一种基于微多普勒特征的手势识别方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113030936A(43)申请公布日2021.06.25(21)申请号202110315073.X(22)申请日2021.03.24(71)申请人中国人民解放军93114部队地址100195北京市海淀区闵航路27号院(72)发明人朱宇涛陈东谭礼晋张志余博时鸽李娜王日冬杨丽萍李超姚梁希(74)专利代理机构北京天达知识产权代理事务所(普通合伙)11386代理人李明里(51)Int.Cl.G01S13/50(2006.01)G06K9/00(2006.01)G06K9/62(2006.01)权利要求书2页说明书8页附图5页(54)发明名称一种基于微多普勒特征的手势识别方法及系统(57)摘要本发明涉及一种基于微多普勒特征的手势识别方法及系统，方法包括：采用穿墙雷达观测被障碍物遮挡的指挥手势，得到雷达回波信号；所述障碍物包括墙体；对雷达回波信号进行多普勒谱与短时傅里叶变换时频谱分析，提取由障碍物遮挡指挥手势所引起的多维微多普勒特征；建立由历史观测雷达回波信号中提取的多维微多普勒特征和对应的指挥手势组成的训练集，对分类器进行训练；将实时提取的障碍物遮挡的指挥手势引起的多维微多普勒特征输入训练好的分类器进行识别，确定被遮挡的指挥手势。本发明可准确识别障碍物后的单兵指挥手势，有效为行动决策提供必要信息，提升效率。CN113030936ACN113030936A权利要求书1/2页1.一种基于微多普勒特征的手势识别方法，其特征在于，包括：采用穿墙雷达观测被障碍物遮挡的指挥手势，得到雷达回波信号；所述障碍物包括墙体；对雷达回波信号进行多普勒谱与短时傅里叶变换时频谱分析，提取由障碍物遮挡指挥手势所引起的多维微多普勒特征；建立由历史观测雷达回波信号中提取的多维微多普勒特征和对应的指挥手势组成的训练集，对分类器进行训练；将实时提取的障碍物遮挡的指挥手势引起的多维微多普勒特征输入训练好的分类器进行识别，确定被遮挡的指挥手势。2.根据权利要求1所述的手势识别方法，其特征在于，所述指挥手势包括四种单兵指挥手势：横向纵队：手臂作握拳状，水平横向伸出手臂；单纵队形：举起手臂，屈曲手肘，手掌垂直，前后作劈砍动作；双纵队形：手肘屈曲，手举起至头顶高度，并作握拳状，食指和中指伸出作钩状前后摆动；V字队形：作握拳状，伸直手臂和身体成一定角度，然后摆动至后方。3.根据权利要求1或2所述的手势识别方法，其特征在于，所述多维微多普勒特征包括六维微多普勒特征；其中，第一维特征表征由指挥手势引起的频域能量散布；第二维特征表征由指挥手势引起的调制谱能量；第三维特征表征由指挥手势引起的多普勒谱峰值；第四维特征表征由指挥手势引起的总频率宽度；第五维特征表征由指挥手势引起的频谱峰值周期；第六维特征表征由指挥手势引起的多普勒频差。4.根据权利要求3所述的手势识别方法，其特征在于，所述第一维特征为多普勒谱的波形熵；所述波形熵为雷达回波信号多普勒谱各个分量幅度的概率分布；所述第二维特征为多普勒谱的差分取模求和；所述差分取模求和表示雷达回波信号多普勒谱各个分量幅度的相对变化关系；所述第三维特征为短时傅里叶变换时频谱的时频熵；所述时频熵为雷达回波信号短时傅里叶变换时频谱中微多普勒调制谱宽度范围内能量的分布程度；所述第四维特征为短时傅里叶变换时频谱的主分量带宽；所述主分量带宽为雷达回波信号短时傅里叶变换时频谱中最高和最低多普勒频率之间的总频率范围；所述第五维特征为短时傅里叶变换时频谱的平均周期；所述平均周期为雷达回波信号短时傅里叶变换时频谱中微多普勒信号的每个正峰值之间时间差的平均值；所述第六维特征为短时傅里叶变换时频谱的多普勒偏移；所述多普勒偏移为雷达回波信号短时傅里叶变换时频谱中最高和最低多普勒频率之间的差值。5.根据权利要求1或2所述的手势识别方法，其特征在于，所述分类器为随机森林分类器。2CN113030936A权利要求书2/2页6.根据权利要求5所述的手势识别方法，其特征在于，所述随机森林分类器的训练过程包括：对雷达历史观测的不同人员的四种单兵手势的回波数据进行多维微多普勒特征提取和手势标注，形成训练样本集D；对训练样本集D进行bootstrap采样，形成T个训练样本采样集；所述Bootstrap为自助采样法；T为训练样本采样集个数，取值为正整数；第t个训练样本采样集训练第t个决策树，训练样本采样集与决策树一一对应，训练后的各个决策树作为基分类器共同构成随机森林组合分类器，1≤t≤T。7.根据权利要求1或2所述的手势识别方法，其特征在于，所述穿墙雷达工作频率为1.6G‑2.2GHz，单周期内连续发射300个步进脉冲，持续时间30ms。8.一种根据权利要求1‑7任一项所述的手势识别方法的手势识别系统，其特征在于，包