基于有监督域适应的人体行为识别方法、电子设备技术

本公开提供一种基于有监督域适应的人体行为识别方法、电子设备，所述方法包括：响应于获取目标域的第一雷达回波信号；对所述第一雷达回波信号进行预处理，以得到待识别的目标域数据集；利用预先训练得到的目标域人体行为识别模型对所述待识别的目标域数据集进行处理，得到所述待识别的目标域数据集的人体行为识别结果，其中，所述目标域人体行为识别模型是基于预先训练得到的源域特征提取器经过生成对抗式训练得到的。本公开的技术方案，能够在目标域的数据样本较少的情况下，使人体行为识别模型获得较准确地识别结果，提高了模型的泛化性和鲁棒性，同时节约了大量的人力物力。同时节约了大量的人力物力。同时节约了大量的人力物力。

【技术实现步骤摘要】
基于有监督域适应的人体行为识别方法、电子设备


[0001]本公开涉及雷达图像处理领域，尤其涉及一种基于有监督域适应的人体行为识别方法、电子设备。

技术介绍

[0002]雷达图像人体行为识别是指使用模式识别、机器学习等方法，从雷达信号中自动地分析出人体行为。最简单的行为识别也称为行为分类，它将雷达信号中的人体行为正确地分类到预先定义的几种行为类别中(如跑步、行走、跳跃等)。雷达图像人体行为识别是近年发展起来的新技术，经人体运动调制后的雷达回波信号包含了人体各部位微动产生的多普勒频率，回波通过时频变换生成图像并将之应用于人体目标的运动辨识和参数估计中，使得人体行为的雷达时频图像识别成为可能。
[0003]现有的基于神经网络的雷达图像人体行为识别方法虽然能够获得较准确的识别结果，但是通常需要大量的训练样本对神经网络参数进行学习，在标记雷达图像样本时耗费大量的人力物力。此外训练样本数通常远小于所需样本数，会存在小样本问题，小样本极大地制约了神经网络模型的泛化性和鲁棒性。

技术实现思路

[0004]有鉴于此，本公开的目的在于提出一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于有监督域适应的人体行为识别方法，包括：响应于获取目标域的第一雷达回波信号；对所述第一雷达回波信号进行预处理，以得到待识别的目标域数据集；利用预先训练得到的目标域人体行为识别模型对所述待识别的目标域数据集进行处理，得到所述待识别的目标域数据集的人体行为识别结果，其中，所述目标域人体行为识别模型是基于预先训练得到的源域特征提取器经过生成对抗式训练得到的。2.根据权利要求1所述的方法，其中，所述目标域人体行为识别模型包括：目标域特征提取器和多分类域间判别器；所述利用预先训练得到的目标域人体行为识别模型对所述待识别的目标域数据集进行处理，得到所述待识别的目标域数据集的人体行为识别结果包括：利用所述目标域特征提取器提取所述待识别的目标域数据集中的人体行为信息；利用所述多分类域间判别器对所述人体行为识别信息进行人体行为识别以及对所述人体行为信息所属的域进行判断，并输出所述待识别的目标域数据集的人体行为识别结果，其中，所属的域包括源域和目标域。3.根据权利要求2所述的方法，其中，所述人体行为识别模型的训练过程包括：根据带有标签的源域数据集以及带有标签的目标域数据集，构建训练集，其中，所述源域数据集的数量大于所述目标域数据集的数量；基于所述训练集，采用生成对抗式训练的方式对预先训练得到的源域特征提取器、所述目标域特征提取器和所述多分类域间判别器进行联合训练，以得到所述目标域人体行为识别模型。4.根据权利要求3所述的方法，其中，利用所述带有标签的源域数据集对所述源域特征提取器进行训练，以得到训练好的源域特征提取器。5.根据权利要求3所述的方法，其中，所述源域特征提取器和所述目标域特征提取器是利用以下第一损失函数进行训练的：进行训练的：其中，X
s
表示源域数据，X
t
表示目标域数据，D表示多分类域间判别器模型，F表示目标域特征提取器，D'(
·
)＝q
d
表示多分类域间判别器的最后一个全连接层中最后一维的输出，F(
·
)表示目标域特征提取器，d∈{s,t}表示d＝s或d＝t，则x
d
‑
X
d
...

【专利技术属性】
技术研发人员：景晓军，李新羽，穆俊生，黄海，崔原豪，张荣辉，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：