En los vehículos de conducción autónoma, el sistema de frenado de emergencia utiliza sensores lidar o radar para reconocer el entorno circundante y prevenir accidentes. Los clasificadores convencionales basados en datos de radar que utilizan aprendizaje profundo son estructuras de entrada única que usan mapas de rango-Doppler o micro-Doppler. El aprendizaje profundo con una estructura de entrada única tiene limitaciones en la mejora del rendimiento de clasificación. En este documento, proponemos un clasificador de múltiples entradas basado en una red neuronal convolucional (CNN) para reducir la cantidad de cálculos y mejorar el rendimiento de clasificación utilizando el radar de onda continua modulada en frecuencia (FMCW). La estructura de aprendizaje profundo de múltiples entradas propuesta es una estructura basada en CNN que utiliza un mapa de distancia Doppler y un mapa de nube de puntos como entradas múltiples. La precisión de clasificación con el mapa de rango-Doppler o el mapa de nube de puntos es del 85% y 92%, respectivamente. Se ha mejorado al 96% con ambos mapas.