基于时间距离像的人体动作深度学习分类

• 作者: 谢晓兰 陈梓涵
• 来源期刊: 桂林理工大学学报
• 学科: 工学
• 关键词: 人体动作分类 超宽带雷达 时间-距离像 深度卷积神经网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 信息科学
• 页码范围: 197-203
• 页数: 7页
• 分类号: TP391.4
• 字数: 5170字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-9057.2019.01.025

摘要

在人体目标的雷达自动识别中,常用提取到的人体微多普勒特征对人体运动状态或动作姿态进行识别.受人体多变姿态和躯干强回波的影响,人体微多普勒特征有时是微弱和模糊的,难以稳定提取并用于分类.本文使用超宽带雷达录取了人体动作的高分辨率距离像,由连续多帧距离像构建了覆盖整个动作的时间-距离像,采用深度卷积神经网络自动学习时间-距离像的分层特征并进行了分类,对9种动作的平均分类精度达到了96.67％.实验结果验证了深度卷积神经网络对基于时间-距离像的人体动作分类是可行和有效的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢晓兰	桂林理工大学信息科学与工程学院	67	232	8.0	14.0
2	陈梓涵	桂林理工大学信息科学与工程学院	1	0	0.0	0.0