来源：期刊VIP网 时间：
作者：马进昇;宋一轩;刘家彤;潘红光;郭强;兰北亚;郭秀才;
单位：甘肃靖煤能源有限公司;西安科技大学电气与控制工程学院;中国移动通信集团山东有限公司威海分公司;
摘要：现有基于毫米波雷达的人员步态识别方法基于小规模数据集进行训练，导致模型泛化能力不足，且难以从复杂的井下环境中提取有效的全局特征与局部特征，造成识别精度较低。针对上述问题，提出了一种基于去噪扩散概率模型（DDPM）-多分支网络（MBN）的井下人员步态识别方法。采用DDPM对雷达回波转换得到的时频谱图进行去噪与数据增强，有效扩充了井下步态数据量，提升了数据质量；通过MBN的1个全局分支和2个局部分支分别提取步态的全局特征和不同粒度的局部特征，实现了对步态多尺度特征的充分提取，提升了对行走方向和行走速度的识别能力；联合使用Softmax损失与三元组损失，对粗粒度特征（未经降维的2 048维特征）与细粒度特征（经降维后的256维特征）进行协同优化，从而增强了模型的宏观分类能力与特征判别性。实验结果表明，在自建的步态数据集上，DDPM-MBN模型的Rank-1准确率和平均精度均值（mAP）相较于ResNet-50分别提升了8.05%,16.96%；与主流步态识别模型相比，DDPM-MBN模型在Rank-1准确率和m AP指标上均最优，分别为97.91%和95.48%。
关键词：人员步态识别;;毫米波雷达;;去噪扩散概率模型;;多分支网络;;时频谱图
基金资助：陕西省秦创原“科学家+工程师”队伍建设项目（2022KXJ-38）;; 陕西省教育厅服务地方专项计划项目（23JC049）
