基于超声主动探测的微手势识别方法及系统技术方案

本发明专利技术提出一种基于超声主动探测的微手势识别方法及系统，该方法包括以下步骤：发射超声波信号，并接收超声波信号经过待识别手势动作反射的超声回波信号；对比超声波信号与超声回波信号，以得到超声波信号与超声回波信号的接收时间延迟与频率分辨变化量；根据接收时间延迟与频率分辨变化量，得到超声回波信号中时序的距离和速度信息；根据距离和速度信息，通过数据驱动的模式识别算法对待识别手势动作进行识别和判定。本发明专利技术能够精确识别微手势动作，具有分辨率高、鲁棒性高、功耗低及算法复杂度低的优点。

【技术实现步骤摘要】

本专利技术涉及目标识别
，特别涉及一种基于超声主动探测的微手势识别方法及系统。
技术介绍
微手势识别系统是指利用一段时间内的细微动态手势进行分类和识别以实现人机交互目的的电子系统。与目前常见的手势识别方法所使用的大幅度挥手等涉及整个手部运动的手势动作，微手势识别系统旨在利用人的双手和手指的捏转、搓动、转动等符合人们天然操控习惯的细微动态手势，实现人和智能设备的交互。微手势识别系统有着重要的实际意义和应用前景。随着可穿戴装备的发展，传统的触控交互方法，在智能手表等显示屏幕尺寸较小的设备上，已经难以提供优良的用户体验。其次，在车辆驾驶等情景下，使用屏幕触控，将造成人们精力严重分散，可能引发危险的后果。更进一步，在不远的未来，虚拟现实、三维投影极有可能取代当今使用的二维平面媒体，新型的三维交互技术将成为在上述设备进行互动的前提。在这些情景下，基于微手势识别技术的非接触式的三维交互方法，极有可能替代目前的触控操作方法，发展成为未来智能生活所必须的基础人机交互技术。基于RGB摄像头和红外摄像头的技术方法较为成熟，被广泛应用于人体大幅度运动和姿态的识别，然而，上述传感器及技术在微手势识别方面的应用遇到困难：第一，在分辨率、环境因素(光照、背景材质)等方面受到限制；第二，这些传感器获取的视觉图像中包含了较多的冗余信息，需要做的预处理和特征提取工作量大，可能导致实时应用不流畅，功耗大；另外，这些传感器只能通过连续几帧图像推测目标的运动状态，而不能直接获取运动信息。因此，基于RGB摄像头和红外摄像头的技术难以实现上述高精度、高鲁棒、符合用户体验的微手势识别与交互应用图景。
技术实现思路
本专利技术旨在至少解决上述技术问题之一。为此，本专利技术的一个目的在于提出一种基于超声主动探测的微手势识别方法，该方法能够精确识别微手势动作，具有分辨率高、鲁棒性高、功耗低及算法复杂度低的优点。本专利技术的另一个目的在于提出一种基于超声主动探测的微手势识别系统。为了实现上述目的，本专利技术第一方面的实施例提出了一种基于超声主动探测的微手势识别方法，包括以下步骤：发射超声波信号，并接收所述超声波信号经过待识别手势动作反射的超声回波信号；对比所述超声波信号与所述超声回波信号，以得到所述超声波信号与所述超声回波信号的接收时间延迟与频率分辨变化量；根据所述接收时间延迟与频率分辨变化量，得到所述超声回波信号中时序的距离和速度信息；根据所述距离和速度信息，通过数据驱动的模式识别算法对所述待识别手势动作进行识别和判定。另外，根据本专利技术上述实施例的基于超声主动探测的微手势识别方法还可以具有如下附加的技术特征：在一些示例中，所述根据所述距离和速度信息，通过数据驱动的模式识别算法对所述待识别手势动作进行识别和判定，进一步包括：根据所述速度信息，判断是否存在运动目标；并在存在目标或不存在运动目标时，对应将所述模式识别算法切换至识别工作模式或睡眠工作模式，其中，在所述识别工作模式下，所述模式识别算法正常进行信号处理和手势识别；在所述睡眠工作模式下，所述模式识别算法按照预设时间间隔进行信号处理。