DIAT-RadHARNet: 인간의 의심스러운 활동을 위한 레이더 기반 분류를 위한 경량 DCNN

국가 안보를 고려할 때, 의심스러운 인간 행동을 인식하는 것은 핵심적인 요구사항 중 하나이다. 현재, 마이크로도플러(m-D) 서명 기반의 인간 활동 분류에 적합한 심층 합성곱 신경망(DCNN) 모델을 설계하는 연구가 급속히 성장하고 있다. 그러나 높은 계산 비용과 방대한 파라미터 수로 인해 이러한 모델은 현장 응용에서 직접적이고 효과적으로 활용되기 어려운 실정이다. 본 논문은 X밴드 연속파(CW) 레이더를 사용하여 생성한 마이크로도플러 서명 데이터셋 ‘DIAT-μRadHAR’을 소개한다. 이 데이터셋은 군인 기어가기, 펀치, 권총을 든 상태에서 점프하기, 군인 조깅, 군인 행진, 돌 던지기/폭탄 투척 등의 활동을 포함한다. 또한, 이러한 의심스러운 인간 활동 분류를 위해 설계된 경량 DCNN 모델인 ‘DIAT-RadHARNet’을 제안한다. 계산 비용을 줄이고 일반화 능력을 향상시키기 위해, DIAT-RadHARNet는 네 가지 설계 원칙에 기반하여 설계되었다. 즉, 깊이 분리형 합성곱(depthwise separable convolutions), 중요도 기반 채널 가중치(Channel Weighting, CHW), 깊이 부분에서 다양한 크기의 필터 사용, 동일한 입력 텐서에 대해 서로 다른 크기의 커널을 병렬로 작동시키는 방식이다. 제안된 네트워크는 총 55층, 213,793개의 파라미터를 갖는다. 광범위한 실험 분석을 통해 DIAT-RadHARNet 모델이 99.22%의 높은 정확도로 활동을 효과적으로 분류함을 입증하였으며, 거짓 양성과 거짓 음성 결과가 극도로 낮은 수준임을 확인하였다. 테스트 단계에서 관측된 제안된 DCNN 모델의 시간 복잡도는 0.35초이다. 이와 같은 정확도와 시간 복잡도는 악천후, 저조도 환경, 장거리 작동 조건에서도 동일하게 유지된다.