[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在审

专利信息
申请号: 201810199933.6 申请日: 2018-03-12
公开(公告)号: CN110262653A 公开(公告)日: 2019-09-20
发明(设计)人: 武其松;徐萍;张绪豪;赵涤燹 申请(专利权)人: 东南大学
主分类号: G06F3/01 分类号: G06F3/01;G06K9/00;G06K9/62;G06T3/40;G06T5/00
代理公司: 南京苏高专利商标事务所(普通合伙) 32204 代理人: 柏尚春
地址: 211100 江*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 卷积神经网络 毫米波传感器 手势 手势识别 时频 预处理 时域回波信号 调频连续波 分类识别 接收通道 人工干预 手势分类 图像识别 训练数据 训练样本 多普勒 初始化 次特征 传感器 图样 网络 学习 发射 监督 图片
【说明书】:

发明公开了一种基于卷积神经网络的毫米波传感器手势识别方法,包括:(1)利用毫米波传感器发射调频连续波信号,在传感器前方做多种手势,接收通道获取手势的时域回波信号;(2)获得微多普勒时频图;(3)获取不同手势的时频图样本集;(4)对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,对网络进行初始化,得到具有手势分类功能的图像识别网络。本发明通过卷积神经网络进行手势的分类识别,避免了人工干预,使卷积神经网络能学习到每一类动作的深层次特征,具有较强的泛化能力和适应性,提高了手势识别的精度和速度。

技术领域

本发明涉及一种毫米波传感器手势识别方法,具体涉及一种基于卷积神经网络的毫米波传感器手势识别方法。

背景技术

人与计算机的交互活动越来越成为人们日常生活的一个重要组成部分,随着计算机技术的迅猛发展,研究符合人际交流习惯的新颖人机交互技术变得异常活跃,也取得了可喜的进步,手势识别研究正是顺应了这一潮流。手势是一种自然而直观的人际交流模式,手势识别是实现新一代人机交互所不可缺少的一项关键技术。然而由于手势本身具有的多样性、多义性、以及时间和空间上的差异性等特点,加之人手是复杂变形体及视觉本身的不适定性,因此手势识别是一个极富挑战性的多学科交叉研究课题。

手势识别领域有多种利用视觉或深度相机提取手势特征的光学传感器方法,具有高分辨率的光学传感器能够跟踪和识别手指和手腕的运动。在利用光学传感器提取手势特征之后,通常采用时间模式识别技术对手势进行分类。雷达也可被用来识别人类手势,与光学应用不同,雷达的使用不受光照条件限制。另外,雷达传感器可以嵌入到设备内部,因此对设备的维护更容易,操作更稳定,避免了按钮故障的可能性。

多普勒雷达用于手势识别也具有可行性。当目标具有非刚体运动时,生成微多普勒特征,这些微多普勒特征可被用来分类不同的手势运动。使用多普勒传感器获取手势的微多普勒特征,其特点是可以全天时、全天候工作,不受光照条件限制,作用距离远,可以简单又低成本的获取径向速度响应。

来自不同手势的时频图中的微多普勒特征只有微妙的差异,传统的监督学习方法对它们进行高正确率分类的可行性较低,需要强大的分类器。

发明内容

发明目的:为了克服现有技术的不足,本发明提供一种基于卷积神经网络的毫米波传感器手势识别方法,该方法可以解决手势识别受光照和气候条件限制、作用距离近、成本高以及识别精度低的问题。

技术方案:本发明所述的基于卷积神经网络的毫米波传感器手势识别方法,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。

优选的,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。

优选的,所述卷积神经网络的结构设置包括:

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。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东南大学,未经东南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810199933.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code