【技术实现步骤摘要】
一种基于毫米波雷达的手势识别方法及系统
本专利技术涉及智能设备及人机交互领域,具体涉及一种基于毫米波雷达的手势识别方法及系统。
技术介绍
虚拟现实及增强现实等技术可被用来建造三维模拟环境,实现多源信息融合的交互式三维动态视景和实体行为系统仿真,可以通过将计算机模拟合成的多维虚拟环境与实体环境进行有机融合,令受众以全感官的方式进行体验和交互。作为极富有挑战性的交叉技术前沿学科和研究领域,虚拟现实技术是仿真技术与计算机图形学、人机交互技术、多媒体技术、传感技术等多种技术的集合。现实世界各场景中人与人之间交互有多种多样的方法,不仅可以使用口语、书面表达等自然语言,还可以运用面部表情、手势等肢体语言进行沟通。但是人类与计算机的交互通常没有动作和表情,呆板且不自然。如果计算机系统能够识别人类的肢体语言,将在很大程度上增强人机交互的效果,将其作为虚拟现实技术中人机交互的界面方案也将使得系统操作更为流畅自然。而手是最灵活的身体部位之一,人们往往认为手语是人类的第二种语言。手势作为机器与人之间的交流语言,具有非常强的视觉冲击效果。但由于手势丰富多变,因此手势识别需要精度较高的数据采集及信号处理方案。现有技术通过雷达波进行手势识别的技术中多以线性调频连续波雷达为主,而这种方法增加了距离测量值作为属性,同时也提高的系统的成本。因此需要一种新的手势识别技术来解决现有技术中存在的缺陷。
技术实现思路
本专利技术的目的是为了解决现有的手势识别方法成本高,在识别一部分手势时易出错,且判断逻辑复杂的缺点,而提出一种基于毫米波雷达的手势识别方法及系统。根据本专利技术的第一方面,提供一种基于毫 ...
【技术保护点】
1.一种基于毫米波雷达的手势识别方法,其特征在于,包括:步骤一、建立训练集,过程为:在设置有第一雷达和第二雷达的环境下进行一次手势运动,根据此时第一雷达和第二雷达采集到的幅值信号提取以下属性构成一个样本:第一雷达的振幅差信息、第二雷达的振幅差信息、方向数、第一方向和第二方向;其中第一方向表示手势相对于第一雷达的运动趋势,第二方向表示手势相对于第二雷达的运动趋势;方向数表示手势运动过程中出现的运动趋势的次数;第一雷达和第二雷达的信号接收方向具有一定角度;每一次手势运动被标记为预设的手势类别中的一种;进行多次手势运动,将得到所有样本构成训练集;步骤二、对步骤一中提取出的每个属性进行离散化处理,为每一种属性划分区间或为每一种属性分配取值;步骤三、分别计算训练集中每种属性的信息增益率;步骤四、选取信息增益率最大的属性作为根节点,按照所述属性的区间或取值对所述属性划分子集,每个子集表示根节点的子节点;当子集只有一个分类时不再划分;步骤五、对于每个根节点的子节点递归执行步骤三和步骤四,得到决策树,使用所述决策树对手势进行识别。
【技术特征摘要】
1.一种基于毫米波雷达的手势识别方法,其特征在于,包括:步骤一、建立训练集,过程为:在设置有第一雷达和第二雷达的环境下进行一次手势运动,根据此时第一雷达和第二雷达采集到的幅值信号提取以下属性构成一个样本:第一雷达的振幅差信息、第二雷达的振幅差信息、方向数、第一方向和第二方向;其中第一方向表示手势相对于第一雷达的运动趋势,第二方向表示手势相对于第二雷达的运动趋势;方向数表示手势运动过程中出现的运动趋势的次数;第一雷达和第二雷达的信号接收方向具有一定角度;每一次手势运动被标记为预设的手势类别中的一种;进行多次手势运动,将得到所有样本构成训练集;步骤二、对步骤一中提取出的每个属性进行离散化处理,为每一种属性划分区间或为每一种属性分配取值;步骤三、分别计算训练集中每种属性的信息增益率;步骤四、选取信息增益率最大的属性作为根节点,按照所述属性的区间或取值对所述属性划分子集,每个子集表示根节点的子节点;当子集只有一个分类时不再划分;步骤五、对于每个根节点的子节点递归执行步骤三和步骤四,得到决策树,使用所述决策树对手势进行识别。2.根据权利要求1所述的基于毫米波雷达的手势识别方法,其特征在于,步骤一中,预设的手势类别包括“无动作”,“摆手”,“推”,“举”和“拉”。3.根据权利要求2所述的基于毫米波雷达的手势识别方法,其特征在于,步骤一中,第一雷达的振幅信息包括第一个雷达I路振幅差和第一个雷达Q路振幅差;第二雷达的振幅信息包括第二雷达I路振幅差。4.根据权利要求3所述的基于毫米波雷达的手势识别方法,其特征在于,步骤二的具体过程为:对第一雷达I路振幅差进行离散化处理,将其分为>D1和≤D1两个区间;对第一雷达Q路振幅差进行离散化处理,将其分为>D2和≤D2两个区间;对第二雷达I路振幅差进行离散化处理,将其分为≤D3、(D3,D4)和≥D4三个区间;对于方向数进行离散化处理,将方向数属性分为>D5和≤D5两个区间;对第一方向进行离散化处理,当手势为“向前”时第一方向属性的值为1,当手势为“向后”时第一方向属性的值为2,当手势为“无方向”时第一方向属性的值为0;当方向数的属性值为≤D5区间时,第一方向和第二方向的属性的值均为0。5.根据权利要求4所述的基于毫米波雷达的手势识别方法,其特征在于,步骤二中,D1的值为0.06,D2的值为0.06,D3的值为0.08,D4的值为0.3,D5的值为6。6.根据权利要求4所述的基于毫米波雷达的手势识别方法,其特征在于,步骤三包括:计算训练集的信息熵...
【专利技术属性】
技术研发人员:姚凯,叶东,兰盛昌,何宗龙,唐浩誉,陈唯楚,
申请(专利权)人:哈尔滨工业大学,
类型:发明
国别省市:黑龙江,23
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。