基于ConvRNN-ResNet的毫米波步态识别方法

来源：计算机应用与软件杂志2025年第1期北京时间：

作者：史秋彦, 叶宁, 徐康, 王甦.王汝传,

摘要：步态作为一种复杂的时空生物特征，因具有难以伪装、非接触式识别的特性，被应用于人员目标识别。受此启发，使用毫米波雷达，基于步态特征，实现目标识别。从毫米波雷达接收的数据中逐帧提取距离多普勒信息，进行背景去噪，构建环境无关的时空步态数据集。针对传统融合卷积神经网络(Convolutional Neural Network, CNN)与长短期记忆网络(Long Short-Term Memory, LSTM)的串联模型CNN-LSTM无法充分提取复杂时空特征的问题， 提出融合卷积循环神经网络(Convolutional Recurrent Neural Network，ConvRNN)和残差网络(Residual Network， ResNet)的模型ConvRNN-ResNet,对时空序列进行分析。实验表明，提出的模型在观测时长5 s的行走数据上准确率达99.2%，在2.5 s短观测时长下有94.5%的准确率，优于CNN-LSTM，具备目标识别的能力。

关键词：步态识别, 残差网络, 卷积循环神经网络, 时空序列