ドップラーレーダー署名と深層学習を用いた歩行者および動物認識

画像や動画における歩行者の出現を正確に認識することは、人間の生活の質を向上させる可能性のある多くのアプリケーションにおいて重要です。レーダーは歩行者を特定するために使用できます。物体の異なる部分がレーダーの前を移動すると、物体を特定するために使用できるマイクロドップラー信号が生成されます。深層学習ネットワークと時間周波数分析を使用して、マイクロドップラーレーダー署名の特徴に基づいて歩行者と動物を分類する方法を提供します。これらの署名に基づいて、畳み込みニューラルネットワーク（CNN）を用いて歩行者と動物を認識しました。提案されたアプローチは、MAFATレーダーチャレンジデータセットで評価されました。公的なテストセットではAUC（曲線下面積）値が0.95、最終（プライベート）テストセットでは0.85を超えるという有望な結果が得られました。提案されたDNNアーキテクチャは、より一般的な浅層CNNアーキテクチャとは対照的に、レーダーデータの領域でそのようなアプローチを使用する最初の試みの一つです。最終結果を大きく改善した合成レーダーデータの使用は、我々の研究のもう一つの新しい側面です。