mmID：用于人体识别的高分辨率毫米波成像
计算机视觉与模式识别
2024-02-05 v1 信号处理
摘要
通过射频成像实现准确的人体识别一直是一个持续的挑战，主要归因于有限的孔径尺寸及其对成像分辨率的影响。现有的成像解决方案通过估计骨骼关节点，基于深度神经网络实现姿态估计、活动识别和人体跟踪等任务。与估计关节点不同，本文提出通过使用条件生成对抗网络(cGAN)整体估计人体轮廓来提高成像分辨率。为了降低训练复杂度，我们使用基于多信号分类(MUSIC)算法估计的空间频谱作为cGAN的输入。我们的系统生成环境独立的高分辨率图像，可以提取用于人体识别的独特物理特征。我们使用简单的卷积层分类网络获得最终的识别结果。实验结果表明，我们训练好的生成器生成的图像分辨率足以实现人体识别。我们的发现表明，与Kinect设备相比，高分辨率精度达到5%的平均轮廓差异。在不同环境下的多个测试者上进行的大量实验表明，我们的系统在未见过的环境中对静态人体目标识别可以达到93%的总体测试准确率。
引用
@article{arxiv.2402.00996,
title = {mmID: High-Resolution mmWave Imaging for Human Identification},
author = {Sakila S. Jayaweera and Sai Deepika Regani and Yuqian Hu and Beibei Wang and K. J. Ray Liu},
journal= {arXiv preprint arXiv:2402.00996},
year = {2024}
}
备注
This paper was published in the IEEE 9th World Forum on Internet of Things