一种基于毫米波雷达的多人体目标行为识别方法

本发明公开了一种基于毫米波雷达的多人体目标行为识别方法。首先，通过部署毫米波雷达采集人体行为数据，采用4D快速傅里叶变换(4D‑Fast Fourier transform，4D‑FFT)获得人体行为的多维参数信号；其次，通过单元平均恒虚警检测算法(Cell Averaging Constant False‑Alarm Rate，CA‑CFAR)与几何空间坐标转换将高维矩阵信号转化为点云矩阵有效降低雷达信号的复杂度；再次通过基于空间与速度信息的密度聚类(Density‑Based Spatial Clustering，DBSCAN)算法与局部离群因子(Local Outlier Factor，LOF)算法将点云矩阵进一步压缩，去除来环境中动态干扰以及静态干扰，后通过匈牙利算法实现多目标的点云矩阵的分割，得到纯净的单目标点云矩阵；最后，通过基于多维雷达点云的神经网络实现人体行为的精确识别。本发明专利通过雷达点云与深度学习，在降低雷达信号的复杂度的同时实现了人体行为的精确识别。