以实现室内人员感知，现有算法多存在以下两个缺点(1)通过阈值比较的方式确定待测区域内有无人员，阈值是经过某个公式计算得出或凭实验观察结果人为指定，前者无法应对复杂多变的具体应用环境，因为不同的环境不可能用一个公式统一描述，后者则需人工参与，容易造成偏差。(2)仅通过捕获人员运动对RSSI的改变来感知，当人员进入待测区域静止不动时容易造成感知失效。本发明弥补了以上不足，提出利用人工神经网络原理对感知系统进行训练使其自身具备感知判断能力，无需阈值比较；综合考虑了人员进入待测区域后运动和静止两种情形，其感知适用性更强。

发明内容

针对现有技术的不足，本发明提供一种基于人工神经网络的室内人员智能感知方法。

发明概述

本发明通过监测和分析人员对射频信号RSSI造成的衰减和波动影响，即通过对比分析人员进入待测区域前后射频信号RSSI的变化以达到感知目的。本发明针对实时采集的RSSI计算出两个指标，分别表示人员进入待测区域后静止和运动两种情形下与没有人员进入时RSSI的偏差程度；然后大量模拟人员在待测区域内外静止或运动的场景并实时计算保存两个指标作为样本；利用样本数据对神经网络训练，以建立指标数据与人员进入与否的非线性映射关系；训练完毕就可利用神经网络对人员是否进入待测区域自动给出判断。

发明详述

本发明的技术方案在于：

一种基于人工神经网络的室内人员智能感知方法，其中，将室内的无线传感器节点按作用分为普通节点和汇聚节点：所述普通节点数量若干，固定部署在待测区域周围，负责彼此通信形成通信链路以覆盖待测区域，测得RSSI；汇聚节点数量为一个，位置不定，用于接收所有普通节点发送的RSSI，负责收集各链路RSSI；

设有N个普通节点形成的射频通信链路覆盖待测区域；所述普通节点，先后作为无线射频信号的发射端和无线射频信号的接收端，彼此收发；所述汇聚节点以一个固定周期收集各射频通信链路的实时RSSI形成一帧矩阵数据；所述待测区域为需要感知室内人员的区域；

所述基于人工神经网络的室内人员智能感知方法包括步骤如下：

（1）计算离线均值矩阵：

此阶段保持待测区域内无人且环境静止，测得M帧RSSI数据，并求得均值；从1到N编号的N个普通节点先后作为无线射频信号的发射端和无线射频信号的接收端互相收发，可产生共N×（N-1）个RSSI，则从汇聚节点得到的i时刻一帧所有链路的RSSI数据表示为N×N矩阵见公式（i）：