低成本但精确的雷达-based 人类运动方向确定方法探索

本工作是基于与年轻同事的讨论而完成的。运动方向角度影响微动多普勒频谱宽度，因此确定人类运动方向可为下游任务（如步态识别）提供重要的先验信息。然而，基于多普勒-时间图 (DTM) 的方法在实现特征增强和运动确定同时仍有提升空间。为此，本文探索了一种低成本但精确的雷达-based 人类运动方向确定 (HMDD) 方法。具体而言，首先生成雷达-based 人类步态 DTM，然后通过特征链接模型实现特征增强。随后，通过一种轻量级快速的视觉转换器-卷积神经网络混合模型结构实现 HMDD。通过开源数据集验证了所提出方法的有效性。本工作的开源代码已发布于：https://github.com/JoeyBGOfficial/Low-Cost-Accurate-Radar-Based-Human-Motion-Direction-Determination。