行走人体肢体的实时微多普勒特征分解

人体运动的独特微多普勒特征($\boldsymbol{\mu}$-D)可分析为不同身体部位$\boldsymbol{\mu}$-D特征的叠加。实时提取人体肢体$\boldsymbol{\mu}$-D特征可用于检测、分类和跟踪人体运动,尤其在安全应用中。本文结合两种方法来模拟行走人体的$\boldsymbol{\mu}$-D特征。此外,基于$\mu$-D特征和距离剖面(亦称微距离($\mu$-R))等特征,提出了一种肢体$\mu$-D特征时间无关分解的可行性研究。行走人体部位可分为四类(基座、手臂、腿、脚),并使用决策树分类器。进行了验证,该分类器能够实时地从行走人体特征中分解出肢体$\mu$-D特征。