| 基于微多普勒信号三维形状特征的人体目标动作分类方法 |
| |
| 引用本文： | 陈亦望,张品,傅强.基于微多普勒信号三维形状特征的人体目标动作分类方法[J].模式识别与人工智能,2012,25(1):16-22. |
| |
| 作者姓名： | 陈亦望 张品 傅强 |
| |
| 作者单位： | 中国人民解放军理工大学工程兵工程学院南京210007 |
| |
| 基金项目： | 国家自然科学基金资助项目 |
| |
| 摘 要： | 从三维形状分析的角度研究基于微多普勒特征的人体目标动作分类。为了从人体运动目标的多普勒频移中获取人体姿态、动作信息，将人体动作多普勒信号经短时傅立叶变换后获得的时间、频率和功率三维信息图形作为研究对象，并分析使用点描述算法获取三维形状特征用于分类的可行性。使用多普勒雷达实测20组人体目标的4个不同动作，采用依赖训练数据的迭代超核函数支持向量机对动作特征学习，应用决策树理论进行分类。研究支持向量机核函数的改进。通过实验证明三维信息的实用性以及分类方法的有效性。
|
| 关 键 词： | 微多普勒 动作分类 支持向量机(SVM) |
| 收稿时间： | 2011-01-20 |
Human Activity Classification Based on Features of 3D Micro-Doppler Signatures Shape |
| |
| CHEN Yi-Wang
,
ZHANG Pin
,
FU Qiang.Human Activity Classification Based on Features of 3D Micro-Doppler Signatures Shape[J].Pattern Recognition and Artificial Intelligence,2012,25(1):16-22. |
| |
| Authors: | CHEN Yi-Wang ZHANG Pin FU Qiang |
| |
| Affiliation: | Engineering Institute of Corps of Engineers,PLA University of Science and Technology,Nanjing 210007 |
| |
| Abstract: | |
| |
| Keywords: | Micro-Doppler Motion Classification Support Vector Machine(SVM) |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《模式识别与人工智能》浏览原始摘要信息 |
|
点击此处可从《模式识别与人工智能》下载全文 |
