第二十章 人类活动监视雷达Vol.4:行为/步态识别 |
您所在的位置:网站首页 › 430000 邮编 › 第二十章 人类活动监视雷达Vol.4:行为/步态识别 |
一、Introduction 比较巧合的是,进阶篇第二十章,也是所有专栏技术类文章的顺序第三十篇,恰好是我最熟悉的课题。算是一个有趣的Checkpoint吧。 在基于雷达的人体行为/步态识别中,雷达系统通常被放置在需要监测的区域,并通过反射回波来获取人体的多普勒及微多普勒信息。通过分析反射信号的幅度、相位等信息的变化,可以识别人体的步态、姿态和动作等行为模式。与其他传统的人体识别技术相比,我们通常认为基于雷达的人体行为/步态识别具有非接触式、对多种低光、雾、烟雾等恶劣环境鲁棒、不受环境光影响(全天时全天候)等优势。该技术现已经在巷战、反恐安防、医疗、体育训练等领域得到了广泛应用。未来随着雷达技术的发展和研究的深入,基于雷达的人体行为/步态识别将会越来越成为一种重要的人体监视护理技术。 人体行为/步态识别,是最早在雷达信号处理中引入“扩展目标”概念的领域之一。这也是该领域具备一定研究乐趣的原因所在。点目标和扩展目标是雷达技术中常用的两种目标类型,它们的区别在于目标大小、反射信号特征和检测方法等方面。熟悉监视、预警、定位跟踪的雷达系统的朋友们知道,由于雷达—目标距离相对目标自身尺寸大很多,且通常使用的又是长波(例如对装备隐身涂层的战斗机,最佳的检测体制是米波雷达,其对RCS影响相对较小),因此目标往往可以被抽象成点目标。但是对于室内小场景来说,忽略人体目标的尺寸和结构就显得不那么科学,这会导致人体内部节点相对运动产生的微多普勒信息完全丢失。所以,该领域同时需要研究良好的人体运动及回波模型建立方式,也需要研究鲁棒的特征提取手段和高精度的检测识别算法,缺一不可。 最早开始做的时候,我下意识地觉得这是一个很简单的课题。但在我阅读了几篇高水平的文献,加上自己动手在北理重庆搭建系统采集实测数据并尝试处理后,才发现事情并不是我想象的那样。P. S. 如果有还在犹豫自己读研读博工作方向的小伙伴们冲着“它很容易,且好水文章”想来玩玩,请接着往下看 。此外,总结基本不包含我自己的低频超宽带穿透探测下的研究成果,重点会放到现有成果相对较多的毫米波雷达/自由空间探测识别上来。 本文的部分图片及内容参考自: [1] Electronic Instrumentation Laboratory (tudelft.nl).[2] R. Zhang, Z. Zhang, X. Zhang, Y. Tang, and W. Sheng, “Phase compensation transform for human detection with LFMCW radar,”Signal Processing, vol. 172, p. 107565, Jul. 2020.[3] Y. Qian, C. Chen, L. Tang, Y. Jia and G. Cui, "Parallel LSTM-CNN Network With Radar Multispectrogram for Human Activity Recognition," in IEEE Sensors Journal, vol. 23, no. 2, pp. 1308-1317, 15 Jan.15, 2023.[4] P. Zhao, C. X. Lu, B. Wang, N. Trigoni and A. Markham, "CubeLearn: End-to-End Learning for Human Motion Recognition From Raw mmWave Radar Signals," in IEEE Internet of Things Journal, vol. 10, no. 12, pp. 10236-10249, 15 June15, 2023.[5] V. G. Rizzi Varela, D. V. Q. Rodrigues, L. Zeng and C. Li, "Mult |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |