文档摘要：针对传统雷达人体动作识别方法中特征提取能力不足和上下文建模困难的问题,提出了一种结合卷积神经网络(ConvolutionalNeuralNetwork,CNN)和SwinTransformer的网络模型,用于有效识别分布式脉冲超宽带雷达数据中的人体动作.通过多分支的CNN对多个雷达的多个谱图、雷达数据的幅度和相位等特征进行提取和融合,利用SwinTransformer模块的多层自注意力机制对生成的特征映射进行上下文建模,提取具有高级语义信息的特征.采用代尔夫特理工大学(TechnischeUniversiteitDelft)公开的数据集进行5折交叉验证,结果表明所提方法能够有效识别9类连续人体动作,识别准确率达到98.2％.
Abstract：Inresponsetotheshortcomingsofinsufficientfeatureextractioncapabilityanddifficultiesincontextualmodelingintraditionalradar-basedhumanactivityclassificationmethods,anetworkmodelisproposed,whichcombinesconvolutionalneuralnetwork(CNN)andSwinTransformertoeffectivelyrecognizehumanactivityindistributedpulseultra-widebandradardata.MultiplebranchesofCNNareemployedtoextractandfusefeaturesfrommultiplespectrogramsofmultipleradars,aswellastheamplitudeandphaseofradardata.Themulti-layerself-attentionmechanismoftheSwinTransformermoduleisutilizedtomodelthegeneratedfeaturemapsinordertoextractfeatureswithhigh-levelsemanticinformation.Theexperimentalresults,obtainedthrough5-foldcross-validationonapubliclyavailabledatasetfromDelftUniversityofTechnology,demonstratethattheproposedmethodcanaccuratelyidentifyninecategoriesofcontinuoushumanactivitywitharecognitionaccuracyof98.2％.
作者：张丽丽 贾德振 潘天鹏 刘彦娟Author：ZHANGLili JIADezhen PANTianpeng LIUYanjuan
作者单位：沈阳航空航天大学电子信息工程学院,沈阳110136
刊名：电讯技术 ISTICPKU
Journal：TelecommunicationEngineering
年，卷(期)：2024, 64(6)
分类号：TN959.5
关键词：分布式脉冲超宽带雷达 人体动作识别 卷积神经网络(CNN) SwinTransformer 特征融合
Keywords：distributedpulseultra-widebandradar humanactivityrecognition convolutionalneuralnetwork(CNN) SwinTransformer featurefusion
机标分类号：TP391TN914G251
在线出版日期：2024年7月15日
基金项目：辽宁省兴辽英才计划项目，辽宁省教育厅项目基于CNN-SwinTransformer的分布式超宽带雷达人体动作识别[
期刊论文] 电讯技术--2024, 64(6)张丽丽 贾德振 潘天鹏 刘彦娟针对传统雷达人体动作识别方法中特征提取能力不足和上下文建模困难的问题,提出了一种结合卷积神经网络(ConvolutionalNeuralNetwork,CNN)和SwinTransformer的网络模型,用于有效识别分布式脉冲超宽带雷达数据中的人体...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
关键词：分布式脉冲超宽带雷达,人体动作识别,卷积神经网络(CNN),SwinTransformer,特征融合,
|
|
1
