基于CNN-SVM的调频连续波毫米波雷达人体姿势识别研究

针对毫米波雷达人体姿势识别方法局限于单一机器学习或深度学习的问题，提出一种基于卷积神经网络和支持向量机的网络结构来实现人体姿势识别。该网络结构通过卷积神经网络对人体姿势的距离角度图进行特征提取，将提取的特征输入分类器中，使用支持向量机代替Softmax进行分类。为了提高训练速度并避免过拟合，使用主成分分析对数据进行降维。利用实际测得的一名实验者摆出的六种人体姿势生成的数据进行验证，实验中每个姿势有200 组数据，共有1,200 组数据，将其80%划分为训练集，其余的20%划分为测试集。实验结果表明，该网络结构较单独使用卷积神经网络拟合速度更快并且准确率得到提升，识别准确率达到100%，整体网络结构简单，具有一定的实用价值。