[发明专利]基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法

权利要求书

1.基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于包括如下步骤：

S1，构建神经网络模型，神经网络模型包括卷积层和池化层的多重组合层，以及其后续依次连接的平摊层与全连接层；

所述平摊层，将二维图片展开为一维数据；

所述全连接层，包括隐含层与一层输出层；

S2，采集墙后人体的动作图像作为训练数据，并训练与优化神经网络模型，调整超参数的大小与神经网络的结构，调整的神经网络的结构包括隐含层的层数、神经元数量、卷积层和池化层的多重组合层的层数；

S3，部署神经网络模型；

S4，使用训练好的神经网络模型预测待测的墙后人体的动作图像，选择置信度最高的动作，作为最终检测结果。

2.根据权利要求1所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述S1中，对神经网络进行初始化，包括设置无法由训练获得的超参数的数值，设置神经元排列组成的层对应的的激活函数，设置指导神经网络学习方法的优化器，设置用于评估训练模型准确性的损失函数，设置回调函数。

3.根据权利要求2所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述激活函数，包括卷积层与全连接层中的神经元输出数值时使用的激活函数。

4.根据权利要求2或3所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述激活函数，为非线形激活函数。

5.根据权利要求2所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述回调函数，用于神经网络在训练过程中，及时停止过拟合的发生。

6.根据权利要求2或5所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述回调函数，在训练过程中，通过测试不同超参数的训练结果，自动设置最优超参数。

7.根据权利要求1所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述S2中，采集训练数据划分为训练集，验证集与测试集，并标注标签，通过训练集训练神经网络，并调整超参数的大小与神经网络的结构，通过验证集验证训练效果，选择效果最好一组所使用的超参数与神经网络结构，通过测试集进行准确性测试，保存表现良好的神经网络结构与超参数的值。

8.根据权利要求7所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述S2中，将采集的训练数据转化为灰度图片格式，调整为统一的大小并归一化处理；所述S4中，将待测图像数据转化为灰度图片格式，调整其大小与训练数据一致，并归一化处理。

9.根据权利要求7所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于所述训练数据的划分，分别来自于数据采集的整个阶段。

10.根据权利要求7所述的基于超宽带穿墙雷达与CNN的检测墙后人体动作的方法，其特征在于如果在测试集的表现依旧良好，则保存其对应的神经网络结构与超参数的值并进行下一步的部署。