基于频率调节的连续波雷达与元学习的行人姿势识别
Jiajia Shi1, Qiang Zhang1, Quan Shi1
1School of Transportation and Civil Engineering, Nantong University, Nantong 226001, China.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
这项研究引入了使用毫米波雷达进行行人步行识别的先进模型. 该方法在识别个体方面实现了高精度,提高了自动驾驶的安全性.
科学领域:
- 机器人和人工智能机器人与人工智能
- 信号处理 信号处理
- 计算机视觉 计算机视觉
背景情况:
- 在自主系统中对非侵入性监控的需求日益增加.
- 需要使用像毫米波雷达这样的先进传感器进行强大的行人识别.
研究的目的:
- 使用频率调制连续波 (FMCW) 毫米波雷达开发一种有效的行人步行识别模型.
- 为了提高小样本微多普勒图像的特征提取和分类精度.
主要方法:
- 提出了一个ArcFace SE注意力模型-不可知论的超级学习方法 (AS-MAML).
- 集成道注意力机制和ArcFace损失到一个元学习框架中.
- 利用FMCW毫米波雷达进行微多普勒图像生成和分析.
主要成果:
- 在实验测试中达到94.5%的准确性,用于姿势估计和图像分类.
- 在DIAT-μRadHAR数据集上表现出强的性能,分类准确率为85.9%.
- 验证了模型在具有挑战性的小样本场景中的有效性.
结论:
- 该AS-MAML方法显著改善了使用毫米波雷达的行人步行识别.
- 该模型显示了在自动驾驶应用中提高安全性和监控的巨大潜力.
- 注意力机制和ArcFace损失有效地提高了基于雷达的识别精度.
