[发明专利]手势识别的方法和设备、定位追踪的方法和设备

权利要求书

1.一种手势识别的方法，其特征在于，包括：

获取毫米波信号照射用户手部且经所述手部反射后被至少两个雷达传感器采集的手势信息；

根据所述手势信息，对所述手部进行解构，得到离散的多个表面能量点；

根据所述多个表面能量点的运动趋势，识别所述手部的手势。

2.根据权利要求1所述的方法，其特征在于，所述多个表面能量点的运动趋势通过M帧以下帧序列中的至少一种反映，M为正整数：

向心检测点数帧序列、向心平均距离帧序列、向心平均速度帧序列、离心检测点数帧序列、离心平均距离帧序列、离心平均速度帧序列、能量质心检测点数帧序列、能量质心平均距离帧序列、能量质心平均速度帧序列、角度值α帧序列。

3.根据权利要求2所述的方法，其特征在于，M＝20。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述多个表面能量点的运动趋势，识别所述手部的手势，包括：

将M帧反映所述多个表面能量点的运动趋势的帧序列和M帧常数标定序列输入神经网络模型，识别所述手部的手势。

5.根据权利要求4所述的方法，其特征在于，所述神经网络模型为等额神经网络模型。

6.根据权利要求5所述的方法，其特征在于，所述神经网络模型包括至少两个等额学习模块，所述至少两个等额学习模块中每个等额学习模块从输入至输出依次包括第一卷积层、第一标准化层、线性整流激活函数层、第二卷积层、第二标准化层。

7.根据权利要求6所述的方法，其特征在于，所述至少两个等额学习模块中每个等额学习模块外部与内部的输入与输出尺寸设置均相等。

8.根据权利要求6或7所述的方法，其特征在于，在所述神经网络模型中，核为7×7的卷积层学习64维规格为14×7的手势信息接在所述至少两个等额学习模块前，和/或，至少两层全连接层接在所述至少两个等额学习模块后。

9.根据权利要求6至8中任一项所述的方法，其特征在于，在所述神经网络模型中，最大值池化层接在所述至少两个等额学习模块前。

10.根据权利要求1至9中任一项所述的方法，其特征在于，所述方法还包括：

将所述多个表面能量点输入针对所述手部运动的伪具象化模型，得到所述多个表面能量点的运动趋势。

11.根据权利要求10所述的方法，其特征在于，所述将所述多个表面能量点输入针对所述手部运动的伪具象化模型，得到所述多个表面能量点的运动趋势，包括：

将所述多个表面能量点按照相对于所述毫米波信号的发射端的向心和离心两个运动方向进行分类，分别得到第一表面能量点集合和第二表面能量点集合；

根据所述第一表面能量点集合，确定向心检测点数帧序列、向心平均距离帧序列、向心平均速度帧序列；

根据所述第二表面能量点集合，确定离心检测点数帧序列、离心平均距离帧序列、离心平均速度帧序列；

根据所述多个表面能量点，确定能量质心检测点数帧序列、能量质心平均距离帧序列、能量质心平均速度帧序列；

根据所述多个表面能量点中每个表面能量点的到达角AoA，确定角度值α帧序列。

12.根据权利要求11所述的方法，其特征在于，所述方法还包括：

计算所述多个表面能量点中每个表面能量点处所述手部到所述发射端的距离、所述手部到所述发射端的AoA、所述手部相对于所述发射端的速度。