公开(公告)号：CN116883706A

公开(公告)日：2023-10-13

申请号：CN202310875227.X

申请日：2023-07-17

Applicant: 电子科技大学

Inventor： 周瑞 ,  张宏旺 ,  刘辰旭 ,  徐睿 ,  匡平

IPC: G06V10/762 ,  G06V10/30 ,  G06V10/774 ,  G06V40/20 ,  G06V10/82 ,  G06V10/764 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提供一种基于毫米波雷达的多人实时动作识别方法，通过接收识别环境中反射的毫米波信号并对实时采集的点云数据和多普勒数据进行处理从而进行多人动作识别，通过连续两帧之间检测对象数目的关系消除短暂鬼影，并有效感知新对象的出现，然后通过鬼影镜面特性，对新出现的对象进行连续多帧的鬼影消除，从而消除连续鬼影。本发明以动作的持续序列为基础，将多个检测对象的多普勒数据进行分割。局部切割使得数据视野更聚焦于动作，更直观反映动作随时间的位置变化，从而有利于动作识别。本发明依据强度最大的速度索引值，计算检测对象的真实速度，从而压缩多普勒数据中的速度维度，从而减少神经网络的参数数量，降低计算复杂度。

公开(公告)号：CN115457732B

公开(公告)日：2023-09-01

申请号：CN202211018371.3

申请日：2022-08-24

Applicant: 电子科技大学

Inventor： 罗悦 ,  周瑞 ,  张子若 ,  程宇 ,  张宏旺 ,  王佳昊

IPC: G08B21/04 ,  H04W84/12 ,  G06F18/241 ,  G06F18/214

Abstract: 本发明提供一种基于样本生成和特征分离的跌倒检测方法，从WiFi信号的CSI数据中提取各子载波的幅值信息进行跌倒检测。为了解决跌倒样本量不足和跌倒检测模型对环境的依赖，将源域数据中的跌倒动作样本进行加噪声重构得到跌倒动作虚拟样本，再利用特征提取器提取源域数据和虚拟跌倒数据的特征向量，通过特征提取器得到的特征向量层神经元可以分为两部分，上半部分带入跌倒与非跌倒检测二分类器训练，下半部分带入域分类器训练，上半部分在训练的过程中逐渐保留跌倒与非跌倒动作相关的信息，下半部分在训练的过程中逐渐保留环境相关信息，使得跌倒与非跌倒检测二分类器能够更好的区分跌倒与非跌倒动作，增强了跌倒检测针对环境的泛化能力。