申请/专利权人：南京邮电大学

申请日：2021-09-29

公开（公告）日：2024-04-05

公开（公告）号：CN113837131B

主分类号：G06V40/20

分类号：G06V40/20;G06V10/44;G06V10/80;G06V10/762;G06V10/82;G06N3/0464;G06N3/049;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2022.01.11#实质审查的生效;2021.12.24#公开

摘要：一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法，采用密度聚类算法对雷达目标的点迹进行处理，有效剔除异常点和无效点，抑制了杂波和噪声，利于提取手势运动特征；采用了信号截取和密度聚类算法的处理，大大减少了数据运算，便于集成在能耗低、体积小的高速处理芯片上；对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换，提取手掌和手指特征，兼顾手掌整体动作识别的同时，还关注手指的细微动作。融合距离、角度、速度手势运动信息，一定程度上提高了手势识别的准确度和精度。

主权项：1.一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法，其特征在于：具体包含以下步骤：步骤1，FMCW毫米波雷达系统初始化，配置手势采样的参数，包括收发天线对、采样点数、采样时间；步骤2，FMCW毫米波雷达平台对不同手势动作进行采样，获得原始手势回波数据Sm＝[S1m,S2m,…,SNm]，其中m，N分别代表毫米波雷达平台设置的采样点数和通道数，原始手势回波信号Sm由采样点数m和通道数N构成二维矩阵；步骤3，对原始手势回波数据Sm进行截取筛选，雷达回波信号往往会有较强的杂波，根据手势识别的特性设定相应的手势范围0-1米，使范围内的手势信号得到显现，范围外的杂波得到剔除，获得有效手势数据SHm；步骤4，对有效手势数据SHm进行动态信号处理，首先对信号进行杂波抑制，防止噪声和杂波对手势信号提取的干扰，然后在距离-角度维上做傅里叶变换FFT形成距离-角度图RAI，在距离-速度维上做傅里叶变换FFT形成距离-多普勒图RDI；步骤5，基于DBSCAN密度聚类算法对RAI中的雷达目标点迹进行处理，选取点最多的一个簇，也就是手势轨迹的主体，去掉了无用点，同时减少数据量；步骤6，将RDI和DBSCAN处理完的RAI进行尺度变换，缩放得到不同尺寸的图像RDI’、RAI’，在CNN中有不同的卷积层，将不同尺寸的特征图输入到不同的卷积层中，实现多尺度特征提取；步骤7，RDI和RAI在经过CNN提取特征后得到了两个都为1*64的特征向量记为FRDI和FRAI，将FRDI和FRAI进行特征融合，形成一个2*64的新特征融合图Ffusion；步骤8，Ffusion作为长短期记忆网络LSTM的输入，利用其记忆单元建立手势序列前后信息之间的联系，保留了融合特征在每一步之间的联系，生成最终的时序特征向量T，大小为1*64；步骤9，LSTM提取的时序特征向量T输出到全连接层，映射到数据样本标记空间D；步骤10，最后通过Softmax函数得到概率p，根据最大概率p得到多尺度特征融合后对应的手势类别。

全文数据：

权利要求：

百度查询： 南京邮电大学 一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD