Footstep and Vehicle Detection Using Slow and Quick Adaptive Thresholds Algorithm

Abstract

An algorithm is developed for footstep, vehicle, and rain detection using seismic sensors operating in a wireless sensor network. Each standalone seismic sensor is coupled with a wireless node, and alarm conditions were evaluated at the sensor rather than at the gateway. The algorithm utilizes slow and quick adaptive thresholds to eliminate static and dynamic noise to check for any disturbance. Duration calculation and filters were used to identify the correct alarm condition. The algorithm was performed on preliminary field tests, and detection performance was verified. Footstep alarm condition up to 8 meters and vehicle presence alarm condition up to 50 meters were observed. Presence of rain did not create any alarm condition. Detection based on kurtosis was also performed and shortcomings of kurtosis especially for vehicle detection were discussed, proposed algorithm has minimal load on the sensor board and its data processing unit; thus, it is energy efficient and suitable for wireless sensor alarm networks.

Urban Running Activity Detected Using a Seismic Sensor duringCOVID-19 Pandemic

“…For outdoor footstep applications such as outdoor surveillance [9][10][11][12][13][14], an automatic footstep detection methods for seismic data recorded in a relatively quiet outdoor environment are similar to those in an indoor environment. The impulsive and periodic footstep features can also be extracted using time domain methods.…”

“…Lacombe et al [16] and Anghelescu et al [13] detected the footstep signals by first calculating the kurtosis from the seismic data and then calculating the cadences to further determine if the signals are footstep signals. Koc et al [12] proposed a slow and quick adaptive thresholds algorithm to identify footsteps and vehicles. Time domain footstep detection methods are easy to implement and efficient.…”

Use of Seismic Signals' Time Parameters for Moving Objects Recognition by Remote Seismic Devices

“…Розробка і виготовлення таких СП має велике значення як для цілей охорони цивільних і військових об'єктів, так і для розвідувально-сигналізаційних цілей. В даний час найбільш перспективними СП для виявлення та розпізнавання рухомих об'єктів вважаються СП, які використовують спектральні та спектрально-часові методи обробки сейсмосигналу [3][4][5][6][7][8]. Це, в основному, пов'язано з їх високою (більш 0,92) вірогідністю коректного розпізнавання об'єктів.…”

“…З урахуванням зазначеної вище залежності спектрів сейсмосигналів в місці їх реєстрації від змінних параметрів джерела сигналу і каналу передачі інформації (приповерхневий шар землі), що призводить до похибки класифікації, спектральні характеристики сигналів і їх особливості не використовувались у якості класифікаційних ознак для виявлення людини та транспортних засобів. Треба також відзначити, що використання для цілей класифікації рухомих об'єктів спектральних, частотно-часових та статистичних методів обробки сейсмосигналу [3][4][5][6][7][8]18] зна-чно ускладнює обробку сигналів і збільшує інформаційно-енергетичні витрати. А це вкрай небажано для автономних, віддалених СП.…”