基于多尺寸 mmWave FMCW 雷达数据的少样本人体运动识别
信号处理
2025-01-22 v1
摘要
基于深度学习模型的人体运动识别雷达方法近年来成为遥感领域的热点，但现有方法大多以径向为导向。在实际应用中，测试数据可能呈现多尺寸且每种运动的样本数非常有限，导致模型过拟合和识别准确率下降。本文提出了一种名为 channel-DN4 的多尺寸少样本人体运动识别方法。首先引入局部描述子以获得精确的分类指标。此外，采用情景训练策略以减少模型过拟合。为了利用多尺寸条件下的不变语义信息，我们在嵌入网络后加入通道注意力机制，以获得语义信息的精确隐式高维表示。我们在测量的 mmWave FMCW 雷达数据上测试了 channel-DN4 与其他方法的性能。该方法在 3 路 10 -shot 条件下达到最高 87.533% 的识别准确率，而其他方法则因过拟合表现较差。代码已公开：https://github.com/MountainChenCad/channel-DN4
引用
@article{arxiv.2501.11028,
title = {Few-shot Human Motion Recognition through Multi-Aspect mmWave FMCW Radar Data},
author = {Hao Fan and Lingfeng Chen and Chengbai Xu and Jiadong Zhou and Yongpeng Dai and Panhe HU},
journal= {arXiv preprint arXiv:2501.11028},
year = {2025}
}