典型文献
基于微多普勒特征和深度学习的人体动作识别
文献摘要：
针对基于光学和红外视频数据的人体动作识别受环境影响大及传统机器学习分类方法特征提取复杂的问题,提出基于雷达微多普勒频谱图和深度学习模型的人体动作分类识别方法.首先,搭建77 GHz毫米波雷达数据采集系统.其次,开展人体行为回波数据预处理,有效提取微多普勒信息,得到人体行为二维距离多普勒图像数据集.最后,以距离多普勒谱图作为网络的输入样本,设计3层卷积与池化操作构建特征空间完成4种不同人体动作识别的仿真实验.实验结果表明,与现有的人体动作识别方法相比.将77 GHz调频连续波雷达回波进行距离多普勒处理与CNN结合能够实现对日常人体动作的有效识别,识别准确率可达98.91％,优于传统方法..
文献关键词：
毫米波雷达;人体动作识别;微多普勒;卷积神经网络
中图分类号：
作者姓名：
钟滢洁;李秋生
作者机构：
赣南师范大学 智能控制工程技术研究中心 江西赣州 341000;赣南师范大学 物理与电子信息学院,江西赣州 341000
文献出处：
引用格式：
[1]钟滢洁;李秋生-.基于微多普勒特征和深度学习的人体动作识别)[J].赣南师范大学学报,2022(06):37-42
A类：
多普勒频谱图
B类：
微多普勒特征,视频数据,分类方法,法特,深度学习模型,人体动作分类,分类识别,GHz,毫米波雷达,雷达数据,数据采集系统,人体行为,波数,数据预处理,有效提取,距离多普勒,图像数据集,池化操作,特征空间,人体动作识别方法,调频连续波雷达,雷达回波,行距离,结合能,常人,识别准确率
AB值：
0.261302
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
