基于时间距离像的人体动作深度学习分类 |
| |
引用本文: | 谢晓兰,陈梓涵.基于时间距离像的人体动作深度学习分类[J].桂林理工大学学报,2019,39(1):197-203. |
| |
作者姓名: | 谢晓兰 陈梓涵 |
| |
作者单位: | 桂林理工大学信息科学与工程学院,广西桂林,541004;桂林理工大学信息科学与工程学院,广西桂林,541004 |
| |
基金项目: | 国家自然科学基金;广西重点研发计划项目;广西重点研发计划项目;研究生教育创新项目;研究生教育创新项目 |
| |
摘 要: | 在人体目标的雷达自动识别中,常用提取到的人体微多普勒特征对人体运动状态或动作姿态进行识别。受人体多变姿态和躯干强回波的影响,人体微多普勒特征有时是微弱和模糊的,难以稳定提取并用于分类。本文使用超宽带雷达录取了人体动作的高分辨率距离像,由连续多帧距离像构建了覆盖整个动作的时间-距离像,采用深度卷积神经网络自动学习时间-距离像的分层特征并进行了分类,对9种动作的平均分类精度达到了96.67%。实验结果验证了深度卷积神经网络对基于时间-距离像的人体动作分类是可行和有效的。
|
关 键 词: | 人体动作分类 超宽带雷达 时间-距离像 深度卷积神经网络 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《桂林理工大学学报》浏览原始摘要信息 |
|
点击此处可从《桂林理工大学学报》下载全文 |
|