基于最佳特征子集的自适应非视距身份识别系统OA北大核心CSTPCD
身份识别一直是安防领域的研究重点,其在非视距场景下的研究存在较大意义。针对识别的舒适度和隐私性问题,提出基于最佳特征子集的自适应非视距身份识别系统。通过有效结合多种预处理手段获取Wi-Fi信号的低维有用数据;提出鲁棒性人员检测方法截取有效片段;设计有监督特征提取方法,使用“前向搜索”获取最佳特征子集;改进传统Adaboost算法实现群体变化下的自适应识别。实验评估表明,当系统中志愿者为2~12人时,与相关系统和传统分类算法相比,均具有较好的性能。
魏忠诚;张新秋;张世泽;冯浩;连彬;王巍;
河北工程大学信息与电气工程学院,河北邯郸056038 河北工程大学河北省安防信息感知与处理重点实验室,河北邯郸056038河北工程大学水利水电学院,河北邯郸056038
计算机与自动化
身份识别非视距Wi-Fi信号最佳特征子集Adaboost算法
《计算机应用与软件》 2024 (010)
P.77-86 / 10
国家重点研发计划项目(2018YFF0301004);国家自然科学基金项目(61802107);河北省自然科学基金项目(F2018402251);河北省高等学校科学技术研究项目(QN2020193);石家庄市重点研发计划项目(201790571A)。
评论