一种基于Spiking神经网络的人员信息融合方法

摘要

本发明公开了一种基于Spiking神经网络的人员信息融合方法。1）进行人员数目信息采集，数据存入实时数据库；2）从实时数据库中读取数据，进行预处理，映射为输入向量，分组存入关系数据库；3）根据传感器输入类型设计Spiking神经网络结构模型；4）从关系数据库中读取数据，数据乘以信任度加权值输入Spiking神经网络，传感神经元采用频率编码；5）隐含神经元采用一致性编码；6）采用Hebbian学算法，更新Spiking神经网络模型的传感神经元、隐含神经元及输出神经元之间的连接权值，改善系统行为；7）对输出神经元输入信号进行激活潜能计算，确定输出神经元的输出脉冲数，即该区域的人员数目。

主权项

一种基于Spiking神经网络的人员信息融合方法，其特征是，1）利用建筑空间区域中存在的CO2浓度传感器、红外传感器、人员RFID、摄像头和相对湿度传感器进行人员数目信息采集，数据存入实时数据库；2）从实时数据库中读取数据，进行预处理，去除不合理数据，映射为输入向量，分组存入关系数据库；3）根据传感器输入类型设计Spiking神经网络结构模型，设计为包含输入层、隐含层和输出层的三层网络结构，其中一个传感器对应一个传感神经元；CO2浓度传感器、红外传感器和相对湿度传感器对应的传感神经元输出信号进入隐含神经元，而人员RFID和摄像头对应的传感神经元信号直接进入输出神经元；建筑空间区域人员数目对应输出神经元的输出脉冲数；4）从关系数据库中读取数据，数据乘以信任度加权值输入Spiking神经网络，传感神经元采用频率编码；5）隐含神经元采用一致性编码，即隐含神经元将输入的脉冲进行逻辑“与”运算，仅当两个脉冲同时出现时，隐含神经元才在相应的时间点输出一个脉冲；6）采用Hebbian学习算法，更新Spiking神经网络模型的传感神经元、隐含神经元及输出神经元之间的连接权值，改善系统行为；7）对输出神经元输入信号进行激活潜能计算，确定输出神经元的输出脉冲数，即该区域的人员数目。