基于特征融合卷积神经网络的FMCW雷达人体动作识别

• 作者: 张丽丽 刘博 屈乐乐 刘雨轩
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 人体动作识别 调频连续波雷达 特征融合卷积神经网络 时间-距离特征 微多普勒特征
• 年，卷（期）: 2022,（2）
• 所属期刊栏目: 应用基础与前沿技术|Application Fundamental Research and Advanced Technology
• 页码范围: 147-154
• 页数: 8页
• 分类号: TN959.5
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2022.02.001

摘要

针对微多普勒特征识别人体动作的局限性,基于调频连续波( Frequency Modulated Continuous Wave,FMCW)雷达采用深度学习方法对人体动作识别,提出了一种特征融合卷积神经网络结构.利用FMCW雷达采样的人体动作回波数据分别构建出时间-距离特征和微多普勒特征图,将这两种特征图作为输入数据分别经由输入层进入卷积层,经Batch Normalization层、ReLU激活函数和最大池化层计算之后完成特征降维,然后对两种降维后的特征进行融合,融合后的特征图再经过卷积层和池化层计算获得更深层次的特征,最后经过两个全连接层,在输出层完成人体动作识别.采用英国格拉斯哥大学公开的数据集进行10折交叉验证,实验结果显示,与单一特征域的识别准确率相比,采用两种特征融合的结构进行人体动作识别的准确率提升了1% ,验证了该模型的有效性.