神经网络识别模型训练方法、装置、服务器及存储介质制造方法及图纸

本发明专利技术公开了一种神经网络识别模型训练方法、装置、服务器及存储介质，该方法包括：获取视觉传感器对待检测人体采集的人体骨架数据；将所述人体骨架数据结合第一模型生成所述待检测人体的仿真雷达数据；使用所述仿真雷达数据对第二模型进行训练以获得神经网络识别模型；获取雷达传感器对所述待检测人体的实测雷达数据；将所述实测雷达数据输入到所述神经网络识别模型进行验证。本发明专利技术的技术方案达到了扩充雷达数据库的效果。

【技术实现步骤摘要】
神经网络识别模型训练方法、装置、服务器及存储介质
本专利技术实施例涉及雷达识别技术，尤其涉及一种神经网络识别模型训练方法、装置、服务器及存储介质。
技术介绍
人体动作识别一直是研究的热点之一，尤其是基于视觉的人体动作识别近年来由于深度学习的兴起而日趋成熟。视觉数据直观，易于理解，并且有很多现成的公开数据库，也有很多的应用场景。然而，视觉数据受环境干扰大，如目标受遮挡、光线强弱等，并且不适合比较隐私的场景，因此也有很多学者采用雷达传感器探测。然而，基于雷达的人体动作识别一直没有较大的突破，这很大程度上是由于目前互联网上并没有公开的关于人体动作识别的大型雷达数据库，使得雷达数据样本需要研究人员自主获取，而雷达数据又需要先验信息的辅助才能完成标注工作，这就使得雷达传感器无法像视觉传感器一样可以无人值守地采集数据，既费时又费力，限制了很多基于雷达的研究工作。
技术实现思路
本专利技术提供一种神经网络识别模型训练方法、装置、服务器及存储介质，以实现扩充雷达数据库。第一方面，本专利技术实施例提供了一种神经网络识别模型训练本文档来自技高网...

【技术保护点】
1.一种神经网络识别模型训练方法，其特征在于，包括：/n获取视觉传感器对待检测人体采集的人体骨架数据；/n将所述人体骨架数据结合第一模型生成所述待检测人体的仿真雷达数据；/n使用所述仿真雷达数据对第二模型进行训练以获得神经网络识别模型；/n获取雷达传感器对所述待检测人体的实测雷达数据；/n将所述实测雷达数据输入到所述神经网络识别模型进行验证。/n

【技术特征摘要】
1.一种神经网络识别模型训练方法，其特征在于，包括：
获取视觉传感器对待检测人体采集的人体骨架数据；
将所述人体骨架数据结合第一模型生成所述待检测人体的仿真雷达数据；
使用所述仿真雷达数据对第二模型进行训练以获得神经网络识别模型；
获取雷达传感器对所述待检测人体的实测雷达数据；
将所述实测雷达数据输入到所述神经网络识别模型进行验证。


2.根据权利要求1所述的神经网络识别模型训练方法，其特征在于，所述将所述人体骨架数据结合第一模型生成所述待检测人体的仿真雷达数据之前，还包括：
根据三次样条插值法对所述人体骨架数据进行插值。


3.根据权利要求1所述的神经网络识别模型训练方法，其特征在于，所述第一模型为基于以椭球体形式反射雷达回波的回波模型。


4.根据权利要求1所述的神经网络识别模型训练方法，其特征在于，所述将所述实测雷达数据输入到所述神经网络识别模型进行验证包括：
根据短时傅里叶变换算法对经过杂波抑制和目标检测的所述实测雷达数据提取出目标时频特征；
将所述目标时频特征输入到所述神经网络识别模型对输出的动作标签进行验证。


5.根据权利要求4所述的神经网络识别模型训练方法，其特征在于，所述雷达传感器为多个，所述将所述目标时频特征输入到所述神经网络识别模型对输出的动作标签进行验证包括：
以预设基准时间为参考对多个所述雷达传感器进行时间同步；
将基于相同时...

【专利技术属性】
技术研发人员：阳召成，刘海帆，赖佳磊，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44