典型文献
基于被动红外传感器的室内人行为机器学习模型
文献摘要：
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.
文献关键词：
建筑人行为;PIR传感器;动作识别;机器学习;人体定位
中图分类号：
作者姓名：
周翔;赵婷;张静思;王纪隆;张心悦
作者机构：
同济大学机械与能源工程学院,上海201804
文献出处：
引用格式：
[1]周翔;赵婷;张静思;王纪隆;张心悦-.基于被动红外传感器的室内人行为机器学习模型)[J].同济大学学报（自然科学版）,2022(03):446-454
A类：
建筑人行为
B类：
红外传感器,内人,机器学习模型,准确识别,活动类型,智能家居,电器设备,多场景,控制模式,输入参数,PIR,传感器阵列,不同位置,不同强度,数据特征,基于机器学习,动作识别,识别模型,累加,加时,和机器学习算法,预测准确度,模型输入,随机森林算法,训练数据集,十折交叉验证,测试数据,预测准确率,通用性,人体定位
AB值：
0.363683
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
