[发明专利]一种基于稀疏函数的毫米波雷达手势识别方法

说明书

本发明提供一种基于稀疏函数的毫米波雷达手势识别方法，包括如下步骤：通过雷达算法，解析出目标的的距离、速度、方位角和俯仰角等信息；通过稀疏函数来处理雷达解析出来的信息；经过稀疏函数处理后的信息，整合为特征向量输入到神经网络中，进行手势分类。本发明结构设计简单合理，通过稀疏函数对雷达解析的信息进行处理，并整合为特征向量输入到神经网络中，进行手势分类，相对于现有技术中直接将雷达测量的目标状态信息输入神经网络中的方式，大大降低了输入神经网络中数据的复杂度和冗余性，提高了手势的识别精度，从而降低了手势的误识别率。

技术领域

本发明涉及手势识别技术领域，尤其涉及一种基于稀疏函数的毫米波雷达手势识别方法。

背景技术

手势识别是计算机科学和语言技术中的一个主题，目的是通过数学算法来识别人类手势。手势可以源自任何身体运动或状态，但通常源自面部或手。本领域中的当前焦点包括来自面部和手势识别的情感识别。用户可以使用简单的手势来控制或与设备交互，而无需接触他们。姿势、步态和人类行为的识别也是手势识别技术的主题。手势识别可以被视为计算机理解人体语言的方式，从而在机器和人之间搭建比原始文本用户界面或甚至GUI(图形用户界面)更丰富的桥梁。

现有的技术主要是用雷达测量目标的状态信息，包含目标的距离、速度、方位角、俯仰角等信息，然后将目标的状态信息作为输入，直接输入到神经网络中，用来判断当前手势的类别。这样使得输入到网络中的数据复杂，且冗余，不利于网络学习，很难得到比较好的模型。这是因为判断某种手势，只需要其中某几类目标的状态信息，并不需要所有的状态信息，如果把所有的信息都输入网络，则会显得复杂且冗余，从而使得手势识别精确度不高。

发明内容

针对上述现有技术的不足，本发明的目的在于提供一种基于稀疏函数的毫米波雷达手势识别方法，通过数据处理对状态信息进行除杂优化，提高手势识别精确度，降低误识别率。

为了实现上述目的，本发明采用如下技术方案：

一种基于稀疏函数的毫米波雷达手势识别方法，包括如下步骤：

S100、雷达算法：通过雷达算法，解析出目标的的距离、速度、方位角和俯仰角等信息；

S200、数据处理：通过稀疏函数来处理雷达解析出来的信息；

S300、机器学习：经过稀疏函数处理后的信息，整合为特征向量输入到神经网络中，进行手势分类。

在本发明一个优选实施例中，在步骤S100中，雷达算法包括如下具体步骤：

S101、通过ADC采样得到的雷达基带数字信号；

S102、对数字信号分别在距离维做傅里叶变换和速度维做傅里叶变换，并将处理后的信号传入恒虚警概率下的检测器；

S103、通过角度估计来提取目标的方位角和俯仰角信息；

S104：通过聚类将一个真实目标产生的多个雷达目标聚类成一个目标。

在本发明一个优选实施例中，在步骤S200中，所述稀疏函数为：

其中X∈R^n*d(n是样本数，d是属性数)，α是调整参数。

在本发明一个优选实施例中，在步骤S300中，所述神经网络采用全连接神经网络。

在本发明一个优选实施例中，在步骤S101中，所述ADC采样采用毫米波雷达传感器。

在本发明一个优选实施例中，所述稀疏函数采用近似加速梯度法进行求解。

通过上述技术方案，本发明具有如下有益效果：