本申请公开一种手势识别相关方法、装置及系统，用于在低计算能力的条件下实现手势识别。其中，确定用于手势识别的信息的方法包括：接收端接收发送端通过L个链路发送的无线信号，所述接收端基于接收到的所述无线信号，得到所述L个链路分别对应的信道状态信息CSI组，每一个链路对应的CSI组包括该链路在C个子载波上分别对应的幅度和相位，所述C个子载波包括该链路中全部子载波的至少部分；所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位分别执行链路聚合，得到所述C个子载波分别对应的链路聚合幅度和链路聚合相位；所述C个子载波分别对应的链路聚合幅度和链路聚合相位用于识别手势类型。链路聚合相位用于识别手势类型。链路聚合相位用于识别手势类型。
【技术实现步骤摘要】
手势识别相关的方法、装置及系统
[0001]本申请实施例涉及终端
，尤其涉及手势识别相关的方法、装置及系统。
技术介绍
[0002]手势识别，是一种非常重要的人机交互方式。由于手势可以通过非接触式的方法表达丰富的信息，使得手势识别在人机交互、智能手机、智能电视、智能穿戴、增强现实(augmented reality，AR)和虚拟现实(virtual reality，VR)等产品中有着广泛的应用。依据感知设备的不同，目前主要包括基于计算机视觉、超声波和无线信号的三大类手势识别技术。尤其是基于无线信号的手势识别技术，相较于基于计算机视觉的手势识别技术，不依赖于光照条件，对隐私的危害较小，同时相较于基于超声波的手势识别技术，也不会对人体产生损害，因此，基于无线信号的手势识别技术在人机交互等方面有很广泛的应用前景。
[0003]基于无线信号的手势识别技术中，可以通过预先训练好的神经网络模型来进行手势识别。但是基于神经网络的分类算法的计算复杂高以及计算量大，因而对设备的计算能力有较高的要求，例如，需要配备有高性能CPU或显卡等。这些都导致其无法应用在低计算能力的终端设备(例如普通的物联网设备)上。
[0004]有鉴于此，在低计算能力的条件下，如何实现手势识别成为亟需解决的问题。
技术实现思路
[0005]本申请实施例提供一种手势识别相关的方法、装置及系统，用以在低计算能力的条件下，可以实现手势识别。
[0006]第一方面，本申请实施例提供一种确定用于手势识别的信息的方法，该方法可以由无线信号的接收端执行。该接收端可以是终端设备，或者是终端设备包括的部件，或者终端设备中的芯片等。该方法包括：接收端接收发送端通过L个链路发送的无线信号，所述L为大于1的正整数；所述接收端基于接收到的所述无线信号，解析得到所述L个链路分别对应的信道状态信息CSI组，每一个链路对应的CSI组包括该链路在C个子载波上分别对应的幅度和相位，所述C个子载波包括该链路中全部子载波的至少部分；所述C为大于1且小于等于Z的正整数，Z为链路包括的全部子载波的数量；所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位分别执行链路聚合，得到所述C个子载波分别对应的链路聚合幅度和链路聚合相位；所述C个子载波分别对应的链路聚合幅度和链路聚合相位用于识别手势类型。
[0007]上述方案，通过链路聚合，将数据量从L*C个子载波上的数据减少为C个子载波上的数据，可以尽量降低后续手势识别的算力要求和时间开销，从而在低计算能力的条件下，可以实现手势识别。
[0008]一种可能的实现方式中，所述C个子载波分别对应的链路聚合幅度和链路聚合相位用于识别手势类型，包括：将所述C个子载波分别对应的链路聚合幅度和链路聚合相位作为CSI特征信息；所述CSI特征信息用于识别手势类型。
[0009]另一种可能的实现方式中，所述C个子载波分别对应的链路聚合幅度和链路聚合相位用于识别手势类型，包括：对所述C个子载波的链路聚合幅度和链路聚合相位执行下采样，得到K个子载波的链路聚合幅度和链路聚合相位；所述K为下采样系数，所述K取值为小于所述C的正整数；将所述K个子载波的链路聚合幅度和链路聚合相位作为CSI特征信息；所述CSI特征信息用于识别手势类型。示例性的，对C个子载波的链路聚合幅度和链路聚合相位执行下采样，可以为在C个子载波的链路聚合幅度和链路聚合相位中，随机采样K个子载波的链路聚合幅度和链路聚合相位；或者对C个子载波的链路聚合幅度和链路聚合相位执行样条拟合。
[0010]上述方案，通过下采样，将数据量从C个子载波数据减少为K个子载波数据，可以进一步降低后续手势识别的算力要求和时间开销，从而在低计算能力的条件下，可以实现手势识别。
[0011]在一种可能的实现方式中，在所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位分别执行链路聚合之前，所述接收端还可以分别对所述L个链路对应的CSI组执行预处理；所述进行预处理包括但不限于相位纠正、幅度均一化、滤波中的至少一个。基于这种方案，通过预处理可以纠正CSI中的相位失真以及去除信号噪声等。
[0012]在一种可能的实现方式中，所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位分别执行链路聚合，包括：所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位执行下述处理中的一种：取中值计算，平均值计算，加权平均值计算。该方案提供了具体的实现对所述L个链路对应的CSI组中同一子载波的幅度和相位执行链路聚合的方案。
