科研之友
微信
新浪微博
Facebook
分享链接
摘要
穿墙雷达能够穿透建筑物墙体，实现室内人体目标探测。利用深度学习提取不同肢节点的微多普勒特征，可以有效辨识障碍物后的人体行为。但是，当生成训练、验证集与生成测试集的受试者不同时，基于深度学习的行为识别方法测试准确率相对验证准确率往往较低，泛化能力较差。因此，该文提出一种基于微多普勒角点特征与Non-Local机制的穿墙雷达人体步态异常终止行为辨识技术。该方法利用Harris与Moravec检测器提取雷达图像上的角点特征，建立角点特征数据集；利用多链路并行卷积和Non-Local机制构建全局上下文信息提取网络，学习图像像素的全局分布特征；将全局上下文信息提取网络重复堆叠四次得到角点语义特征图，经多层感知机输出行为预测概率。仿真和实测结果表明，所提方法可以有效识别室内人体步行过程中存在的坐卧、跌倒等突发步态异常终止行为，在提升识别准确率、鲁棒性的前提下，有效控制泛化精度误差不超过6.4%。
- 单位
