DIAT-RadHARNet：人間の懸念される行動のラジオベース分類を目的とした軽量DCNN

脅威となる人的行動の認識は、国家安全保障上の重要な要件の一つである。近年、微ドップラー（m-D）シグネチャに基づく人間の行動分類に適した深層畳み込みニューラルネットワーク（DCNN）モデルの設計が急速に進展している。しかし、高い計算コストと膨大なパラメータ数が、現場応用における直接的・効果的な利用を制限している。本稿では、Xバンド連続波（CW）レーダーを用いて生成された、兵士の這い這い移動、ボクシング、銃を携行したジャンプ、兵士のジョギング、兵士の行進、石投げ・手榴弾投擲を含む、m-Dシグネチャデータセット「DIAT-μRadHAR」を紹介する。また、これらの異常行動分類に特化した軽量DCNNモデル「DIAT-RadHARNet」を提案する。計算コストの低減と汎化能力の向上を目的として、DIAT-RadHARNetは以下の4つの設計原則に基づいて構築されている：深さ方向分離畳み込み（depthwise separable convolutions）、重要度に基づくチャネル重み付け（CHW）、深さ方向畳み込み部における異なるサイズのフィルタの採用、および同一入力テンソル上で異なるサイズのカーネルを同時に処理する方式。本ネットワークは合計55層、213,793パラメータを有する。広範な実験分析の結果、DIAT-RadHARNetは99.22％の高い分類精度を達成し、誤検出および誤検出の最小限に抑えられた結果を示した。テスト段階における本提案DCNNモデルの時間計算量は0.35秒であり、悪天候、低照度環境、長距離作動といった厳しい条件下でも、同様の精度と時間計算量が維持された。