CN115982620B 基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法及系统 （成都理工大学）

号基于多类三维特征与Transformer的毫米波本发明提供的一种基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方Transformer与交叉注意力的跌倒行为识别网使用线性投影网络将其映射为固定维度特征向量，将获取特征矩阵输入Transformer模块中实件下更为全面完备的三维行为特征表达，且Transformer具有较强的特征提取能力，具有较21.基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法，其特征在(2)通过毫米波雷达模块对检测区域内的目标进行实时监控，采集目标返回的雷达回(23)对预处理后的信号进行S变换、平滑伪威格纳一维利分布与下采样短时傅里叶变(3)设计多表征输入的基于Transformer时空特征提取与交叉注意力特征融合的跌倒首先，将三维信号划分为固定数量的数值阵列块，并使用线性投2.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行3.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行对原始回波信号进行静态杂波抑制，这里采用相量均值相消算法，4.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行首先对预处理后的信号进行分帧加窗，再对加窗后的数据进行不同5.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行36.根据权利要求1所述的基于多类三维特征与Transformer的毫米波雷达人体跌倒行张高阶时频谱图，最后将这些时频谱图按照时间顺序进行堆叠则可得到高阶三维特征表7.基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别系统，包括存储4[0006]有鉴于此，本发明的目的在于提供一种基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法及系统，该方法利用利用雷达信号来实现人体跌倒行为识[0008]本发明提供的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别[0010](2)通过毫米波雷达模块对检测区域内的目标进行实时监控，采集目标返回的雷[0011](3)设计多表征输入的基于Transformer时空特征提取与交叉注意力特征融合的5[0031]本发明提供的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别6[0033]本发明提供的一种基于多类三维特征与Transformer的毫米波雷达人体跌倒行为[0034]本发明针对人体目标的雷达回波信号，通过对信号进行短时分数阶傅里叶变换、的三维谱图，并构建基于Transformer时空特征提取与交叉注意力特征融合的跌倒行为识取特征矩阵输入Transformer结构中实现信号表征的抽象，然后将其与其它信号表征进行注意力模块与Transformer模块使其具备任意种类或不同种类信号表征的特征融合，极大用多类时频谱图生成的三维特征表达能够实现数据有限条件下更为全面完备的行为特征行行流[0039]图1为基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识别方法7性，本发明提出一种基于Transformer时空特征提取与交叉注意力特征融合的跌倒行为识[0050]本实施例运用雷达信号处理及深度学习技术实现人体跌倒行为识别，采用三维特征谱图，基于Transformer时空特征提取与交叉注意力特征融合的跌倒行为识别网[0051]如图1所示，本实施例提供基于多类特征融合的毫米波雷达非视距人体行为识别[0053](2)通过毫米波雷达模块对检测区域内的目标进行实时监控，采集目标返回的雷[0054](3)设计多表征输入的基于Transformer时空特征提取与交叉注意力特征融合的84,-FT:n为整数；9[0100]在图4的网络结构中，分数阶三维特征抽象模块通过对分数阶三维特征进行线性向量K2和V2，将特征向量Q1、K1、V1输入到特征融合模块1中，通过交叉注意力机制与[0103]本实施例提供的基于多类三维特征与Transformer的毫米波雷达人体跌倒行为识行为进行分类从而实现跌倒行为识别；[0110]所述特征提取与行为识别模块是通过基于Transformer与交叉注意力机制的