一种基于微多普勒角点特征与动态图神经网络的穿墙雷达人体行为辨识方法

    公开(公告)号:CN118068320A

    公开(公告)日:2024-05-24

    申请号:CN202410140083.8

    申请日:2024-02-01

    Abstract: 本发明公开了一种基于微多普勒角点特征与动态图卷积神经网络(DGCNN)的穿墙雷达室内人体行为辨识技术。所提方法首先利用DoG‑μD‑CornerDet提取雷达距离及多普勒图像上的角点特征。其次,利用基于多项式拟合平滑的微多普勒角点筛选方法,在运动学模型的约束下,最大化行为类间距离。再次,利用非极大值抑制算法实现距离及多普勒像上微多普勒角点特征的融合,建立三维角点点云特征集。最后,利用DGCNN识别模型,实现点云特征数据到行为标签的映射。仿真和实测结果表明,所提方法对不同受试者采集的雷达数据均具备高识别精度和强泛化能力。

Patent Agency Ranking