基于运动状态与双向分类的雷达人体动作识别
信号处理
2019-12-18 v1 机器学习
摘要
我们使用调频连续波(FMCW)雷达对日常活动(ADL)进行分类。特别地，我们考虑在时间上不可分离的连续动作。微多普勒特征与距离图均被用于确定从平移（行走）到原地运动及反之的过渡，并提供运动起始与终止时间。平移运动之后和之前的活动的可能类别可分别由前向分类器与背景分类器处理。本文以状态与过渡动作描述日常活动，并建立了处理可分离与不可分离连续动作的框架。研究表明，相较于在任何给定时刻纳入所有日常活动，仅考虑源于当前运动状态的物理上可能的动作类别可提高分类率。
引用
@article{arxiv.1911.03512,
title = {Radar Human Motion Recognition Using Motion States and Two-Way Classifications},
author = {Moeness G. Amin and Ronny G. Guendel},
journal= {arXiv preprint arXiv:1911.03512},
year = {2019}
}