使用测距传感器进行人数统计
使用飞行时间传感器统计通过门的人数。
现如今，节能比以往任何时候都更重要。 让家居、建筑和城市智能化是节约能源的有效方式。 例如，可以通过感应人的存在来判断是否需要关灯，根据房间里的人数来调节暖气温度，又或者在大街没人时调暗路灯等等。然而，由于种种原因，要在所有街道上安装摄像头并不现实。 使用 NanoEdge AI Studio，您可以开发ML库将时间序列数据解密到雷达或飞行时间等各类传感器，将这些数据转化为对人类有意义的数据。
例如，我们教会了一个AI库如何区分人与动物，并能够在没有任何摄像头的情况下检测到一个或多个人出入房间。 该方法还可以轻松调整，从而适用于很多其他用例。
例如，我们教会了一个AI库如何区分人与动物，并能够在没有任何摄像头的情况下检测到一个或多个人出入房间。 该方法还可以轻松调整，从而适用于很多其他用例。
方法
我们在2米40的门架上安装了一个飞行时间传感器，指向地面，并改变了检测距离，以监测从1米40以上高度的运动（排除了狗和行李箱等对象）
当有人类进入飞行时间的范围，就会触发传感器。 我们将传感器的32个信号以15 Hz的频率（最大值）串联起来，用于捕捉方向（进或出）。
我们对飞行时间捕获的距离进行二值化处理，因为我们并不需要关于出入者身高的信息。
我们创建了4个类别的数据集。 单人进入和单人出去的1000个信号。 以及双人进入和双人出去的400个信号。
最后，我们在NanoEdge AI Studio中创建了一个“N类分类”模型（4类），并在NUCLEO_F411RE上（配有X-NUCLEO-53L5A1附加板）对其进行实时测试。
当有人类进入飞行时间的范围，就会触发传感器。 我们将传感器的32个信号以15 Hz的频率（最大值）串联起来，用于捕捉方向（进或出）。
我们对飞行时间捕获的距离进行二值化处理，因为我们并不需要关于出入者身高的信息。
我们创建了4个类别的数据集。 单人进入和单人出去的1000个信号。 以及双人进入和双人出去的400个信号。
最后，我们在NanoEdge AI Studio中创建了一个“N类分类”模型（4类），并在NUCLEO_F411RE上（配有X-NUCLEO-53L5A1附加板）对其进行实时测试。
传感器
飞行时间： VL53L5CX
数据
4 类数据1 人进入、2 人进入、1 人离开、2 人离开
信号长度2048（32 个连续的 8x8 矩阵）
数据速率15 赫兹
信号长度2048（32 个连续的 8x8 矩阵）
数据速率15 赫兹
结果
3 类分类：
98.14% 的准确率，27.1 KB RAM，229 KB 闪存
绿点表示分类正确的信号。 红点表示分类不正确的信号。 类别位于横坐标，预测置信度显示在纵坐标上
资源 ![NanoEdge AI Studio]()
![NanoEdge AI Studio]()
![STM32]()
![STM32]()
模型创建工具 NanoEdge AI Studio
一款免费的AutoML软件，用于向嵌入式项目添加AI，并逐步引导用户轻松找到符合其需求的最佳AI模型。
兼容 STM32
STM32系列32位微控制器基于Arm Cortex®-M处理器，旨在为MCU用户提供新的开发自由度。它包括一系列产品，集高性能、实时功能、数字信号处理、低功耗/低电压操作、连接性等特性于一身，同时还保持了集成度高和易于开发的特点。