基于GraphLSTM-HAR的毫米波雷达人体活动感知方法

摘要

随着安全与健康管理需求的持续攀升，人体感知技术在各类场景中的应用价值愈发突出。针对传统感知手段的局限性，利用毫米波雷达三维点云的空间特征优势，设计了一种融合图注意力网络（GAT）与双向长短期记忆网络（BiLSTM）的人体活动感知模型，以实现复杂场景下的精准感知。借助图神经网络对毫米波雷达采集的点云数据进行深度特征提取，捕捉人体动作的空间拓扑关系。将提取的特征序列输入至双向长短期记忆网络，挖掘动作序列的时间依赖性特征。以人体活动点云数据集（MMActivity）为实验基准，开展了多组对比实验。结果表明，所提的模型在人体活动感知任务中表现优异，准确率可达95.17%。

关键词

毫米波雷达 / 神经网络 / 人体活动感知