超寬帶雷達人體行為識別深度學習方法 金添 杜浩 何元 9787118129441 【台灣高等教育出版社】

內容簡介
行為是人們意圖直接的表現形式，對人體行為的感知與理解，構成了人體目標探測的核心環節。該書圍繞超寬頻雷達人體行為辨識這一具體問題，將深度學習模型與雷達領域知識相結合，多方面探究超寬頻雷達的人體行為識別深度學習方法。通過異構領域遷移與特徵工程設計，重點針對訓練樣本有限條件下的單通道超寬頻雷達人體行為辨識問題展開研究，研究內容由閉集分類向開集識別進行拓展，並基於行為識別結果對人體位姿的三維估計進行初步探索。
《超寬頻雷達人體行為識別深度學習方法》可供從事雷達目標探測、雷達智能感知的科技工作者參考，也可供對雷達智能感知及相關研究方向感興趣的讀者使用。

目錄
第1章 緒論
1 1 概述
1 2 雷達人體行為識別技術發展現狀
1 2 1 雷達人體目標感知技術
1 2 2 基於深度學習的多維雷達信號行為識別方法
1 2 3 基於遷移學習的人體行為識別技術
1 3 雷達人體行為識別的關鍵技術與挑戰
第2章 基於稀疏遷移的有監督行為分類
2 1 基於卷積神經網絡的有監督分類
2 1 1 卷積神經網絡的概念與結構
2 1 2 基於卷積神經網絡的監督學習過程
2 2 光學圖像與雷達數據的稀疏遷移
2 2 1 微多普勒特徵分析和提取
2 2 2 利用尺度變換因子的稀疏遷移
2 2 3 稀疏約束下的遷移演算法
2 2 4 遷移網路的剪枝及微調
2 3 有監督行為分類實驗結果及分析
2 3 1 實驗數據
2 3 2 基準演算法和實現細節
2 3 3 實驗結果
2 3 4 參數敏感性分析
2 4 本章小結
第3章 基於對抗遷移的無監督行為分類
3 1 基於運動散射模型的源領域數據集構建
3 1 1 基於激光動作捕捉系統的微多普勒數據集構建
3 1 2 基於Kinect感測器的數據域構建
3 1 3 基於單目光學感測器的數據域構建
3 2 基於對抗網路的源領域特徵遷移
3 2 1 生成式對抗網路
3 2 2 對抗遷移框架
3 2 3 對抗遷移演算法
3 3 無監督行為分類實驗結果及分析
3 3 1 實驗數據
3 3 2 基準演算法和實現細節
3 3 3 參數敏感性分析
3 3 4 泛化性能分析
3 4 本章小結
第4章 基於距離-速度-時間三維點雲的行為表徵和識別
4 1 基於點雲模型的人體行為表徵
4 1 1 距離-多普勒的時間序列生成
4 1 2 基於散射強度的三維等值面構建
4 1 3 基於最遠距離的特徵點採樣
4 1 4 基於點雲的多目標微動特徵分離
4 2 層次化點雲網路的模型構建
4 2 1 基於對稱性的網路函數設計
4 2 2 基於主成分分析的點雲歸一化
4 2 3 基於層次化結構的網路構建
4 3 開集框架下的點雲識別演算法
4 3 1 開集識別的問題描述
4 3 2 基於梯度信息的數據擾動
第5章 單基地雷達全向人體行為識別
第6章 多任務人體行為分類及身份識別
參考文獻

前言/序言
人體行為識別技術在安防監控、反恐維穩、災難救援、智能家居、虛擬現實等方面有著廣闊的應用價值。雷達作為一種通過發射和接收電磁波來進行感知的主動探測系統，可全天時、全天候獲取遠距離目標信息，具有光電感測難以比擬的獨特優勢。其中，超寬頻雷達具有很強的介質穿透能力，在探測障礙物后隱蔽目標方面有獨特優勢。相較於光學手段，超寬頻雷達探測用於人體行為識別，不僅可解決複雜環境下的感知難題，還具有保護隱私等優勢。
我在國防科技大學工作期間，見證了本書作者在超寬頻雷達成像與目標識別方面開展的大量極富創新且卓有成效的工作。本書是他們將基於超寬頻雷達技術用於人體行為識別領域研究工作的系統總結，針對當前超寬頻雷達數據集不足、數據表徵不充分、人體目標全向識別困難等問題進行了深入研究，提出了基於遷移學習的行為分類、基於三維點雲表徵的行為識別和多任務行為分類及身份識別等方法，開展了大量且有趣的實驗，獲得了豐富的實驗數據，進行了充分的分析驗證，證實了他們所提方法的有效性。
本書聚焦前沿科學問題，內容創新性強，理論和實際並重，對於超寬頻雷達技術和人體行為識別技術的研究具有十分重要的參考價值和推動作用。