• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IEEE Geoscience and Remote Sensing Letters >A Three-Dimensional Deep Learning Framework for Human Behavior Analysis Using Range-Doppler Time Points
【24h】

A Three-Dimensional Deep Learning Framework for Human Behavior Analysis Using Range-Doppler Time Points

机译：使用范围 - 多普勒时间点的人类行为分析的三维深度学习框架

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Deep neural networks have shown promise in the radar-based human activity analysis application. Different from existing deep learning models that take either micro-Doppler spectrograms or range profiles as their input, the proposed method can process micromotion signatures in a 3-D way. In this letter, we first transform radar echoes into range-Doppler (RD) time points and then directly process the point sets via a designed 3-D network called the RD PointNet. In fact, our point model is a discrete representation of the motion trajectory. Through this quantitative model, we can use the 3-D network to simultaneously capture human motion profiles and temporal variations. The motion capture simulations and ultrawideband radar measurements show that the proposed framework can achieve superior classification accuracy and noise robustness when compared with image-based methods.
机译：深度神经网络在基于雷达的人类活动分析申请中显示了希望。与现有的深度学习模型不同，采用微多普勒谱图或范围轮廓作为其输入，所提出的方法可以以三维方式处理微调签名。在这封信中，我们首先将雷达回波转换为范围 - 多普勒（RD）时间点，然后通过名为RD Piglnet的设计的三维网络直接处理点集。事实上，我们的点模型是运动轨迹的离散表示。通过这种定量模型，我们可以使用三维网络同时捕获人类运动谱和时间变化。运动捕捉模拟和超广邻雷达测量结果表明，与基于图像的方法相比，该框架可以实现卓越的分类精度和噪声鲁棒性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号