Esta investigación presenta hallazgos de experimentos de laboratorio sobre un método novedoso para identificar y diferenciar objetos utilizando firmas de radar y una arquitectura especializada de red neuronal convolucional. Introducido previamente por los autores, este método ha sido validado a través de mediciones del mundo real en un entorno urbano con un radar de onda continua modulada en frecuencia de 24 GHz. Este estudio describe cómo se procesaron las firmas de radar, generadas en el entorno de MATLAB (R2023b) a partir de señales I y Q capturadas por el radar uRAD USB v1.2. Se creó una base de datos de firmas de radar para peatones, ciclistas y vehículos, y se entrenó una red neuronal convolucional adaptada. La solución desarrollada logra una precisión de más del 95% en distinguir entre varios objetos. Los resultados de la simulación y las pruebas exitosas respaldan la aplicación de este sistema en diversos sectores. Las innovaciones clave incluyen distinguir múltiples objetos a partir de una sola firma de radar, una arquitectura personalizada para la red neuronal convolucional y una aplicación que procesa datos de radar para producir resultados de reconocimiento casi en tiempo real.