本发明专利技术公开了一种双站雷达手势识别方法、装置、系统和存储介质，一种双站雷达手势识别方法，包括：使用双站雷达向待检测区域发送双站雷达信号，并接收待检测区域返回的两个雷达回波信号，双站雷达包括两个雷达，两个雷达的覆盖重合区域为待检测区域；对两个雷达回波信号进行信号预处理，得到两个雷达回波信号的特征数据；对两个雷达回波信号的特征数据进行手势目标检测及合成，生成二维手势轨迹序列；基于LSTM网络对二维手势轨迹序列进行手势识别，得到手势识别结果。本发明专利技术实施例公开的双站雷达手势识别方法、装置、系统和存储介质，提供了一种低复杂度、可靠的手势检测方案。可靠的手势检测方案。可靠的手势检测方案。
【技术实现步骤摘要】
双站雷达手势识别方法、装置、系统和存储介质
[0001]本专利技术实施例信号处理技术，尤其涉及一种双站雷达手势识别方法、装置、系统和存储介质。
技术介绍
[0002]伴随信息技术的高速发展，各类智能设备已经逐渐走入现代生活之中，人与机器的交互已经成为生活之中重要的部分。人机交互方式应用较多是通过一些接触式输入设备与计算机进行信息交流，如鼠标、键盘、触摸屏等，这类人机交互方式比较机械化。
[0003]而人体姿势、面部表情、语音交互和手势识别等智能而又有效的新型人机交互方式的出现，摆脱了接触式输入设备的束缚，使人与机器之间的交互方式变得更加智能、方便。由于手势是人类日常生活中交流的重要环节，简单直接而又蕴含丰富的含义，将手势识别应用于人机交互中，可极大的增强用户的体验，拥有很广泛的应用与前景。
[0004]手势识别技术中可以分为三类，分别是基于惯性传感器的手势识别、基于视觉的手势识别和基于雷达等无线射频传感器的手势识别。由于基于雷达等无线射频传感器的手势识别无需与用户接触，且不会受到光线干扰，具有一定的穿透力，是目前手势识别的研究重点。
[0005]但基于雷达的手势识别方法，在采集到雷达信号后，需要利用深度卷积神经网络进行识别，所需模型庞大，运算时间较长，且对计算能力有较高的要求，限制了手势识别技术的应用。
技术实现思路
[0006]本专利技术提供一种双站雷达手势识别方法、装置、系统和存储介质，提供了一种低复杂度、可靠的手势检测方案。
[0007]第一方面，本专利技术实施例提供一种双站雷达手势识别方法，包括：
[0008]使用双站雷达向待检测区域发送双站雷达信号，并接收待检测区域返回的两个雷达回波信号，双站雷达包括两个雷达，两个雷达的覆盖重合区域为待检测区域；
[0009]对两个雷达回波信号进行信号预处理，得到两个雷达回波信号的特征数据；
[0010]对两个雷达回波信号的特征数据进行手势目标检测及合成，生成二维手势轨迹序列；
[0011]基于LSTM网络对二维手势轨迹序列进行手势识别，得到手势识别结果。
[0012]在第一方面一种可能的实现方式中，对两个雷达回波信号进行信号预处理，得到两个雷达回波信号的特征数据，包括：
[0013]对两个雷达回波信号分别进行数字混频处理，得到两个雷达回波信号的基带信号，
[0014]去除两个基带信号中的背景杂波；
[0015]对去除背景杂波后的两个基带信号进行杂波抑制，得到两个雷达回波信号的特征
数据。
[0016]在第一方面一种可能的实现方式中，对去除背景杂波后的两个基带信号进行杂波抑制，得到两个雷达回波信号的特征数据，包括：
[0017]使用公式B
d
(m,n)＝α
·
B
d
(m,n-1)+(1-α)Y
d
(m,n)分别对去除背景杂波后的两个基带信号进行杂波估计与更新，其中，α为可调参数，B
d
(m,n)为更新后的杂波估计，Y
d
(m,n)为去除背景杂波后的基带信号；
[0018]使用公式F
d
(m,n)＝Y
d
(m,n)-B
d
(m,n)分别对去除背景杂波后的两个基带信号进行杂波抑制，其中，F
d
(m,n)为雷达回波信号的特征数据。
[0019]在第一方面一种可能的实现方式中，对两个雷达回波信号的特征数据进行手势目标检测及合成，生成二维手势轨迹序列，包括：