在一些示例中，所述在所述识别工作模式下，所述模式识别算法正常进行信号处理和手势识别，进一步包括：对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，检测所述运动目标，获取所述运动目标的距离和速度信息，并进行时间维度上的目标追踪和关联，压缩信息量，提取反映所述运动目标的运动状态和趋势的特征，以构成时序的特征序列，根据机器学习算法对所述时序的特征序列进行手势动作的分类和识别；或者对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，得到坐标为距离、速度的二维矩阵，并对所述二维矩阵进行压缩和拼接处理，设置完成动作所需的图像帧数的上限值，并截取所述帧数的距离-速度图像，训练并部署卷积神经网络，以进行手势动作的分类和识别；或者对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，得到坐标为距离、速度的二维矩阵，并对所述二维矩阵进行压缩和拼接处理，获取时序的距离-速度矩阵所组成的视频流数据，并根据递归神经网络，对所述时序的距离-速度矩阵所组成的视频流数据进行手势动作的分类和识别。在一些示例中，所述待识别的手势动作为幅度小于预设幅度且持续预定时间的手势动作，包括：手掌和手指的静态手势、手掌的平移、一个或多个手指的搓动、旋转、平移、点击的动态手势中一个或多个的组合。在一些示例中，所述超声波信号为调频脉冲波形或调频连续波，且所述超声波信号具有预设波形、预设周期、预设带宽和预设频率分布。根据本专利技术实施例的基于超声主动探测的微手势识别方法，信息获取的维度上，获取的目标距离、瞬时速度等信息是连续、微小的动态手势运动的核心特征，从而可减少信息冗余，解决目前识别技术只能识别大幅度运动和姿态、分辨力低的缺点，实现了毫米精度的距离分辨力，即具有分辨率高的优点；该方法环境鲁棒性强，受光照、背景材质、天气的环境条件的限制小；该方法功耗低，直接获取瞬时速度，在运动分隔、追踪方面大大降低了算法复杂度，并为系统在不同工作模式间切换提供便利，从而降低了能耗；另外，该方法使用超声主动探测和信号处理技术，能够同时实现多个目标的距离、速度同时精确测量，从而降低了硬件复杂度和成本，并且在手势识别算法中提出的压缩特征的方法进一步降低了运算量和功耗。为了实现上述目的，本专利技术第二方面的实施例提出了一种基于超声主动探测的微手势识别系统，包括：信号收发模块，所述信号收发模块用于发射超声波信号，并接收所述超声波信号经过待识别手势动作反射的超声回波信号；对比模块，所述对比模块用于对比所述超声波信号与所述超声回波信号，以得到所述超声波信号与所述超声回波信号的接收时间延迟与频率分辨变化量；处理模块，所述处理模块用于根据所述接收时间延迟与频率分辨变化量，得到所述超声回波信号中时序的距离和速度信息；识别模块，所述识别模块用于根据所述距离和速度信息，通过数据驱动的模式识别算法对所述待识别手势动作进行识别和判定。另外，根据本专利技术上述实施例的基于超声主动探测的微手势识别系统还可以具有如下附加的技术特征：在一些示例中，所述识别模块根据所述距离和速度信息，通过数据驱动的模式识别算法对所述待识别手势动作进行识别和判定，包括：根据所述速度信息，判断是否存在运动目标；并在存在目标或不存在运动目标时，对应将所述模式识别算法切换至识别工作模式或睡眠工作模式，其中，在所述识别工作模式下，所述模式识别算法正常进行信号处理和手势识别；在所述睡眠工作模式下，所述模式识别算法按照预设时间间隔进行信号处理。在一些示例中，所述在所述识别工作模式下，所述模式识别算法正常进行信号处理和手势识别，包括：对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，检测所述运动目标，获取所述运动目标的距离和速度信息，并进行时间维度上的目标追踪和关联，压缩信息量，提取反映所述运动目标的运动状态和趋势的特征，以构成时序的特征序列，根据机器学习算法对所述时序的特征序列进行手势动作的分类和识别；或者对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，得到坐标为距离、速度的二维矩阵，并对所述二维矩阵进行本文档来自技高网...

