一种手势识别方法、系统以及存储介质技术方案

本发明专利技术公开了一种手势识别方法，应用于包括第一雷达和第二雷达的手势识别系统，方法包括，判断雷达数据中是否存在手势动作；若判断预设范围内存在手势动作，则获取第一手势信息以及第二手势信息；其中，第一手势信息以及第二手势信息分别对应第一雷达以及第二雷达采集的手势信息；根据第一手势信息以及第二手势信息，计算获得特征矩阵；其中，特征矩阵包括第一手势信息以及第二手势信对应的第一特征矩阵以及第二特征矩阵；根据卷积神经网络获取手势特征值；根据手势值特征识别手势。本发明专利技术还提供手势识别系统以及存储介质。本发明专利技术通过两个雷达的同时进行手势识别，能增加识别的手势种类，提高手势识别的准确性。

A gesture recognition method, system and storage medium

【技术实现步骤摘要】
一种手势识别方法、系统以及存储介质
本专利技术涉及计算机领域，尤其涉及一种手势识别方法、系统以及存储介质。
技术介绍
手势识别技术是人机交互领域的一个重要主题，目的是通过传感器获取手部动作信息，通过算法识别手势种类。手势动作是人类日常生活中进行交流的重要环节，其能够在一定场景之下直观有效地传递人们想要表达的信息。而且，手势动作种类丰富，具有特定意义，可以直接作为人机交互的方式完成人与计算机之间的互动。此外手势识别技术在人类生活中的方方面面都能得到充分应用，比如用于帮助聋哑人正常交流、智能驾驶中识别交警手势、智能家居中控制家居工作等等。总之，手势识别技术作为最自然的人机交互方式，将在未来生活中发挥巨大的作用。手势识别可以被视为计算机理解人体语言的方式，从而在机器和人之间搭建比原始文本用户界面或甚至图形用户界面更丰富的桥梁。现有的手势识别技术包括基于视觉的手势识别技术、基于微几点系统的手势识别技术以及基于雷达的手势识别技术。而基于雷达的手势识别技术拥有较高的数据刷新率，可以工作在各种不同的环境下工作，不受光线、灰尘等影响，同时具有非接触、天然的隐私保护功能，未来将成为非接触式手势识别领域不可替代的技术。但是，现有的基于雷达的手势识别技术，采用单站雷达所能收集的手势信息时，能够识别的手势种类较少，在实际运用中有诸多不便。
技术实现思路
本专利技术的主要目的在于提供一种手势识别方法、系统以及存储介质，以增加识别的手势种类。为实现上述目的，本专利技术提供了一种手势识别方法，应用于包括第一雷达和第二雷达的手势识别系统，所述方法包括：判断获取的雷达数据中是否存在手势动作；所述雷达数据包括第一雷达和第二雷达的雷达数据；若判断所述预设范围内存在手势动作，则获取第一手势信息以及第二手势信息；其中，所述第一手势信息以及第二手势信息分别对应所述第一雷达以及第二雷达采集的手势信息；根据所述第一手势信息以及第二手势信息，计算获得手势特征矩阵；其中，所述手势特征矩阵包括所述第一手势信息以及第二手势信对应的第一特征矩阵以及第二特征矩阵；根据所述手势特征矩阵以及卷积神经网络，获取手势特征值；根据所述手势特征值识别手势。进一步地，所述“判断所述雷达数据中是否存在手势动作”包括：根据所述雷达数据，检测是否存在手势动作；若存在手势动作，则以所述第一雷达为原点建立平面坐标；根据所述平面坐标信息，判断手势动作是否在手势范围内；若判断所述手势动作在手势范围内，则根据所述雷达数据获取第一手势信息以及第二手势信息；所述手势范围为所述第一雷达以及第二雷达预设的共同检测范围。进一步地，所述“根据所述第一手势信息以及第二手势信息，计算获得手势特征矩阵”包括：根据所述第一手势信息以及第二手势信息，分别构建第一矩阵以及第二矩阵；去除所述第一矩阵以及第二矩阵中的异常值；所述第一矩阵以及第二矩阵进行矩阵翻转；补全所述矩阵翻转后的第一矩阵以及第二矩阵，获得第一特征矩阵以及第二特征矩阵。进一步地，所述“去除所述第一矩阵以及第二矩阵中的异常值”包括：根据滑动窗口算法，对所述第一矩阵以及第二矩阵的行数据做平滑处理。进一步地，所述“根据所述手势特征矩阵以及卷积神经网络，获取手势特征值”包括：将所述第一特征矩阵以及第二特征矩阵分别进行卷积展开，获得第一卷积以及第二卷积；将所述第一卷积以及第二卷积拓展连接为一维手势特征值；根据所述一维手势特征值，识别手势。进一步地，所述“判断预设范围内是否存在手势动作”之前，所述手势识别方法还包括：去除所述第一雷达或第二雷达接收端自身干扰信号；去除外部干扰信号。进一步地，所述“去除所述第一雷达或第二雷达接收端自身干扰信号”包括：采集第二预设时间的无手势信号；根据所述无手势信号，计算自身干扰信号；去除所述第一雷达或第二雷达接收到的自身干扰信号。进一步地，所述“去除外部干扰信号”具体包括，根据杂波抑制方法去除外部干扰信号；所述杂波抑制方法包括：线性相位FIR滤波法、自适应平均杂波减除法、自适应迭代杂波减除法。本专利技术还提供一种手势识别系统，包括第一雷达和第二雷达，所述手势识别系统还包括处理器和存储器，所述存储器存储有手势识别程序，所述手势识别程序被配置成由处理器执行，以实现上述的手势识别方法。本专利技术还提供一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有手势识别程序，所述手势识别程序可被一个或者多个处理器执行，以实现上述手势识别方法。与现有技术相比，本专利技术通过两个雷达的同时获取手势特征矩阵并通过卷积神经网络进行识别，能增加识别的手势种类，提高手势识别的准确性。附图说明图1为本专利技术实施例提供的手势识别系统的结构示意图；图2为本专利技术实施例提供的手势识别方法的流程图；图3为图1中步骤S101的子流程示意图；图4为图1中步骤S105的子流程示意图；图5为图1中步骤S107的子流程示意图；图6为本专利技术实施例提供的手势识别方法的识别准确率比较图。本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。需要说明的是，在本专利技术中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。本专利技术实施例提供一种手势识别方法，应用于手势识别系统中，请参阅图1，所述手势识别系统包括第一雷达100、第二雷达200，所述手势识别系统还包括处理器300和存储器400，所述手势识别系统还包括网络接口(图本文档来自技高网...

