基于稀疏迁移网络的人体行为微多普勒分类方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110096976A(43)申请公布日2019.08.06(21)申请号201910311070.1(22)申请日2019.04.18(71)申请人中国人民解放军国防科技大学地址410073湖南省长沙市砚瓦池正街47号(72)发明人金添杜浩戴永鹏张岩松井文博申亮(74)专利代理机构长沙正奇专利事务所有限责任公司43113代理人魏国先王娟(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06N3/08(2006.01)G06N3/04(2006.01)权利要求书1页说明书4页附图3页(54)发明名称基于稀疏迁移网络的人体行为微多普勒分类方法(57)摘要本发明公开了一种基于稀疏迁移网络的人体行为微多普勒分类方法，首先，确定神经网络的初始结构，在ImageNet自然图像数据库中进行预训练；然后，修改网络的全连接层，使网络输出层单元与拟分类微多普勒类别数相一致；接着，基于稀疏约束准则在少量微多普勒图像集上进行迁移训练，训练过程中，对网络的冗余区域进行标注；最后，将网络的冗余区域进行剪枝，即可在不影响识别性能的前提下，大幅降低网络复杂度，从而获得轻量化的深度网络。CN110096976ACN110096976A权利要求书1/1页1.一种基于稀疏迁移网络的人体行为微多普勒分类方法，其特征在于，包括以下步骤：1)确定神经网络的初始结构，在ImageNet自然图像数据库中进行预训练；2)修改神经网络的全连接层，使神经网络输出层单元与拟分类微多普勒类别数一致；3)基于稀疏约束准则在一定数量的微多普勒图像集上进行迁移训练，训练过程中，对神经网络的冗余区域进行标注；4)将神经网络的冗余区域进行剪枝，从而获得轻量化的深度网络。轻量化的深度网络的输出层网络节点数与拟分类的人体行为数目一致，通过检测轻量化的深度网络输出权重最大的节点标号即确定相对应的人体行为类别。2.根据权利要求1所述的基于稀疏迁移网络的人体行为微多普勒分类方法，其特征在于，步骤1)中，选取深度卷积神经网络Vgg-19作为神经网络的初始结构，所述初始结构包括16层卷积层和3层全连接层，该19层网络依次堆叠，前面为卷积层，最后三层为全连接层；初始结构的各层参数进行随机初始化。3.根据权利要求2所述的基于稀疏迁移网络的人体行为微多普勒分类方法，其特征在于，步骤2)的具体实现过程包括：对深度卷积神经网络Vgg-19的最后一层的输出单元进行修改，即将Vgg-19的全连接输出层单元数修改为与拟分类的人体行为种类数目一致。4.根据权利要求1所述的基于稀疏迁移网络的人体行为微多普勒分类方法，其特征在于，步骤4)中，将神经网络的冗余区域进行剪枝的具体实现过程包括：神经网络的每一个网络输出通道均与一个特定参数值γ相对应，将γ进行数值排序，对数值小的前N％处的网络进行裁剪。5.根据权利要求4所述的基于稀疏迁移网络的人体行为微多普勒分类方法，其特征在于，将参数值γ由小到大排列，对前30％的数值所对应的网络进行裁剪。6.根据权利要求4所述的基于稀疏迁移网络的人体行为微多普勒分类方法，其特征在于，当网络的裁剪比例超过原结构的30％时，将裁减后的网路在微多普勒时频谱数据集上再进行10～20次的重复训练，由此获得轻量化的深度网络。2CN110096976A说明书1/4页基于稀疏迁移网络的人体行为微多普勒分类方法技术领域[0001]本发明涉及雷达目标微多普勒效应分析领域，是一种基于稀疏迁移网络对人体不同行为所产生的微多普勒频谱图进行特征提取和分类的方法。背景技术[0002]人体目标探测雷达最早应用于战场侦察，近年来反恐、灾后搜救、医疗监控等需求的出现拓展了人体目标探测雷达的应用。雷达人体探测功能由简单检测人体目标有无，发展到确定目标位置，再发展到人体姿态识别。由于人体运动属于非刚体运动，不同行为过程中各肢体存在各自的规律性运动特征，各肢体的运动速度可以被雷达捕获，体现在发射和接收回波的频率差异性，即多普勒频移。各肢体的微动即微多普勒频移，也称微多普勒效应。微多普勒效应对距离、光线条件和背景复杂性并不敏感，能够有效弥补光学传感器的硬件局限性，为复杂场景下分析估计人体运动特性提供有力依据。[0003]微多普勒频移是一种时变频移，可通过对雷达回波进行时频变换，在时间-频率组成的二维谱图上进行表征。通过对时频谱进行特征提取和分析，能够对人体行为进行识别和分类。在雷达回波中，人体躯干的时频谱强度远大于四肢，肢体微动的瞬时特征捕获和分析难度较大。通过使用深层的卷积神经网络对人体微多普勒时频谱进行监督学习，可以对各类行为进行有效区分。但是，深度神经网络通常需要大量训练样本(通常需要几千乃至上万)，神经网络的参数同样