mmAnomaly：结合视觉上下文实现毫米波雷达非视觉场景鲁棒异常检测

毫米波雷达使非视觉场景下的人体感知成为可能——例如穿透衣物或某些类型的墙壁——而传统相机因遮挡或隐私限制在此类场景中失效。然而，毫米波雷达的鲁棒异常检测仍具挑战性，因为信号反射受材料特性、杂波和多径干扰的影响，产生复杂的非高斯失真。现有方法缺乏上下文感知能力，将良性信号变化误判为异常。我们提出了mmAnomaly，一个将毫米波雷达与RGBD输入相结合的多模态异常检测框架，以融入视觉上下文。我们的系统利用基于ResNet的快速分类器提取语义线索——如场景几何和材料属性——并使用条件潜在扩散模型为给定的视觉上下文合成预期的毫米波谱。双输入比较模块随后识别真实谱与生成谱之间的空间偏差以定位异常。我们在两个多模态数据集上评估mmAnomaly，涵盖三个应用：隐蔽武器定位、穿墙入侵者定位和穿墙跌倒定位。该系统在衣物、遮挡和杂乱环境中均实现了高达94%的F1分数和亚米级定位误差，展示了鲁棒的泛化能力。这些结果确立了mmAnomaly作为一个准确且可解释的面向上下文感知的毫米波传感异常检测框架。