[发明专利]一种基于多普勒雷达信号的手臂运动细节感知方法

说明书

本发明提出一种基于多普勒雷达信号的手臂运动细节感知方法指的是对常见手势行为例如抬手、挥手、推拉等动作进行细粒度识别，具体包括手势种类判别、动作角度幅度或方向等信息分析两大内容。对于手势种类判别我们将从两个雷达的原始信号中组合分析，得出用户做的手势类别。其主要工作内容包括信号检测提取、识别分类、结论生成。本文提出的基于多普勒雷达信号的手臂运动细节感知方法，无需为每个角度、幅度、方向的不同动作进行大量数据的训练，因此节约了成本。使用多层次的感知方法，即先判别种类再分析细节，能提高处理效率和准确性。最终能识别出诸如手臂抬起放下的角度、手臂在身体前方挥动的幅度、推拉动作的方向等细节动作信息。

技术领域

本发明涉及基于无线电磁波信号的人体行为感知领域，尤其涉及微型多普勒雷达对用户的手臂运动幅度、角度等进行细粒度感知与识别的方法。

背景技术

随着人机交互需求的增加和技术的发展，人们越来越多地使用无线设备进行动作识别工作。不同于计算机视觉的动作识别方法对于光照有额外的要求，以及使用加速度传感器感知的动作识别方法对人在整体的动作识别上有困难的情况，无线设备的动作识别具有普适、易操作的优势。同时随着诸如智能手机等智能设备的发展，无线设备也深入到生活的方方面面，普及程度大幅增加。目前已经有许多基于无线的感知技术，例如在2016年UbiComp发表的《WiFinger:talk to your smart devices with finger-grainedgesture》文章利用Wi-Fi信号经过人体时其CSI信号强度发生变化的特性，来对用户做出的手势进行识别，实现了更自然的人机交互；专利US20120139708A1则说明了一种基于RFID的手势识别方法，其通过用户佩戴在身体上的RFID雷达接收用户佩戴在手部的RFID标签传输的信号，获得用户手部的空间位置进而识别出用户做出的手势。然而，在现有的方法中，Wi-Fi无线信号分布不稳定、易受干扰的特点使得很难应用到实际情况，RFID识别技术则需要给用户佩戴额外的设备，影响体验。此外，它们基本都是以识别动作种类为目的，很少有考虑到手势细节信息分析。光是一个抬手或挥手的动作，也会有不同的抬手角度、挥手幅度等差异，而用户很可能希望以此来进行一些特殊人机交互，例如微调室内灯光亮度。雷达信号具有噪声低、频带宽、损耗小的优点，可在相同环境中对用户的动作做出更精确、稳定的识别。使用微型多普勒雷达进行人体手臂动作的感知，不光识别动作种类，还分析动作细节，可提供更好更便捷的人机交互体验，能在智能家居、工作娱乐等领域均带来一定实际意义。

发明内容

针对以上问题，本发明提供一种能识别出诸如手臂抬起放下的角度、手臂在身体前方挥动的幅度、推拉动作的方向等细节动作信息的基于多普勒雷达的人体手臂运动细节感知方法。

本发明的技术方案为：一种基于多普勒雷达信号的手臂运动细节感知方法，包括以下步骤：

步骤1：对采集到的雷达信号先进行备份，然后进行滤波处理；

步骤2：基于滤波后的雷达信号，采用基于规则的双门限检测算法，对两个雷达的信号中有起伏波动的，可能是动作导致产生的信号片段进行检测与提取；同时，在步骤1中备份过的原始雷达信号也在相同时间点上提取出信号片段；

步骤3：将经过滤波的两个雷达各自提取得到的动作信号进行离散小波变化降采样，然后使用双阶段分类法，得出动作种类初步结论；初步结论包括：类抬手、类放下、类推、类拉、类旋转、无法判断；

步骤4：根据两个雷达各自得出的动作种类初步结论，设计结论组合规则，完成具体的手臂动作种类判断；具体结论包括：向前方抬手与放下、向前方推与拉、向右侧抬手与放下，向右侧推与拉、从身体前方平移到右侧，从身体右侧平移回前方、在身体前方顺时针旋转，在身体前方逆时针旋转；

步骤5：动作种类识别完成后，若该动作属于抬手放下、推拉、平移中的任意一个，则继续向后进行步骤；若该动作属于旋转类别，将停止进一步识别；