[发明专利]基于调频连续波雷达的多特征图像融合的手势识别方法

说明书

本发明涉及基于雷达的手势识别技术领域，公开了一种基于调频连续波雷达的多特征图像融合的手势识别方法，包括如下步骤：步骤1、在雷达端实时采集手势数据，并所述手势数据进行预处理得到所述手势数据的中频信号；步骤2、对所述中频信号进行特征参数计算，得到手势连续的运动参数；步骤3、对连续的所述运动参数的数据段进行不相干物体滤除以及感兴趣数据段提取，得到包含手势信息的感兴趣数据段；步骤4、根据所述感兴趣数据段构建手势特征图像，将所述手势特征图像输入至浅层卷积神经网络进行实时识别分类。本发明能够实时生成手势的三种特征图像，并根据特征图像对手势进行实时识别分类。

技术领域

本发明涉及基于雷达的手势识别技术领域，具体涉及基于调频连续波雷达的多特征图像融合的手势识别方法。

背景技术

随着传感器和机器学习技术的发展，手势动作凭借其方便快捷、含义丰富、通俗易懂的特点使手势识别技术成为人机交互领域的一个热门研究方向。相较于目前应用广泛的基于光学图像的手势识别方法，基于雷达的手势识别方法具有不易受环境光照、延误、雾霾等环境因素影响，所需处理数据量小，不会泄露手势被采集者隐私信息等优点，这使得基于雷达的手势识别方法成为手势识别领域的一个研究热点。目前国内外雷达手势识别研究的主流方法是通过对雷达回波信号进行去斜、快速傅里叶变换、相干积累等处理，获得手势的距离、速度、角度等数据，并将这些数据作为输入样本输入到各种不同结构的卷积神经网络中进行分类识别。但在当前的研究中存在如下问题：

当前主流的雷达手势识别方法没有实现手势数据的实时采集处理以及识别。

发明内容

本发明提供一种基于调频连续波雷达的多特征图像融合的手势识别方法，能够对雷达手势识别方法实现手势数据的实时采集处理以及识别。

本发明通过下述技术方案实现：

一种基于调频连续波雷达的多特征图像融合的手势识别方法，包括如下步骤：

步骤1、在雷达端实时采集手势数据，并所述手势数据进行预处理得到所述手势数据的中频信号；

步骤2、对所述中频信号进行特征参数计算，得到手势连续的运动参数；

步骤3、对连续的所述运动参数的数据段进行不相干物体滤除以及感兴趣数据段提取，得到包含手势信息的感兴趣数据段；

步骤4、根据所述感兴趣数据段构建手势特征图像，将所述手势特征图像输入至浅层卷积神经网络进行实时识别分类。

作为优化，步骤1中，实时采集手势数据并对实时采集的手势数据进行预处理得到中频信号的具体步骤为：

步骤1.1、雷达端的射频模块产生发射信号依次通过倍频器、功率放大器和发射天线发出调频连续波雷达信号；

步骤1.2、所述调频连续波雷达信号遇到挥舞的手势发生反射产生回波信号，所述回波信号依次通过接收天线和低噪声放大器到达混频器；

步骤1.3、所述回波信号和发射信号通过混频器得到中频信号。

作为优化，还包括步骤1.4、所述中频信号经过模数转换模块得到手势数据的数字信号。

作为优化，步骤1.3中，所述回波信号和发射信号通过混频器得到中频信号的具体公式为：

其中B为雷达有效调频带宽，T_c为调频周期，R₀为信号发射时手与雷达间的距离，v为手的速度，t为发射信号传递到手部所需的时间，c为光速，为回波信号的频移。

作为优化，步骤2中，所述手势连续的运动参数包括雷达到手势主体的距离参数、手势的速度参数和手势的水平角度参数。

作为优化，所述雷达到手势主体的距离参数的计算公式为：