基于FMCW雷达和ResNeSt-GRU的行为识别方法

针对FMCW雷达在行为识别方面的应用，提出一种基于分离注意力残差神经网络（ResNeSt）和门控神经单元（GRU）的人体行为识别系统。使用调频连续波（FMCW）雷达采集人体行为数据，之后采用快速傅里叶变换算法（FFT）提取雷达数据每一帧距离、速度和角度维信息，按照时间维度拼接成距离时间图（RTM）、多普勒时间图（DTM）和角度时间图（ATM），最后以RTM、DTM和ATM作为输入样本，采用三流ResNeSt-GRU模型对不同人体行为进行识别。实验结果表明，三流ResNeSt-GRU模型对8种行为的平均识别准确率达到了98.92%，均高于传统和融合式深度学习模型。此外，采用该模型比传统特征融合之后采用单流网络的识别准确率提高了2.3%。因而该系统可以有效提高人体行为识别系统的识别准确率，为人体行为识别提供新的技术方法。