基于毫米波雷达稀疏点云的人体行为识别方法

来源：计算机测量与控制杂志2024年第2期北京时间：

作者：李育臣,张之江,曾丹,李佳

摘要：目前利用毫米波雷达进行人体行为识别的方法在复杂场景下无法很好的区分相似动作，与此同时模型的鲁棒性和抗干扰能力也相对较差；针对以上两个问题，提出了一种通用的基于毫米波雷达稀疏点云的人体行为识别方法，该方法首先利用K-means++聚类算法对点云进行采样，然后使用基于注意力特征融合的点云活动分类网络进行人体行为特征的提取和识别，该网络可以兼顾点云的空间特征以及时序特征，对稀疏点云的运动有灵敏的感知能力；为了验证所提出方法的有效性和鲁棒性，分别在MMActivity数据集和MMGesture数据集上进行了实验，其在两个数据集上取得97.50%和94.10%的准确率，均优于其它方法；此外，进一步验证了K-means++点云采样方法的有效性，相较于随机采样，准确率提升了0.4个百分点，实验结果表明所提出方法能够有效的提升人体行为识别的准确率，且模型具有较好的泛化能力。

关键词：毫米波雷达;人体感知;行为识别;稀疏点云;特征融合