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！

龙图腾网获悉陕西师范大学申请的专利一种基于特征融合卷积神经网络的FMCW雷达人类活动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：CN116664994B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202310391730.8，技术领域涉及：G06V10/80；该发明授权一种基于特征融合卷积神经网络的FMCW雷达人类活动识别方法是由洪灵;张婉婉;汪西莉;马君亮;孙增国设计研发完成，并于2023-04-13向国家知识产权局提交的专利申请。

本一种基于特征融合卷积神经网络的FMCW雷达人类活动识别方法在说明书摘要公布了：本发明公开了一种基于特征融合卷积神经网络的FMCW雷达人类活动识别方法，该方法是将雷达数据预处理为三种图，所述三种图分别为多普勒时间图、距离时间图和距离多普勒图，将三种图经过通道叠加形成新的三通道图输入到特征融合卷积神经网络中以实现人类活动识别。本发明不仅充分利用了雷达数据中蕴含的丰富信息，而且能够有效地提取了图像的特征，实现人类活动识别。

本发明授权一种基于特征融合卷积神经网络的FMCW雷达人类活动识别方法在权利要求书中公布了：1.一种基于特征融合卷积神经网络的FMCW雷达人类活动识别方法，其特征在于，具体包括以下步骤： 步骤1，雷达数据预处理：将雷达信号重塑为数据矩阵，在数据矩阵的快时间维上应用快速傅里叶变换得到不同的距离单元，然后应用移动目标指示滤波，对变换后的数据取幅值转化为分贝表示得到距离时间图并保存；其次，在应用移动目标指示滤波之前的数据矩阵的慢时间维上应用快速傅里叶变换，对变换后的数据取幅值，然后以最大值的形式归一化并调节显示的动态范围得到距离多普勒图并保存；最后，选取距离时间图中人体活动时所在的距离单元，对每个距离单元应用短时傅里叶变换并求和，然后取幅值转化为分贝表示得到多普勒时间图并保存； 步骤2，构建特征融合卷积神经网络模型：构建由Pytorch封装的VGG16和MobileV3-large网络拼接而成的卷积神经网络，所述VGG16包括features层和avgpool层，所述MobileV3-large包括features层；然后在通道维上进行特征融合，最后再经过自适应平均池化层和全连接层输出识别结果； 步骤3，生成训练好的特征融合卷积神经网络模型并保存模型参数：首先，将步骤1中得到的多普勒时间图、距离时间图和距离多普勒图按照比例划分为训练集和测试集；然后，将训练集中每个样本的3张RGB图片转为灰度图进行通道叠加形成新的三通道图；最后，在训练集上以交叉验证的方式训练特征融合卷积神经网络，得到训练好的网络模型并保存模型参数； 步骤4，人类活动识别：将测试集中每个样本的3张图片以和训练集相同的方式进行处理，得到新的三通道图；将保存的模型参数加载到特征融合卷积神经网络中并将测试集输入网络，实现人类活动识别。

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陕西师范大学，其通讯地址为：710119 陕西省西安市长安区西长安街620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。