[0013]第二方面，本申请实施例提供一种手势识别方法，该方法可以由无线信号的接收端执行。该接收端可以是终端设备，或者是终端设备包括的部件，或者终端设备中的芯片等。该方法包括：接收端接收无线信号，基于所述无线信号得到CSI特征信息；接收端将所述CSI特征信息输入预先训练的目标模型，得到的目标信息；所述接收端基于预先学习到的目标信息与手势识别模型的对应关系，确定所述目标信息对应的手势识别模型；不同的目标信息对应不同的手势识别模型；所述接收端将所述CSI特征信息输入所述目标信息对应的手势识别模型，得到手势类型；其中，所述目标模型为人员位置模型，所述人员位置模型用于识别人员信息以及人员的位置信息，所述目标信息为所述CSI特征信息对应的人员信息以及人员的位置信息；或者，所述目标模型为位置模型，所述位置模型用于识别人员的位置信息，所述目标信息为所述CSI特征信息对应的人员的位置信息；或者，所述目标模型为人员模型，所述人员模型用于识别人员信息，所述目标信息为所述CSI特征信息对应的人员信息。
[0014]上述方案，由于多径效应等各因素的影响，导致在不同人员在相同位置或者相同人员在不同位置执行相同手势会得到不同的CSI，因此如果针对各手势采用同一个手势识别模型进行识别，会存在手势识别的准确率较低的问题。而上述方案，先通过目标模型确定目标信息，再通过该目标信息对应的手势识别模型得到手势类型，可以得到更准确的手势识别结果，如此可以尽量提高手势识别的准确率。
[0015]在一种可能的实现方式中，所述目标模型为基于具有目标标签的样本数据进行机器学习分类算法训练得到的；所述具有目标标签的样本数据包括对基于不同人员在不同位
置执行不同手势时所接收到的无线信号得到的各样本CSI特征信息；所述手势识别模型为基于具有手势标签的样本数据进行机器学习分类算法训练得到的；不同手势识别模型的样本数据不同，每个目标信息对应的手势识别模型的样本数据包括基于该目标信息执行各手势接收到的无线信号得到的各样本CSI特征信息。
[0016]在一种可能的实现方式中，所述CSI特征信息和/或所述样本CSI特征信息可以为根据上述第一方面中任一项确定用于手势识别的信息的方法得到的。从而有助于在低计算能力的条件下，可以提高手势识别的准确率。
[0017]在一种可能的实现方式中，所述机器学习分类算法可以但不限定为支持向量机算法、线性回归算法、朴素贝叶斯算法和本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种确定用于手势识别的信息的方法，其特征在于，包括：接收端接收发送端通过L个链路发送的无线信号，所述L为大于1的正整数；所述接收端基于接收到的所述无线信号，得到所述L个链路分别对应的信道状态信息CSI组，每一个链路对应的CSI组包括该链路在C个子载波上分别对应的幅度和相位，所述C个子载波包括该链路中全部子载波的至少部分；所述C为大于1且小于等于Z的正整数，Z为一个链路包括的全部子载波的数量；所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位分别执行链路聚合，得到所述C个子载波分别对应的链路聚合幅度和链路聚合相位；所述C个子载波分别对应的链路聚合幅度和链路聚合相位用于识别手势类型。2.根据权利要求1所述的方法，其特征在于，所述C个子载波分别对应的链路聚合幅度和链路聚合相位用于识别手势类型，包括：将所述C个子载波分别对应的链路聚合幅度和链路聚合相位作为CSI特征信息；所述CSI特征信息用于识别手势类型。3.根据权利要求1所述的方法，其特征在于，所述C个子载波分别对应的链路聚合幅度和链路聚合相位用于识别手势类型，包括：对所述C个子载波的链路聚合幅度和链路聚合相位执行下采样，得到K个子载波的链路聚合幅度和链路聚合相位；所述K为下采样系数，所述K取值为小于所述C的正整数；将所述K个子载波的链路聚合幅度和链路聚合相位作为CSI特征信息；所述CSI特征信息用于识别手势类型。4.根据权利要求1至3中任一项所述的方法，其特征在于，在所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位分别执行链路聚合之前，还包括：所述接收端分别对所述L个链路对应的CSI组执行预处理；所述进行预处理包括相位纠正、幅度均一化、滤波中的至少一个。5.根据权利要求1至4中任一项所述的方法，其特征在于，所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位分别执行链路聚合，包括：所述接收端分别对所述L个链路对应的CSI组中同一子载波的幅度和相位执行下述处理中的一种：取中值计算，平均值计算，加权平均值计算。6.根据权利要求3所述的方法，其特征在于，所述对所述C个子载波的链路聚合幅度和链路聚合相位执行下采样，包括：在所述C个子载波的链路聚合幅度和链路聚合相位中，随机采样K个子载波的链路聚合幅度和链路聚合相位；或者，对所述C个子载波的链路聚合幅度和链路聚合相位执行样条拟合。7.一种手势识别方法，其特征在于，包括：接收端接收无线信号，基于所述无线信号得到CSI特征信息；所述接收端将所述CSI特征信息输入预先训练的目标模型，得到目标信息；所述接收端基于预先学习到的目标信息与手势识别模型的对应关系，确定所述目标信息对应的手势识别模型；不同的目标信息...
【专利技术属性】
技术研发人员：凌康，周振坤，亚利山德罗，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
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。