1.面向智慧养老应用的雷达连续动作检测及行为识别方法,其特征在于包括以下步骤:
2.根据权利要求1所述的面向智慧养老应用的雷达连续动作检测及行为识别方法,其特征在于,所述步骤1具体为:首先对所得原始信号进行模数转换,得到数字信号;其次,对数字信号实施矩阵重整,按照虚拟接收天线顺序排列;接着,对重整后的三维矩阵进行静态消除,从而消除背景噪声的影响;最后,通过距离-fft和多普勒-fft,得到连续行为对应的微多普勒矩阵。
3.根据权利要求2所述的面向智慧养老应用的雷达连续动作检测及行为识别方法,其特征在于,采集人体连续行为数据具体为利用雷达板采集人体连续行为的回波信号,采集包含多种动作的多个连续行为序列,其中每个行为包含一个或多个原子动作;所采集的连续行为序列包含以下序列:
4.根据权利要求1所述的面向智慧养老应用的雷达连续动作检测及行为识别方法,其特征在于,所述步骤2具体为:首先,对所得微多普勒矩阵中的元素按列取出,并将取出元素按其大小降幂排序得到列向量r';其次,选取映射因子α,0<α<100,将r'前α%元素保留,剩余元素置零;接着,根据r'各个元素在原微多普勒矩阵中的位置还原,得到经过处理的微多普勒矩阵;最后,将处理后的微多普勒矩阵进行颜色的线性映射,得到图像化的微多普勒图。
5.根据权利要求4所述的面向智慧养老应用的雷达连续动作检测及行为识别方法,其特征在于,构建微多普勒矩阵具体为将连续行为经过模数转换、矩阵重整、静态消除、距离多普勒图rdm构建得到连续行为微多普勒矩阵,详细内容阐述如下:
6.根据权利要求1所述的面向智慧养老应用的雷达连续动作检测及行为识别方法,其特征在于,所述步骤3具体为:通过专用标定工具,对微多普勒谱图中的单个行为进行标定,得到各行为对应标定框中的左上角及右下角坐标,继而将得到的左上角及右下角坐标计算成中心点坐标和宽高值;通过引入目标检测模型,并在此基础上加入坐标注意力机制ca,从而提取连续行为谱图的时间与空间特征并融合;通过改进损失函数、激活函数,提升检测性能得到连续行为检测及识别模型;在此基础上,将连续行为谱图数据集划分为训练集、验证集和测试集;先将训练集和验证集输入改进后的目标检测模型;通过模型提取训练集的特征,ca注意力机制进行时空域特征的提取和融合;通过验证集得到效果最佳的模型;最后,通过测试集测试所得到模型,从而实现连续动作的分割、检测,并根据动作间的相关性识别人体行为。