基于毫米波感应点云的目标识别使用PointNet++模型.
Xianxian He1, Haiyu Ding1, Rongyan Xi1
1Future Research Laboratory, China Mobile Research Institute, Beijing 100053, China.
Sensors (Basel, Switzerland)
|September 27, 2025
概括
这项研究表明,专注于下肢运动可以提高基于雷达的步态识别精度. 通过排除手臂运动,新方法实现了更高的性能,特别是在有限的数据和看不见的手臂运动的情况下.
科学领域:
- 生物识别信息 生物识别信息
- 人与计算机的交互
- 雷达信号处理 雷达信号处理
背景情况:
- 步态识别系统经常因手臂运动的变化而扎,性能下降.
- 为训练收集全面的手臂运动数据是步态分析的一个重大挑战.
- 毫米波雷达提供了一种非侵入性的方法来捕获人类运动数据.
研究的目的:
- 为了研究各种手臂运动对基于雷达的步态识别精度的影响.
- 提出和验证一种新的步态识别方法,只使用下肢运动数据.
- 为了提高步态识别系统对手臂手势变化的稳定性和准确性.
主要方法:
- 使用毫米波雷达从11名志愿者在各种手臂运动条件下收集了步态数据.
- 开发了一种基于使用PointNet++模型提取的下肢运动数据的步态识别方法.
- 进行了比较实验,评估拟议的方法与使用所有肢体数据的传统方法相比.
主要成果:
- 与使用所有四肢数据的方法相比,仅使用下肢数据的拟议方法的准确性提高了22.9%.
- 新方法证明了增强的特征提取,加速的融合,以及更高的准确性,特别是在有限的样本 (高达96.9%).
- 该方法在未见的手臂运动的情况下显示出明显优异的性能和稳定性.
结论:
- 将手臂运动排除在基于雷达的步态识别之外,大大提高了系统的准确性和稳定性.
- 提出的以下肢为重点的方法有效地减轻了来自各种手臂运动的干扰.
- 这种方法为步态识别提供了更可靠,更有效的解决方案,特别是在具有不可预测手臂运动的现实场景中.