【技术保护点】
一种基于超声主动探测的微手势识别方法，其特征在于，包括以下步骤：发射超声波信号，并接收所述超声波信号经过待识别手势动作反射的超声回波信号；对比所述超声波信号与所述超声回波信号，以得到所述超声波信号与所述超声回波信号的接收时间延迟与频率分辨变化量；根据所述接收时间延迟与频率分辨变化量，得到所述超声回波信号中时序的距离和速度信息；根据所述距离和速度信息，通过数据驱动的模式识别算法对所述待识别手势动作进行识别和判定。

【技术特征摘要】
1.一种基于超声主动探测的微手势识别方法，其特征在于，包括以下步骤：发射超声波信号，并接收所述超声波信号经过待识别手势动作反射的超声回波信号；对比所述超声波信号与所述超声回波信号，以得到所述超声波信号与所述超声回波信号的接收时间延迟与频率分辨变化量；根据所述接收时间延迟与频率分辨变化量，得到所述超声回波信号中时序的距离和速度信息；根据所述距离和速度信息，通过数据驱动的模式识别算法对所述待识别手势动作进行识别和判定。2.根据权利要求1所述的基于超声主动探测的微手势识别方法，其特征在于，所述根据所述距离和速度信息，通过数据驱动的模式识别算法对所述待识别手势动作进行识别和判定，进一步包括：根据所述速度信息，判断是否存在运动目标；并在存在目标或不存在运动目标时，对应将所述模式识别算法切换至识别工作模式或睡眠工作模式，其中，在所述识别工作模式下，所述模式识别算法正常进行信号处理和手势识别；在所述睡眠工作模式下，所述模式识别算法按照预设时间间隔进行信号处理。3.根据权利要求2所述的基于超声主动探测的微手势识别方法，其特征在于，所述在所述识别工作模式下，所述模式识别算法正常进行信号处理和手势识别，进一步包括：对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，检测所述运动目标，获取所述运动目标的距离和速度信息，并进行时间维度上的目标追踪和关联，压缩信息量，提取反映所述运动目标的运动状态和趋势的特征，以构成时序的特征序列，根据机器学习算法对所述时序的特征序列进行手势动作的分类和识别；或者对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，得到坐标为距离、速度的二维矩阵，并对所述二维矩阵进行压缩和拼接处理，设置完成动作所需的图像帧数的上限值，并截取所述帧数的距离-速度图像，训练并部署卷积神经网络，以进行手势动作的分类和识别；或者对所述距离和速度信息进行去噪处理，根据去噪后的速度信息对运动目标进行分割，得到坐标为距离、速度的二维矩阵，并对所述二维矩阵进行压缩和拼接处理，获取时序的距离-速度矩阵所组成的视频流数据，并根据递归神经网络，对所述时序的距离-速度矩阵所组成的视频流数据进行手势动作的分类和识别。4.根据权利要求1所述的基于超声主动探测的微手势识别方法，其特征在于，所述待识别的手势动作为幅度小于预设幅度且持续预定时间的手势动作，包括：手掌和手指的静态手势、手掌的平移、一个或多个手指的搓动、旋转、平移、点击的动态手势中一个或多个的组合。5.根据权利要求1所述的基于超声主动探测的微手势识别方法，其特征在于，所述超声波信号为调频脉冲波形或调频连续波，且所述超声波信号具有预设波形、预设周期、预设带宽和预设频率分布。6.一种基于超声主动探测的微手势识别系统，其特征在...

【专利技术属性】
技术研发人员：刘一民，桑煜，王权，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京;11