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！

申请/专利权人：浙江工业大学

摘要：一种基于多维特征融合的少样本人体动作识别方法，首先对各种动作的中频信号进行背景帧差处理，消除静态目标和杂波干扰，然后进行二维傅里叶变换和三维傅里叶变换，得到距离‑速度信息和距离‑多普勒‑方位信息，再将距离‑速度信息在速度维方向进行投影压缩，得到微多普勒时频图，同时将距离‑多普勒‑方位信息进行视角提取得到距离‑方位图；为了减小网络计算量，进一步将微多普勒时频图和距离方位图均转化成二值图像，并按照设定比例划分为训练验证集和测试集；最后基于度量学习设计了双流特征融合的残差原型网络以提取人体动作的多维特征，训练出最优模型并测试，实现了少样本条件下的人体动作识别。本发明提高了动作识别的准确度。

主权项：1.一种基于多维特征融合的少样本人体动作识别方法，其特点在于，所述方法包括以下步骤：步骤1：搭建毫米波雷达信息数据采集平台，设置雷达参数；步骤2：人体站在雷达正前方2-3m处进行七种动作的采集，每个动作持续2-3秒，利用毫米波雷达将发射信号和接收信号进行混频处理，得到中频信号，并以.bin的文件格式存储到PC端；步骤3：对上述步骤2中存储的中频信号先进行背景帧差处理，去除噪声，然后进行二维傅里叶变换和三维傅里叶变换得到距离多普勒图和距离方位图，再对距离多普勒图进行速度维投影得到距离-速度图；步骤4：将获得的所有距离-速度谱图和距离-方位谱图转化为二值图像，降低网络计算量，然后将其分为训练集，验证集和测试集；步骤5：将训练集中的两种特征图输入双流的残差原型网络中，提取人体动作的微多普勒时间特征和距离-方位特征并进行融合，然后训练得到一个参数模型，再通过验证集对这个模型进行验证，取最好的模型进行保存；所述双流残差原型网络相比与原始的原型网络而言，去除了一个卷积块，但是增加了三个残差块；每一流由三个卷积块以及3个残差块构成，其中卷积块是由一个卷积核大小为3，步长为1的卷积核，一个批处理归一化层、ReLU激活函数以及池大小为2，步长为2的池化层组成，残差层通过将卷积层中的卷积核大小替换成1来形成；残差块则由3个三个卷积层组成，每个卷积层都包括卷积操作，批归一化BN操作和ReLU激活操作；通过卷积神经网络提取图像特征，然后利用自适应平均池化来去除一些不必要的特征，最终得到每个样本的特征向量；步骤6：将保存的最好模型应用到测试集中，得到最终的人体动作分类结果。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种基于多维特征融合的少样本人体动作识别方法