公开(公告)号：CN113313040B

公开(公告)日：2022-05-13

申请号：CN202110623471.8

申请日：2021-06-04

Applicant: 福州大学

Inventor： 冯心欣 ,  李文龙 ,  聂俊郡 ,  郑海峰

IPC: G06K9/00 ,  G06V40/20 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G01S13/88 ,  G06F17/14 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于FMCW雷达信号的人体姿势识别方法，其首先将FMCW雷达采集到的数据进行离散傅里叶变换（FFT），获得目标距离、目标速度以及目标角度。其次，采用DBSCAN聚类算法以及Hampel滤波法，解决了范围内动态或静态目标的噪声干扰的同时去除多余的异常值，提高人体姿势的精度，从而构造了距离‑时间图(DTM)和速度‑时间图(VTM)。最后，搭建了一种基于不同融合方式的多维参数深度学习网络框架。该网络框架利用卷积神经网络对DTM、VTM数据集进行特征提取，利用低秩多模态融合（LMF）网络进行不同数据集的特征融合，采用域鉴别器获得与环境无关的特征并使用活动识别器获得姿势识别结果。该方法可以有效去除FMCW人体姿势识别的背景噪声干扰，具有对环境不敏感的优势。

公开(公告)号：CN113313040A

公开(公告)日：2021-08-27

申请号：CN202110623471.8

申请日：2021-06-04

Applicant: 福州大学

Inventor： 冯心欣 ,  李文龙 ,  聂俊郡 ,  郑海峰

IPC: G06K9/00 ,  G06K9/62 ,  G01S13/88 ,  G06F17/14 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于FMCW雷达信号的人体姿势识别方法，其首先将FMCW雷达采集到的数据进行离散傅里叶变换（FFT），获得目标距离、目标速度以及目标角度。其次，采用DBSCAN聚类算法以及Hampel滤波法，解决了范围内动态或静态目标的噪声干扰的同时去除多余的异常值，提高人体姿势的精度，从而构造了距离‑时间图(DTM)和速度‑时间图(VTM)。最后，搭建了一种基于不同融合方式的多维参数深度学习网络框架。该网络框架利用卷积神经网络对DTM、VTM数据集进行特征提取，利用低秩多模态融合（LMF）网络进行不同数据集的特征融合，采用域鉴别器获得与环境无关的特征并使用活动识别器获得姿势识别结果。该方法可以有效去除FMCW人体姿势识别的背景噪声干扰，具有对环境不敏感的优势。