基于卷积神经网络的雷达人体动作识别方法

• 作者: 蒋留兵 车俐 魏光萌
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 人体动作识别 超宽带雷达 深度学习 卷积神经网络
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 168-174,234
• 页数: 8页
• 分类号: TP391.4|TN959.5
• 字数: 6246字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.11.028

摘要

利用雷达来识别人体动作对环境要求较低,且避免了摄像头带来的的隐私问题.针对这种需求,提出一种基于超宽带雷达和深度学习算法的人体动作识别方法.利用超宽带雷达的高距离分辨力,并针对人体动作的动态特性,提取出人体目标的距离-时间二维特征,弥补单一距离特征的不足.针对特征图采用一种经过优化的卷积神经网络进行识别.通过SIR-20高速探地雷达平台进行数据采集,对8种不同的人体动作进行识别,最终达到了平均99.2％的正确识别率,验证了该方法的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	车俐	桂林电子科技大学广西无线宽带通信与信号处理重点实验室	48	78	5.0	6.0
5	蒋留兵	桂林电子科技大学广西无线宽带通信与信号处理重点实验室	74	199	8.0	9.0
9	魏光萌	桂林电子科技大学计算机与信息安全学院	2	1	1.0	1.0