A Convolutional Neural Network for Human Motion Recognition and Classification Using a Millimeter-Wave Doppler Radar

卷积神经网络 人工智能 计算机科学 雷达 基带 模式识别(心理学) 语音识别 计算机视觉 电信 带宽(计算)
作者
Homa Arab,Iman Ghaffari,Lydia Chioukh,Serioja Ovidiu Tatu,Steven Dufour
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:22 (5): 4494-4502 被引量:16
标识
DOI:10.1109/jsen.2022.3140787
摘要

Human movement detection based on millimeter-wave radar sensors is a technology of interest in various areas such as for smart surveillance, security, behavioral biometrics, biomedical systems, robotics, etc. This paper shows the feasibility and effectiveness of using a compact 24 GHz Doppler radar with a built-in low-noise microwave amplifier (LNA) for detecting and extracting signals coming from human motion. Reliability and accuracy is assessed based on a comprehensive theoretical analysis, and on simulation results followed by experimental investigations. A continuous wavelet transform (CWT) is used to decompose in-phase and quadrature ( ${I/Q}$ ) baseband signals to extract information about the dynamics of the system. The dataset consists of 1000 recordings in 8 motion classes (standing, walking, sitting, etc.). We propose to apply a two-channel convolutional neural network (CNN), which is composed of two CNN channels, for learning high-level features from time-domain signals and CWT spectrograms. One channel has four one-dimensional (1D) convolutional and pooling layers, and the other channel is made of three two-dimensional (2D) convolutional and pooling layers. In addition, the ${I/Q}$ signals are denoised by using Savitzky-Golay filtering, and both noisy and denoised signals are used as input signals for deep learning data augmentation purpose. We achieved an overall classification accuracy rate of 98.85% in motion classification for a two-branch CNN architecture, and an accuracy rate of 95.3% for a one-branch 2D-CNN. Our results show that a dual-channel CNN model can greatly increase the classification capabilities of human motion recognition and classification, and the proposed method can be effectively used with various radar signal classifications.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Cai完成签到,获得积分10
3秒前
不辞完成签到 ,获得积分10
4秒前
Leon Lai完成签到,获得积分10
5秒前
Krim完成签到 ,获得积分10
8秒前
嘻嘻哈哈完成签到 ,获得积分10
9秒前
daisy完成签到 ,获得积分10
10秒前
AU完成签到 ,获得积分10
14秒前
小胖完成签到 ,获得积分10
21秒前
醒了没醒醒完成签到,获得积分10
22秒前
佳丽完成签到,获得积分10
22秒前
温暖完成签到 ,获得积分10
25秒前
kangshuai完成签到,获得积分10
25秒前
Ding完成签到,获得积分10
26秒前
桐桐应助Wang采纳,获得10
27秒前
方方完成签到 ,获得积分10
45秒前
i2stay完成签到,获得积分10
47秒前
jinshijie完成签到 ,获得积分10
50秒前
细心的向日葵完成签到,获得积分10
51秒前
56秒前
枫林摇曳完成签到 ,获得积分10
58秒前
小怪兽完成签到 ,获得积分10
58秒前
courage完成签到,获得积分10
1分钟前
桃子完成签到 ,获得积分10
1分钟前
乒坛巨人完成签到 ,获得积分10
1分钟前
Wang发布了新的文献求助10
1分钟前
开放又亦完成签到 ,获得积分10
1分钟前
yulian完成签到,获得积分10
1分钟前
nkuwangkai完成签到,获得积分10
1分钟前
hdc12138完成签到 ,获得积分10
1分钟前
山楂发布了新的文献求助20
1分钟前
小c完成签到 ,获得积分10
1分钟前
wonderbgt完成签到,获得积分0
1分钟前
reset完成签到 ,获得积分10
1分钟前
h41692011完成签到 ,获得积分10
1分钟前
Leofar完成签到 ,获得积分10
1分钟前
标致的山水完成签到 ,获得积分10
1分钟前
瘦瘦的小松鼠完成签到 ,获得积分10
1分钟前
Even9完成签到,获得积分10
1分钟前
yhy完成签到 ,获得积分10
1分钟前
牛人完成签到,获得积分10
2分钟前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
叶剑英与华南分局档案史料 500
Foreign Policy of the French Second Empire: A Bibliography 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3146916
求助须知:如何正确求助?哪些是违规求助? 2798171
关于积分的说明 7826798
捐赠科研通 2454724
什么是DOI,文献DOI怎么找? 1306446
科研通“疑难数据库(出版商)”最低求助积分说明 627788
版权声明 601565