[发明专利]一种基于卷积神经网络的毫米波传感器手势识别方法

权利要求书

1.一种基于卷积神经网络的毫米波传感器手势识别方法，其特征在于，该方法包括以下步骤：

(1)利用毫米波传感器发射调频连续波信号，在所述传感器前方做多种手势，接收通道获取所述手势的时域回波信号；

(2)对获取的所述时域回波信号进行零陷滤波和短时傅里叶变换，获得微多普勒时频图；

(3)获取不同手势的所述时频图样本集，并划分为训练样本集和测试样本集；

(4)对所述训练样本集中的数据进行预处理，将图片作为训练数据输入建立的卷积神经网络，进行有监督的学习，得到所述卷积神经网络的各层参数；

(5)利用训练后的卷积神经网络各层的参数，对所述网络进行初始化，得到具有手势分类功能的图像识别网络。

2.根据权利要求1所述的基于卷积神经网络的毫米波传感器手势识别方法，其特征在于，步骤(4)中，所述卷积神经网络包括三个带有修正线性单元的卷积层、三个下采样层、一个带有修正线性单元的全连接层和一个带有softmax分类器的全连接层。

3.根据权利要求2所述的基于卷积神经网络的毫米波传感器手势识别方法，其特征在于，所述卷积神经网络的结构包括：

分别设置三个所述卷积层滤波器的大小、步长和个数；三个所述下采样层滤波器采用最大值滤波器，设置其大小和步长；所述全连接层采用dropout层防止过拟合，所述softmax分类器输出不同类型的手势的概率。

4.根据权利要求1所述的基于卷积神经网络的毫米波传感器手势识别方法，其特征在于，步骤(4)中，所述数据预处理包括：

(41)对所述训练样本集进行数据增强，包括对所述时频图的锐化、亮度和饱和度的调节；

(42)将所述训练样本集和测试样本集中的每张所述时频图进行线性插值及裁剪处理；

(43)对每个像素位置的每个颜色通道，计算所述训练样本在该位置处的灰度平均；

(44)将所述训练样本集和测试样本集中的每个像素点每个通道的像素值减去其对应位置对应通道的平均值。

5.根据权利要求1所述的基于卷积神经网络的毫米波传感器手势识别方法，其特征在于，步骤(5)中，所述卷积神经网络各层的数的设置包括：

(51)设置训练卷积神经网络的相关参数，包括每次送入卷积神经网络的样本数量、测试间隔、优化方法选择、学习速率、梯度更新的权重；

(52)将带有标签的训练数据集分批次送入卷积神经网络，前向传播计算损失值，后向传播计算每层的梯度，根据选择的优化方法进行网络参数更新；

(53)记录并保存每次训练和测试的学习率、快照，以及对应的状态，直到测试的正确率上升至基本稳定，或者训练达到最大迭代次数。