一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法.pdf
康平****ng
亲,该文档总共14页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法.pdf
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。
一种基于FMCW雷达的三参数特征融合手势识别方法.pdf
本发明提出了一种基于FMCW(frequencymodulatedcontinuouswave)雷达的三参数特征融合手势识别方法。首先通过雷达获取不同手势的中频信号,从中得到角度参数、距离参数和多普勒频移参数,并构造对应数据集;其次,将关于角度、距离和多普勒频移的数据集分别送入卷积神经网络中训练,得到特征值并做融合处理;最后,将融合后的特征值送入分类器,得到手势类别。本发明创新地提出多重参数在卷积神经网络中的融合方法,解决了传统识别算法使用条件受限的问题,且最终手势的分类效果优于单一参数。
基于FMCW毫米波雷达的手势识别方法研究与实现的开题报告.docx
基于FMCW毫米波雷达的手势识别方法研究与实现的开题报告一、选题背景随着智能家居、智能手机等智能化产品的普及,利用手势进行交互已经成为了一种新的方式。这种方式不仅可以提高用户的使用效率和体验感,还可以避免传统输入方式的疲劳感和输入错误等问题。因此,手势识别技术的研究与实现已经成为了目前智能化应用领域的热点问题。基于FMCW毫米波雷达的手势识别方法具有探测范围大、分辨率高、不受光照和遮挡等干扰的优点,因此,本文选择基于FMCW毫米波雷达进行手势识别的研究与实现。二、研究内容与目标本文的研究内容主要包括:1.
一种基于多尺度特征融合的雷达目标检测方法.pdf
本发明涉及一种基于多尺度特征融合的雷达目标检测方法,属于雷达目标探测技术领域。所述方法致力于改进现有目标检测模型FasterRCNN,通过多尺度特征融合设计增强小目标特征表征能力,进而提升杂波背景下的小目标检测性能。包括:构建目标检测数据集并划分训练集和测试集;将训练集依次输入基于多尺度特征融合的主干网络、区域生成网络、分块池化网络和输出网络进行模型训练,获得训练好的目标检测模型;将测试集输入训练好的目标检测模型中进行模型测试,获得测试图像的预测类别和位置坐标。所述方法通过融合高层特征的强语义信息和低层
一种基于多尺度特征融合的行人重识别方法.pdf
一种基于多尺度特征融合的行人重识别方法,1)构建基于多尺度融合的模型,并预训练主干网络暨多尺度特征提取器。2)利用多尺度特征提取器生成图像的多尺度特征。3)采用基于Transformer的特征校准模型融合两个不同尺度的特征。4)利用深监督融合从浅层特征到深层特征不断融合不同层级的特征。5)用交叉熵损失和三元组损失监督融合过程。6)将目标测试集图像输入训练好的模型提取特征,根据特征相似度进行排序得到行人重识别的结果,进而实现行人重识别。本发明采用卷积神经网络提取多尺度特征,使用Transformer从全局的