【毕业设计】基于雷达与深度学习的摔倒检测——雷达时频谱图分类模型

在使用多普勒雷达的居家检测中，雷达回波信号包含人体动作的特征信息。基于雷达与深度学习的摔倒检测方法处于起步阶段，对于人体不同姿态（如站立、坐下、摔倒等动作）的分类与识别方法尚未成熟。本课题研究如何应用深度学习方法，对经过 STFT 变换得到的雷达时频谱图进行分类。

目录

1. 卷积神经网络

1.1 卷积神经网络的基本概念

1.2 卷积神经网络的一般结构

2. 人体摔倒检测模型

---

1. 卷积神经网络

        随着计算机存储容量的增大和中央处理器运算性能的提高，计算机处理复杂任务的能力也得到提升，这使得大规模人工神经网络的搭建与训练成为了现实。人工神经网络使用了大量被称之为神经元的处理单元，并以层的形式对这些神经元进行连接，不同层的神经元负责完成不同的处理任务，例如输入层用于接收并传递输入图像，中间层神经元用于产生中间特征，输出层神经元用于输出。

        在计算机图像识别领域，卷积神经网络是一种使用最广泛的神经网络。卷积神经网络的输入通常是一幅数字图像，它的优点是可以在没有人工干预的情况下，直接对原始图像进行处理，从而省去了复杂的图像特征提取过程。

1.1 卷积神经网络的基本概念

        卷积神经网络引入了三个基本的概念，分别是局部感受野、共享权值和池化。

        （1）局部感受野。局部感受野的基本思想是，使用较少数量的神经元对图像进行感知（本质上是对图像进