-
公开(公告)号：CN111796272A
公开(公告)日：2020-10-20
申请号：CN202010513674.7
申请日：2020-06-08
Applicant: 桂林电子科技大学
Abstract: 本发明适用于穿墙雷达领域，提供了一种穿墙雷达人体图像序列的姿态实时识别方法及计算机设备。方法包括：根据目标的雷达回波信号通过人体图像生成算法构建隐藏人体目标运动时的人体图像序列；将隐藏人体目标运动时的人体图像序列按照预设的比例划分为训练集样本和测试集样本，并在对应时刻标注相应动作标签；通过3D卷积层和3D卷积门控循环单元相结合的方式构建人体姿态实时识别网络，并通过训练集样本对人体姿态实时识别网络进行训练；将测试集样本输入到训练后的人体姿态实时识别网络中，得到每个时刻的姿态类别。本发明具备了人体行为类型短时判决的能力，有效地解决了固定时间内动作不完整或存在两种动作时就很难区分出来等问题。
-
公开(公告)号：CN112198506A
公开(公告)日：2021-01-08
申请号：CN202010961350.X
申请日：2020-09-14
Applicant: 桂林电子科技大学
Abstract: 本发明实施例涉及一种超宽带穿墙雷达学习成像的方法、装置、系统和可读存储介质，该方法获取隐蔽目标的回波散射数据；去除所述回波散射数据的墙体回波和噪声；根据衍射层析成像算法，构建傅里叶变换快速算子；基于所述回波散射数据和所述傅里叶变换快速算子，构建压缩感知稀疏重构模型；并将稀疏重构迭代算法展开成多层神经网络结构，通过训练数据集对网络模型中超参数训练。本发明通过随机降采样回波数据，大大地降低系统的频域数据采集量，减少了系统的数据采集时间；通过构建傅里叶变换快速算子，减少算法运行所需内存；通过数据驱动智能学习网络模型超参数，既降低计算复杂度，避免了稀疏重构方法迭代耗时的限制，又提高了成像质量。
-
公开(公告)号：CN112198506B
公开(公告)日：2022-11-04
申请号：CN202010961350.X
申请日：2020-09-14
Applicant: 桂林电子科技大学
Abstract: 本发明实施例涉及一种超宽带穿墙雷达学习成像的方法、装置、系统和可读存储介质，该方法获取隐蔽目标的回波散射数据；去除所述回波散射数据的墙体回波和噪声；根据衍射层析成像算法，构建傅里叶变换快速算子；基于所述回波散射数据和所述傅里叶变换快速算子，构建压缩感知稀疏重构模型；并将稀疏重构迭代算法展开成多层神经网络结构，通过训练数据集对网络模型中超参数训练。本发明通过随机降采样回波数据，大大地降低系统的频域数据采集量，减少了系统的数据采集时间；通过构建傅里叶变换快速算子，减少算法运行所需内存；通过数据驱动智能学习网络模型超参数，既降低计算复杂度，避免了稀疏重构方法迭代耗时的限制，又提高了成像质量。
-
公开(公告)号：CN111796272B
公开(公告)日：2022-09-16
申请号：CN202010513674.7
申请日：2020-06-08
Applicant: 桂林电子科技大学
IPC: G01S13/88 , G01S7/41 , G06V40/10 , G06V10/764
Abstract: 本发明适用于穿墙雷达领域，提供了一种穿墙雷达人体图像序列的姿态实时识别方法及计算机设备。方法包括：根据目标的雷达回波信号通过人体图像生成算法构建隐藏人体目标运动时的人体图像序列；将隐藏人体目标运动时的人体图像序列按照预设的比例划分为训练集样本和测试集样本，并在对应时刻标注相应动作标签；通过3D卷积层和3D卷积门控循环单元相结合的方式构建人体姿态实时识别网络，并通过训练集样本对人体姿态实时识别网络进行训练；将测试集样本输入到训练后的人体姿态实时识别网络中，得到每个时刻的姿态类别。本发明具备了人体行为类型短时判决的能力，有效地解决了固定时间内动作不完整或存在两种动作时就很难区分出来等问题。
-
-
-
Search Results
4
records
(took 0.025 seconds)
