一种基于多任务跨模态注意力的毫米波雷达行为识别方法

本发明属于智能感知与模式识别技术领域，具体涉及一种基于毫米波雷达与多任务学习的人体行为识别方法。所述方法包括：同步采集毫米波雷达点云数据与RGB视频流，通过三维解析与动态目标提取生成5维点云场景；构建层级化Point Transformer网络提取雷达时空特征，并利用视觉辅助姿态估计生成人体关键点特征；通过跨模态注意力机制动态融合雷达与关键点特征，结合多任务联合优化策略，以行为分类为主任务、姿态估计为辅助任务，输出行为识别结果。本发明通过多任务协同与跨模态特征交互，在保证隐私安全的前提下，显著提升了复杂场景下人体行为识别的准确率与鲁棒性，为智能监护、人机交互等领域提供了高效可靠的技术支撑。