一种基于多维特征融合的少样本人体动作识别方法,首先对各种动作的中频信号进行背景帧差处理,消除静态目标和杂波干扰,然后进行二维傅里叶变换和三维傅里叶变换,得到距离‑速度信息和距离‑多普勒‑方位信息,再将距离‑速度信息在速度维方向进行投影压缩,得到微多普勒时频图,同时将距离‑多普勒‑方位信息进行视角提取得到距离‑方位图;为了减小网络计算量,进一步将微多普勒时频图和距离方位图均转化成二值图像,并按照设定比例划分为训练验证集和测试集;最后基于度量学习设计了双流特征融合的残差原型网络以提取人体动作的多维特征,训练出最优模型并测试,实现了少样本条件下的人体动作识别。本发明提高了动作识别的准确度。
📄 2022115795133
📂 G06V40_20
👤 浙江工业大学
📅 2022-12-09
本发明提供了一种基于无线信道的人体动作识别方法及系统,结合无线信号传播特性和波束赋形技术,形成覆盖整个三维空间的正交波束;通过波束域参考信道状态信息与当前信道状态信息的差值获取对准人体的波束;在残差信道数据中提取波束序号和瞬时多普勒频率,形成特征向量;进而对机器学习分类器进行训练,得到人体动作分类器,可对多种人体动作实现有效分类。
📄 2022108961552
📂 G06F18_2431
👤 山东师范大学
📅 2022-07-27
本发明提出了一种基于生成对抗网络的人体动作识别方法,该方法首先设计分步式生成识别网络模型,在对抗网络的基础上构建分类器,实现图像的生成与分类功能;其次在判别器中引入结构相似度,通过增加约束条件来提高生成图像的质量;最后在符合日常生活的人体动作图像库中完成图像的生成与识别。本发明通过将图像的自然生成和识别联合,解决了样本不足情况下识别率低的问题;在图像的扩充和识别方面,具有扩充样本自然、识别率高、鲁棒性强的特点。
📄 2018109413686
📂 G06K9_00
👤 南通大学
📅 2018-08-17