基于经验小波的手势数据处理方法、服务器及感知设备技术

本发明专利技术公开了一种基于经验小波的手势数据处理方法、服务器及感知设备，本发明专利技术通过根据姿态传感器的采样频率确定窗口长度，将待处理手势数据根据窗口长度进行窗口划分，获得窗口中的待处理信号；基于经验小波变换将待处理信号进行分解，且进行快速傅里叶变换，获得信号分量的主频；在主频不小于有效频率阈值时，从待处理信号中删除信号分量，获得当前手势数据，实现了对手势数据的实时降噪，既可以保证高保真的降噪效果，又可以保证数据处理的实时性，另外，利用毫米波雷达的手势识别原理，通过计算和处理手势数据，对手势数据进行分类和识别，借助简便化的识别效果来扩大手势识别的应用场景。用场景。用场景。

【技术实现步骤摘要】
基于经验小波的手势数据处理方法、服务器及感知设备


[0001]本专利技术涉及肢体语言语义识别
，具体涉及基于经验小波的手势数据处理方法、服务器及感知设备。

技术介绍

[0002]人工智能进入到了一个快速发展的时代，各种人机交互的方式也慢慢被人们所知晓，人机交互可以被理解成一种人与计算机之间的“交流”方式，通过相关信息的交互，如何更自然、准确、方便有效的完成信息交互从早期的人们通过鼠标和键盘输入指令，指示计算机完成对应的动作，到现如今的触摸屏幕、图像识别、语音识别、手势识别等，让人们可以更简单、自然的和计算机完成交流；在人机交互的研究中，通常对人类的特征十分关注，如虹膜、指纹、人脸、语音、手势等。手势通常是人们日常生活中一种直观和快速的交流手段，并且符合人们平时的交流习惯，同样的，手势识别也是人机交互领域热门的研究方向之一，受到了越来越多的关注。
[0003]手势具有多样性、自然直观、容易理解和时空差异性等特点，在虚拟现实中，通过于势识别判断人们不同的意图，对虚拟中的物品进行操控，更好的提高了用户沉浸感，如今，对于手势识别的研究中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于经验小波的手势数据处理方法，其特征在于，包括有如下的处理步骤：S1：将待处理手势数据根据所述窗口长度进行窗口划分，获得窗口中的待处理信号；S2：借助经验小波变换待处理信号进行分解，获得信号分量；S3：将所述信号分量进行快速傅里叶变换，获得信号分量的主频；S4：在主频不小于有效频率阈值时，从待处理信号中删除信号分量，获得当前手势数据；S5：根据所获得的手势数据进行数据分类和数据识别。2.根据权利要求1所述的基于经验小波的手势数据处理方法，其特征在于，所述根据所获得的手势数据进行数据分类和数据识别中，手势数据分类为孤立手势数据和连续手势数据。3.根据权利要求2所述的基于经验小波的手势数据处理方法，其特征在于，所述手势数据具体有如下的识别流程：S1：利用感应雷达感知和确认目标的角度和位置，并提取感应到的手势图像特定特征，并将特征视为从热图提取的单个数值，其值可反映特定参数的加权平均值；如：平均多普勒，平均距离，多普勒扩展；其中，雷达的每一帧数据为每个特征生成一个值，通过帧序列得到每个特征的时间序列；S2：在提取了多个特征后，生成特征的时间序列，利用机器学习方法识别和分类各种手势。4.根据权利要求3所述的基于经验小波的手势数据处理方法，其特征在于，所述特征提取中具体包含有：S1：对于雷达监测出的每一帧数据的Heat map，计算手的速度权重；其中，i为所有的距离数据索引，Z
i
为Range Doppler Image的值，D
i
为第i个索引对应的Doppler value；S2：通过瞬间能量来检测手的存在：I＝∑Z
i
S3：通过距离加权来检测手的位置：其中，i为所有的距离数据索引，Z
i
为Range Doppler Image的值，R
i
为第i个索引对应的Doppler value；S4：通过检测手的水平角度区别手划动的左右方向，检测手的俯仰角度来区别手划动的上下方向。5.根据权利要求3
‑
4任一项所述...

【专利技术属性】
技术研发人员：熊鹏航，李美宏，
申请(专利权)人：武汉灏存科技有限公司，
类型：发明
国别省市：