从FMCW毫米波雷达获得的点云数据中基于机器学习的人体姿势识别
Guangcheng Zhang1, Shenchen Li1, Kai Zhang1
1School of Mechanical Engineering, University of Shanghai for Science and Technology, Shanghai 200093, China.
Sensors (Basel, Switzerland)
|August 26, 2023
概括
频调制连续波 (FMCW) 毫米波 (MMW) 雷达有效地测量人类的姿势. 多层感知子 (MLP) 模型显示了对这种姿势数据的分类最有希望的方法.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 人体姿势识别对于医疗保健,人机交互和体育至关重要.
- 频调制连续波 (FMCW) 毫米波 (MMW) 雷达为测量人类姿势特征提供了强大的功能.
- 现有的方法可能受到环境噪音和目标反射强度的限制.
研究的目的:
- 通过使用FMCW MMW雷达来证明人类姿势特征的测量,分类和识别.
- 为了生成点云数据,提高目标反射和减少环境噪音.
- 评估多个机器学习模型,以准确地对姿势进行分类.
主要方法:
- 使用MMW雷达传感器收集人类姿势数据.
- 点云数据是从反射信号中生成的,包含动态和静态特征.
- 六个机器学习模型用于分类,Kappa指数用于评估.
主要成果:
- 点云生成有效地减少了环境噪音,并加强了目标反射.
- 多层感知子 (MLP) 模型的表现优于其他分类器.
- 卡帕指数成功地用于解决数据不平衡问题.
结论:
- FMCW MMW 雷达是人类姿势识别的可行技术.
- MLP是对基于雷达的人类姿势数据进行分类的最有前途的机器学习模型.
- 开发的点云生成方法提高了姿势分析的数据质量.