【技术保护点】
1.一种手势识别方法，应用于包括第一雷达和第二雷达的手势识别系统，其特征在于，所述方法包括：/n判断获取的雷达数据中是否存在手势动作；所述雷达数据包括第一雷达和第二雷达的雷达数据；/n若判断所述预设范围内存在手势动作，则获取第一手势信息以及第二手势信息；其中，所述第一手势信息以及第二手势信息分别对应所述第一雷达以及第二雷达采集的手势信息；/n根据所述第一手势信息以及第二手势信息，获得手势特征矩阵；其中，所述手势特征矩阵包括所述第一手势信息以及第二手势信对应的第一特征矩阵以及第二特征矩阵；/n根据所述手势特征矩阵以及卷积神经网络，获取手势特征值；/n根据所述手势特征值识别手势。/n

【技术特征摘要】
1.一种手势识别方法，应用于包括第一雷达和第二雷达的手势识别系统，其特征在于，所述方法包括：
判断获取的雷达数据中是否存在手势动作；所述雷达数据包括第一雷达和第二雷达的雷达数据；
若判断所述预设范围内存在手势动作，则获取第一手势信息以及第二手势信息；其中，所述第一手势信息以及第二手势信息分别对应所述第一雷达以及第二雷达采集的手势信息；
根据所述第一手势信息以及第二手势信息，获得手势特征矩阵；其中，所述手势特征矩阵包括所述第一手势信息以及第二手势信对应的第一特征矩阵以及第二特征矩阵；
根据所述手势特征矩阵以及卷积神经网络，获取手势特征值；
根据所述手势特征值识别手势。


2.根据权利要求1所述的手势识别方法，其特征在于：所述“判断所述雷达数据中是否存在手势动作”包括：
根据所述雷达数据，检测是否存在手势动作；
若存在手势动作，则以所述第一雷达为原点建立平面坐标；
根据所述平面坐标信息，判断手势动作是否在手势范围内；
若判断所述手势动作在手势范围内，则根据所述雷达数据获取第一手势信息以及第二手势信息；所述手势范围为所述第一雷达以及第二雷达预设的共同检测范围。


3.根据权利要求2所述的手势识别方法，其特征在于：所述“根据所述第一手势信息以及第二手势信息，计算获得手势特征矩阵”包括：
根据所述第一手势信息以及第二手势信息，分别构建第一矩阵以及第二矩阵；
去除所述第一矩阵以及第二矩阵中的异常值；
所述第一矩阵以及第二矩阵进行矩阵翻转；
补全所述矩阵翻转后的第一矩阵以及第二矩阵，获得第一特征矩阵以及第二特征矩阵。


4.根据权利要求3所述的手势识别方法，其特征在于：所述“去除所述第一矩阵以及第二矩阵中的异常值”包括：

【专利技术属性】
技术研发人员：阳召成，何凯旋，庄伦涛，黄漫琪，
申请(专利权)人：深圳大学，
类型：发明
国别省市：广东;44