摘要
本发明提供一种基于多任务学习的毫米波多人动作识别方法,利用毫米波雷达采集动作数据,通过聚类分割点云数据获得多人数据。分割后的数据经过预处理生成点云轨迹和压缩多普勒图,通过特征提取获得时序和空间特征信息,融合后得到动作特征表征。动作特征通过多任务学习模型中的多任务特征提取结构和门控机制进行进一步特征提取与加权过滤。多任务深度学习模型通过对不同任务数据进行共享表示和独立表示,能够在同一模型中同时实现动作模式判别、独立动作识别和交互动作识别三个任务,从而实现在预先未知人数和动作模式情况下的单人动作识别、多人独立动作识别、多人交互动作识别,既能提高毫米波多人动作识别的准确性,也能保证其识别实时性。
技术关键词
独立动作
交互动作识别
多普勒
多任务学习模型
模式分类器
动作特征
动作识别方法
特征提取网络
多层前馈神经网络
多任务深度学习模型
数据
交叉注意力机制
空间特征信息
点云轨迹
系统为您推荐了相关专利信息
多源传感器融合
遥测终端机
数据采集系统
水质传感器
传感器模块
煤矿采空区
信道建模方法
信道冲激响应
生成电磁波
仿真模型
声学成像系统
阵列
声学成像方法
Delaunay三角剖分
多普勒效应补偿
预测电力负荷
数据采集模块
数据存储模块
调控系统
计算机执行指令