买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利基于MIMO穿墙雷达特征融合的多人人体行为识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119495003B 。

龙图腾网通过国家知识产权局官网在2025-10-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411517879.7，技术领域涉及：G06V10/80；该发明授权基于MIMO穿墙雷达特征融合的多人人体行为识别方法是由韩崇;张银;张旭童;李嘉轩;白维庆;郭剑;孙力娟设计研发完成，并于2024-10-29向国家知识产权局提交的专利申请。

本基于MIMO穿墙雷达特征融合的多人人体行为识别方法在说明书摘要公布了：本发明属于MIMO穿墙雷达和计算机视觉领域，公开了一种基于MIMO穿墙雷达特征融合的多人人体行为识别方法，该方法对行为动作信息进行初步特征提取，包含原始特征和多普勒特征，将采集到的射频信号进行预处理，构建三维空间功率矩阵，构建多普勒行为矩阵，组合多帧数据特征矩阵，构建行为特征模型并将其输入至FS‑Convnext网络模型中完成训练。

本发明授权基于MIMO穿墙雷达特征融合的多人人体行为识别方法在权利要求书中公布了：1.一种基于MIMO穿墙雷达特征融合的多人人体行为识别方法，其特征在于：所述多人人体行为识别方法通过MIMO穿墙雷达系统实现，具体包括以下步骤： 步骤1、对MIMO穿墙雷达系统初始化，配置信息采样的参数，获取MINO穿墙雷达采集的射频信号； 步骤2、对步骤1采集到的射频信号进行预处理，将步骤1中的每一个收发对天线的采样信号组成一帧，对其进行三维离散傅里叶变换，构建三维空间功率矩阵； 步骤3、对步骤2构建的三维空间功率矩阵进行初始化构建原始特征矩阵，对构建原始特征矩阵进行动态背景除杂，构建多普勒行为矩阵； 步骤4、分离原始特征矩阵和多普勒行为矩阵并获取用户特征矩阵块，组合多帧数据特征矩阵构建行为特征模型； 步骤5、将步骤4中得到的行为特征模型输入至FS-Convnext网络模型中，通过FS-Convnext网络模型中不同的卷积层和残差块，实现不同行为的特征提取，完成MIMO穿墙雷达系统训练； 步骤6、训练完成后的MIMO穿墙雷达系统能对未训练人员的行为动作进行识别，无需再利用FS-Convnext网络模型重新训练，其中： 步骤3中，对构建原始特征矩阵进行动态背景除杂，构建多普勒行为矩阵，具体为： 原始数据矩阵为data，水平、垂直背景数据分别为bh和bv，则有： 其中，doph为多普勒水平特征矩阵，dopv为多普勒垂直特征矩阵，N为样本总数； 所述步骤4分离原始特征矩阵和多普勒行为矩阵并获取用户特征矩阵块，组合多帧数据特征矩阵构建行为特征模型，具体包括如下步骤： 步骤4.1、将摄像装置捕捉到的当前人员的3D行为向雷达热图上进行投影，确定第k个人员反射区域，设第k个目标的坐标集合为则每个关键点在水平雷达热图上的投影坐标和垂直雷达热图上的投影坐标为： 其中，sd为雷达探测的距离分辨率，sθ为水平角度分辨率，sγ为垂直角度分辨率； 步骤4.2、取用每个关键点在水平雷达热图上的投影坐标和垂直雷达热图上的投影坐标作为感兴趣区域边界，水平雷达热图上的投影坐标和垂直雷达热图上的投影坐标在水平雷达热图和垂直雷达热图的感兴趣区域分别为： 截取出来的感应的区域即为一帧数据； 步骤4.3、最后组合多帧数据特征矩阵构建行为特征模型， 所述FS-Convnext网络模型训练具体包括如下步骤： 步骤5.1、FS-Convnext网络模型分别对原始行为水平特征矩阵，原始行为垂直特征矩阵，多普勒水平特征矩阵，多普勒垂直特征矩阵中的数据进行训练，终输出的feature为： feature＝X+GELULayerNormConv3d1×1Conv7×7X 其中，X为输入特征； 步骤5.2、按照权重拼接成最终的所训练出的行为特征数据featurtek： 其中，α1+α2+α3+α4＝1； 步骤5.3、使用softmax提取第目标人员的行为特征，使用交叉熵损失来衡量预测结果和真实行为标签之间的差异，损失计算方式如下： 其中，N表示样本总数，tk表示第k个目标人员的真实行为样本标签，更新参数信息，训练多个轮次。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210046 江苏省南京市栖霞区广月路30-06号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。