一种基于太赫兹雷达的精细动态手势识别方法.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CN111813222A(43)申请公布日2020.10.23(21)申请号202010655774.3(22)申请日2020.07.09(71)申请人电子科技大学地址611731四川省成都市高新西区西源大道2006号(72)发明人崔宗勇王星李晋闵锐曹宗杰皮亦鸣(74)专利代理机构成都点睛专利代理事务所(普通合伙)51232代理人孙一峰(51)Int.Cl.G06F3/01(2006.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书4页附图2页(54)发明名称一种基于太赫兹雷达的精细动态手势识别方法(57)摘要本发明属于雷达和人机交互技术领域，具体涉及一种基于太赫兹雷达的精细动态手势识别方法。本发明的方法首先对基于太赫兹雷达平台采集的运动手势数据进行预处理，去除静止目标和背景噪声；然后根据时间序列上雷达回波信号包含的能量大小对完整手势进行检测分割；接着对每个完整运动手势样本提取时间上的多普勒频移分布图谱特征，进行特征增强和尺寸统一；最后采用卷积神经网络进行模型的训练，从而实现手势的分类识别。发明的方法对精细运动手势具有较高的识别准确率。CN111813222ACN111813222A权利要求书1/2页1.一种基于太赫兹雷达的精细动态手势识别方法，其特征在于，包括以下步骤：S1、采集不同手势运动过程中产生的雷达回波信号，构建雷达回波数据矩阵其中m表示一个雷达回波的采样点数，n表示一组采集数据的回波数；S2、对W沿快时间维度做快速傅里叶变换，获得慢时间维度上的高分辨距离像序列矩阵其中k为快速傅里叶变换的点数；S3、对序列矩阵H依次截取帧长为N的矩阵其中分别进行静止目标和背景噪声的去除，具体方法为：去除静止目标：对hi沿慢时间维度做快速傅里叶变换，将零频置零，再进行傅里叶逆变换获得去静止目标后的矩阵hi；去除背景噪声：对hi进行基于背景噪声幅度服从瑞利分布的CFAR检测进行噪声消除，针对矩阵hi当中残留的噪声孤立点，采用奇异值分解进行去除；S4、对序列矩阵进行去静止目标和背景噪声去除以后，根据慢时间维度上的能量强度分布来检测分割单个完整的手势运动数据段，具体为：首先依次获取矩阵hi所对应的能量值ei，然后采用跨度w进行滑动平均，获取经过滑动平均后的能量序列曲线e1′,e2′,e3′,…，最后寻找对应的极小值点位置索引d1,d2,d3,…，相邻索引di和di+1之间对应于序列矩阵H的数据段就表示一个完整的运动手势数据样本，从而实现在采集的多个连续动态手势当中分割出单个完整手势样本；S5、对分割出的单个完整手势样本，提取手势运动过程中产生的多普勒频移分布图谱，具体为：令与完整的运动手势数据样本对应的距离-多普勒图表示为：对其进行归一化处理：对不同时刻的的距离-多普勒图进行按列求和，提取手势运动过程中产生的多普勒频移分布图谱：p表示快速傅里叶变换的点数；S6、对提取的完整运动手势样本对应的多普勒频移分布图谱进行特征增强，采用最近邻插值的方法将其统一到相同大小，然后对P按列进行归一化，最后将所有手势提取的多普勒频移分布图谱和对应的手势类别标签送入卷积神经网络进行训练，实现对手势样本进行分类识别。2CN111813222A权利要求书2/2页2.根据权利要求1所述的一种基于太赫兹雷达的精细动态手势识别方法，其特征在于，步骤S3中所述去除背景噪声的具体方法为：对太赫兹雷达采集的手势数据，令背景噪声幅度的统计规律近似服从瑞利分布：且满足均值根据矩阵hi的幅度统计估计出参数μ，并设定检测阈值为Th，虚警概率为Pfa，得到基于CFAR检测的阈值：将矩阵hi当中确定高于阈值的值保留，低于阈值的值置零；对矩阵hi当中残留的噪声孤立点，采用奇异值分解进行去除，具体为：分解矩阵hi＝UΣVH，其中矩阵Σ仅在主对角线上有值，保留主对角线上前jH个奇异值，其它置零，获取矩阵Σ的近似Σ′，得到去除噪声孤立点的矩阵hi＝UΣ′V。3CN111813222A说明书1/4页一种基于太赫兹雷达的精细动态手势识别方法技术领域[0001]本发明属于雷达和人机交互技术领域，具体涉及一种基于太赫兹雷达的精细动态手势识别方法。背景技术[0002]随着智慧时代的来临，人与机器之间的交互日益频繁。通过键盘和鼠标控制、需要被动学习预先设置的规定操作来实现基于图形用户界面的人机交互方式，给用户带来了沉重的操作记忆负担，并且可拓展性不强，严重地限制了人机交互过程中的操作效率和用户体验。作为新一代的人机交互形式，自然用户界面(NaturalUserInterface,NUI)以一种更加适应人类需求和喜好、更自然和更接近现实行为方式来实现交互，这其中一项重要类别就是手势交互。它将