李俊侠，张 秦，郑桂妹

1.空军工程大学 研究生院，西安710051

2.空军工程大学 防空反导学院，西安710051

近年来，人体姿态识别在安防监控、人机交互、安全驾驶、医疗健康和体育健身等领域都有着重要的意义和广泛的应用前景[1-3]。根据传感器的种类，现有的人体姿态识别方法可分为可穿戴式和非接触式两类。可穿戴式传感器的常见类型有手环、脚踝监视器等[4]，必须贴身佩带，存在普适性小、便携性差、损坏率高、功能单一、误报率高等问题。摄像头作为传统的非接触式传感器，对存储空间和信息处理能力要求较高、对光照等条件敏感，存在视力盲区和易泄露个人隐私等缺点，而以雷达为代表的传感器的使用，能够有效解决光学系统的以上问题。尽管基于雷达的人体姿态识别系统仍处于发展初期，但已有众多学者验证了其在该领域的良好性能及其鲁棒性、隐私性和安全性。

文献[5]中，Kim等人利用连续波雷达提取多普勒特征，训练支持向量机（SVM）以识别七种有节奏的人体运动，分类结果的准确率为92.8%。文献[6]中，Hong等人利用调频连续波雷达提取人体动作的动态范围多普勒轨迹（DRDT），结合机器学习分类方法，将连续运动分离为单个事件进行处理，平均准确率为91.9%。文献[7]先将深度卷积神经网络（DCNN）应用于基于微多普勒特征的人体活动分类，并将其转化成图像分类问题。文献[8]在文献[7]的基础上，利用多普勒雷达并结合DCNN方法和转移学习方法，进行五种常见的人体水上活动的分类识别，达到了SVM近两倍的精度。……