[发明专利]一种基于距离‑速度特征的手势识别方法

摘要

一种基于距离‑速度特征的手势识别方法，步骤如下1，使用调频连续波雷达作为手势传感器，对接收到的差拍信号进行截取和排列，得到雷达回波信号2维矩阵；2，对步骤1中的雷达回波矩阵，分别沿快时间维和慢时间维进行二维FFT；3，利用R‑D图序列训练卷积神经网络；4，将实时的R‑D序列输入卷积神经网络模型，进行识别测试，最终得到的卷积神经网络的测试正确率超过98％；5，实现对电脑端的操作及实物的控制；本发明能在没有光照和不穿戴传感器的情况下进行手势识别，实现了与电脑端和实物的交互；本发明加入了实时检测，巧妙的解决了数据截取位置不确定造成的识别困难的问题，实现了实时的手势识别和控制，具有较好的实用价值。

主权项

一种基于距离‑速度特征的手势识别方法，其特征在于：该方法具体步骤包括：步骤1，使用调频连续波雷达作为手势传感器，对接收到的差拍信号按慢时间的顺序进行排列，得到雷达回波信号2维矩阵，每行对应一个调频周期即慢时间，每列对应一个距离单元即快时间；步骤2，对步骤1中的雷达回波矩阵，分别沿快时间维和慢时间维进行快速傅里叶变换即FFT，得到包含目标距离和速度信息的R‑D图；二维FFT的计算公式如式(1)，X(l,k)=Σm=0NF-1Σn=0Ns-1xm(n)exp(-j2πknNS)(-j2πlmNF)---(1)]]>式中，X(l,k)是二维FFT变换的结果，NF表示慢时间维的采样点数，Ns表示快时间维的采样点数，xm(n)表示回波矩阵中第m个调频周期中的第n个采样；步骤3，经试验统计，当目标进入雷达波束后，回波信号强度会发生明显变化，据此变化即能检测出运动目标是否存在；设定动目标检测阈值，当回波强度超过检测阈值时，即认为运动目标存在；检测到运动目标后，系统连续采集12帧差拍信号并进行二维FFT变换，得到R‑D图序列；步骤4，随机选取步骤3得到的4种手势的R‑D序列，分为训练集和测试集；将训练集输入深度卷积神经网络进行训练，用经过训练的卷积神经网络对测试集进行识别测试；经过10000次迭代训练，最终得到的卷积神经网络的测试正确率超过98％；步骤5，按步骤3的方法实时采集雷达回波信号并检测运动目标，当检测到手势动作时将R‑D序列存储并发送给卷积神经网络进行识别，实时输出识别结果，能实现对电脑端的操作及实物的控制；通过以上步骤，我们实现了不依靠摄像头和传感器设备的手势识别，能在没有光照和不穿戴传感器的情况下进行手势识别，并且实现了与电脑端和实物的交互，能作为一种可靠的、新颖的人机互接口；本发明加入了实时检测，巧妙的解决了数据截取位置不确定造成的识别困难的问题，实现了实时的手势识别和控制，具有很好的实用价值。