一种基于雷达仿真图像的卷积神经网络人体动作分类方法技术

本发明专利技术涉及一种基于雷达仿真图像的卷积神经网络人体动作分类方法，包括下列的步骤：建立包含多种人体动作的时频图像数据集；雷达时頻图像数据增强；建立卷积神经网络模型：以手写体识别网络LeNet为基础，在其3个卷积层、2个池化层以及2个全连接层的基础上，引入修正线性单元ReLU替换原来的Sigmoid激活函数作为卷积网络的激活函数，并增加一个池化层，减少一个全连接层，构成卷积神经网络结构，该结构包含3个卷积层、3个最大池化层和1个全连接层，调整网络的层间结构和层内结构及训练参数以达到更好的分类效果；训练卷积神经网络模型。

A convolution neural network method for human action classification based on radar simulation image

The invention relates to a human body movement convolution neural network classification method based on radar image simulation, including the following steps: establishing a time-frequency image data contains a variety of human motion image data set; radar frequency enhancement; establish convolution neural network model with handwritten recognition based on LeNet network, the 3 layer Volume 2, a pool of 2 full layer and connection layer on the basis of introducing the modified linear ReLU unit to replace the original Sigmoid activation function as the activation function of the convolutional network, and adding a pool layer, a connecting layer reduced, the structure of convolutional neural network, the structure consists of 3 layers, Vol. the 3 largest pool of 1 full layer and connection layer, adjust the network layer structure and layer structure and training parameters to achieve better classification results; training convolutional neural network model.

【技术实现步骤摘要】
一种基于雷达仿真图像的卷积神经网络人体动作分类方法
本专利技术属于雷达目标分类与深度学习领域，涉及应用雷达进行人体动作分类的问题。
技术介绍
在人们在与外界进行交互的过程中，除了通过语音交流，还常常借助肢体语言，即通过动作行为传递信息。人体动作分类在许多领域具有广泛的应用场景，例如智能监控、人机交互、虚拟现实、体感游戏、医疗监护等。当前对人体动作识别的研究大多集中于基于视觉的识别，其核心是通过计算机对传感器采集的原始图像或图像序列数据进行处理和分析，学习并理解其中人的动作和动作。然而，不同的光照、视角和背景等条件会使相同的人体动作在姿态和特性上产生差异。此外，还存在人体自遮挡、部分遮挡、人体个体差异、多人物识别对象等问题，这些都是现有的基于视觉方法的人体动作分类方案难以突破的瓶颈。雷达探测人体有着其他传感器所不具备的优势：首先是其探测距离远；其次，雷达不易受到天气、光线、温度等环境因素的影响；最后，雷达具备穿透墙壁等障碍物的能力，可对障碍物后的人员实施探测。目前，雷达人体探测在很多应用中得到了长足的发展，如无人机、无人车环境感知、医疗患者监护、火灾或地震幸存者搜救、巷战敌情态势感知、本文档来自技高网...

【技术保护点】
一种基于雷达仿真图像的卷积神经网络人体动作分类方法，包括下列的步骤：1)建立包含多种人体动作的时频图像数据集：选用MOCAP数据集进行雷达图像仿真，利用MOCAP数据集中的人体动作测量数据构建人体目标运动学模型并用于雷达时频图像仿真，建立基于椭球体的人体动作模型，得到人体目标雷达回波，对回波使用时频变换进而生成雷达时频图像，建立包含多种人体动作的时频图像数据集；2)雷达时頻图像数据增强：对所得到的雷达时頻图像沿时间轴利用滑窗法截取，以产生足够多的数据用于卷积神经网络的训练，将截取生成的雷达图像分为训练集和测试集，完成数据集的构建。3)建立卷积神经网络模型：以手写体识别网络LeNet为基础，在其...

【技术特征摘要】
1.一种基于雷达仿真图像的卷积神经网络人体动作分类方法，包括下列的步骤：1)建立包含多种人体动作的时频图像数据集：选用MOCAP数据集进行雷达图像仿真，利用MOCAP数据集中的人体动作测量数据构建人体目标运动学模型并用于雷达时频图像仿真，建立基于椭球体的人体动作模型，得到人体目标雷达回波，对回波使用时频变换进而生成雷达时频图像，建立包含多种人体动作的时频图像数据集；2)雷达时頻图像数据增强：对所得到的雷达时頻图像沿时间轴利用滑窗法截取，以产生足够多的数据用于卷积神经网络的训练，将截取生成的雷达图像分为训练集和测试集，完成数据集的构建。3)建立卷积神经网络模型：以手写体识别网络Le...

【专利技术属性】
技术研发人员：侯春萍，郎玥，杨阳，黄丹阳，何元，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12