买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉山东大学;山东青橙数字科技有限公司申请的专利一种基于全局像素特征的毫米波雷达人体行为识别系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120491016B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510976315.8，技术领域涉及：G01S7/41；该发明授权一种基于全局像素特征的毫米波雷达人体行为识别系统及方法是由许宏吉;艾文涛;李昕娅;于永辉;任启迎;刘照阳;刘怀强;杨晨旭设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本一种基于全局像素特征的毫米波雷达人体行为识别系统及方法在说明书摘要公布了：本发明公开了一种基于全局像素特征的毫米波雷达人体行为识别系统及方法，涉及人体行为识别技术领域，其特征是，包括：依次连接的毫米波雷达原始数据采集模块、毫米波雷达原始数据传输模块、毫米波雷达原始数据预处理模块、基于全局像素特征的时间提取网络距离‑多普勒特征提取与分类模块及人体行为信息应用模块；所述毫米波雷达原始数据采集模块包括毫米波雷达发射单元、接收单元、信号混频单元和功率放大单元。本发明要解决的技术问题是提供一种基于全局像素特征的毫米波雷达人体行为识别系统及方法，减少了计算量和参数数量，提高易混淆行为的识别准确率，并实现复杂人体行为的有效识别，提升现有模型的识别性能。

本发明授权一种基于全局像素特征的毫米波雷达人体行为识别系统及方法在权利要求书中公布了：1.一种基于全局像素特征的毫米波雷达人体行为识别系统的识别方法，其特征是，包括以下步骤： S1：毫米波雷达原始数据采集，通过毫米波雷达采集用户的行为的原始数据，该原始数据的格式为IQ数据，以二进制文件形式存储； S2、毫米波雷达原始数据传输，将毫米波雷达原始数据采集模块采集的原始数据通过以太网电缆传输至毫米波雷达原始数据预处理模块的原始数据储存单元； S3、毫米波雷达原始数据预处理，包括数据分帧与啁啾矩阵重塑、距离维快速傅里叶变换、匹配滤波、动目标显示和速度维快速傅里叶变换，原始数据储存单元对雷达原始数据按帧以25%重叠率进行切割，每帧包含128个啁啾；对啁啾矩阵重构为二维矩阵，两个维度依次为啁啾、帧；对啁啾矩阵沿着快时间维度进行快速傅里叶变换提取目标的距离信息，快速傅里叶变换的结果将展示不同频率成分的强度，由于频率与目标距离成正比，直接转换为距离信息；采用脉冲压缩技术增强有用信号的检测能力，提升雷达信号的分辨率，从而实现更精准的测距和测速；通过四阶巴特沃斯滤波器从毫米波雷达采集的原始数据中分离出高频动态目标的特征，同时抑制静止或缓慢变化的背景杂波；沿着慢时间维度进行快速傅里叶变换提取目标的速度信息，通过分析快速傅里叶变换结果中的频率偏移计算出目标的速度； S4：构建基于全局像素特征的时间提取网络距离-多普勒特征提取与分类模块，进行人体行为识别分类；将完成特征预处理的6帧距离-多普勒特征图分批次输入到基于全局像素特征的时间提取网络距离-多普勒特征提取与分类模块，然后通过基于全局像素特征的时空注意力模块进行时序建模、时空特征分离模块显示分离时间特征和空间特征的提取，最后由全连接层分类器输出判别结果； S5：输出动作识别结果，经过多维时空特征提取和融合后将得到的特征数据输入全连接层，全连接层隐藏单元的个数为数据包含的行为类别数；经过全连接层后的数据通过Softmax分类器，计算对应行为的概率，概率最高的行为类型为最终的判断结果； S6：人体行为信息显示及应用，通过人体行为信息应用模块，将行为识别结果进行可视化显示，用于智慧医疗、智慧交通和智能家居领域； 所述S4包括： S41：对输入特征图进行时序建模，充分挖掘多帧距离-多普勒特征图间的时间关联特征； 输入特征图的维度为，其中是通道数，是时间维度，和分别是空间高度和宽度； S42：空间下采样；输入特征图经空间下采样处理，压缩特征图空间维度，降低计算复杂度，其中，三维卷积层的卷积核大小为，步幅大小为2，填充方式为三维卷积模块，三维卷积模块计算方式如下式所示： ； 其中：表示三维卷积的输出特征图，表示三维卷积的输入特征图，表示三维卷积函数； S43：自注意力机制；自注意力机制允许模型在处理输入序列时动态地关注不同部分的重要性； 将维度为输入序列分别通过三个线性变换层，生成查询矩阵、键矩阵和值矩阵，计算方式如下式所示： ； 其中：表示三维卷积的输出特征图； 通过点积运算可以得到注意力分数矩阵，计算方式如下式所示： ； 其中：表示键矩阵的特征维度，为缩放因子，softmax为Softmax函数； 最后，通过加权求和操作得到上下文向量，计算方式如下式所示： ； S44：全局均值滤波；首先计算任意两个位置之间的交互直接捕捉远程依赖，而不用局限于相邻点，关联性函数计算方式如下式所示： ； 其中：表示内积，和分别为位置矩阵； S45：特征加权与残差连接；通过注意力分数矩阵A对值矩阵V加权，聚合全局上下文信息，残差连接将三维卷积的输出特征图直接叠加到全局特征上，避免信息丢失； 残差连接结果计算方式如下式所示： ； 所述S4还包括： 将传统的三维卷积核分解为空间域二维卷积和时间域一维卷积的卷积核的组合； 通道压缩；首先对输入特征图进行通道压缩，通过修剪冗余通道，降低计算复杂度； 空间特征提取；通过两个并行卷积分支分别提取不同维度的空间特征，支路一使用1×3×3卷积核，专注于提取水平-垂直方向的空间关系，支路二使用1×1×1卷积核，实现跨通道交互，两条支路的计算方式如下式所示： ； 特征融合结果计算方式如下式所示： ； 其中：提取局部空间特征，关注通道交互，为空间卷积，为1×1×1卷积； 时间特征提取；3×1×1卷积核覆盖连续3帧，计算加权和以捕捉短时运动模式，仅在时间轴滑动，空间维度保持独立处理。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人山东大学;山东青橙数字科技有限公司，其通讯地址为：250100 山东省济南市历下区山大南路27号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。