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
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