公开(公告)号：CN116524537A

公开(公告)日：2023-08-01

申请号：CN202310465077.5

申请日：2023-04-26

Applicant: 东南大学 ,  网络通信与安全紫金山实验室

Inventor： 武其松 ,  孟德馨 ,  赵涤燹

IPC: G06V40/10 ,  G06V10/40 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于CNN和LSTM联合的人体姿态识别方法，首先，采集训练与测试所需的中频信号样本数据；其次，对中频信号数据进行距离维傅立叶变换得到时间‑距离图像，沿距离维对目标所在距离单元数据求和得到一维距离谱峰，经过短时傅里叶变换得到时间‑频率图像，并对每张图像标注不同类别的标签；建立三通道的深度学习神经网络模型，在每个通道中结合CNN和LSTM网络，通道一与通道二将时间‑频率图像作为输入，在卷积层采用有大小差异的卷积核提取特征，通道三将时间‑距离图像作为输入。输入数据到模型中进行训练。该方法将毫米波雷达与CNN和LSTM网络结合，并采用多类特征图像进行融合，充分利用时序的特征信息，提高了对人体姿态进行识别的准确率。