[0020]对两个雷达回波信号的特征数据进行手势目标检测与截取，得到两个原始手势目标位置矩阵；
[0021]对两个原始手势目标位置矩阵进行手势目标质心位置估计，得到两个手势目标质心位置序列；
[0022]使用自适应阶数的多项式拟合方法对两个手势目标质心位置序列进行拟合处理；
[0023]对拟合处理后的两个手势目标质心位置序列进行平面坐标合成，生成二维手势轨迹序列。
[0024]在第一方面一种可能的实现方式中，对两个原始手势目标位置矩阵进行手势目标质心位置估计，得到两个手势目标质心位置序列，包括：
[0025]对于每个原始手势目标位置矩阵，使用公式进行手势目标质心位置估计，得到手势目标质心位置，其中，R为质心的位置，n为目标占据距离单元的个数，R
i
和V
i
分别为第i个真实目标位置的距离和幅度值。
[0026]在第一方面一种可能的实现方式中，对拟合处理后的两个手势目标质心位置序列进行平面坐标合成，生成二维手势轨迹序列，包括：
[0027]以两个雷达中的第一雷达作为为坐标原点，两个雷达的连线为x轴，y轴垂直于地平面，由如下公式得到目标手势点位置的二维坐标(x,y)；
[0028][0029]其中d1和d2分别为两个雷达位置到目标质心位置的距离，AB为两个雷达的距离，θ为第一雷达与目标质心位置的夹角。
[0030]在第一方面一种可能的实现方式中，LSTM网络为非定长输入网络。
[0031]第二方面，本专利技术实施例提供一种双站雷达手势识别装置，包括：
[0032]雷达信号检测模块，用于使用双站雷达向待检测区域发送双站雷达信号，并接收待检测区域返回的两个雷达回波信号，双站雷达包括两个雷达，两个雷达的覆盖重合区域
为待检测区域；
[0033]雷达信号处理模块，用于对两个雷达回波信号进行信号预处理，得到两个雷达回波信号的特征数据；
[0034]手势轨迹生成模块，用于对两个雷达回波信号的特征数据进行手势目标检测及合成，生成二维手势轨迹序列；
[0035]手势识别模块，用于基于LSTM网络对二维手势轨迹序列进行手势识别，得到手势识别结果。
[0036]第三方面，本专利技术实施例提供一种双站雷达手势识别系统，包括：双站雷达和手势识别装置；
[0037]双站雷达包括两个雷达，双站雷达用于向待检测区域发送双站雷达信号，两个雷达的覆盖重合区域为待检测区域；
[0038]手势识别装置，包括：
[0039]雷达信号检测模块，用于接收待检测区域返回的两个雷达回波信号；
[0040]雷达信号处理模块，用于对两个雷达回波信号进行信号预处理，得到两个雷达回波信号的特征数据；
[0041]手势轨迹生成模块，用于对两个雷达回波信号的特征数据进行手势目标检测及合成，生成二维手势轨迹序列；
[0042]手势识别模块，用于基于LSTM网络对二维手势轨迹序列进行手势识别，得到手势识别结果。
[0043]第四方面，本专利技术实施例提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面任一种实现方式的双站雷达手势识别方法。
[0044]本专利技术实施例提供的双站雷达手势识别方法、装置、系统和存储介质，使用双站雷达向待检测区域发送双站雷达信号，并接收待检本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种双站雷达手势识别方法，其特征在于，包括：使用双站雷达向待检测区域发送双站雷达信号，并接收所述待检测区域返回的两个雷达回波信号，所述双站雷达包括两个雷达，所述两个雷达的覆盖重合区域为所述待检测区域；对所述两个雷达回波信号进行信号预处理，得到所述两个雷达回波信号的特征数据；对所述两个雷达回波信号的特征数据进行手势目标检测及合成，生成二维手势轨迹序列；基于长短期记忆LSTM网络对所述二维手势轨迹序列进行手势识别，得到手势识别结果。2.根据权利要求1所述的方法，其特征在于，所述对所述两个雷达回波信号进行信号预处理，得到所述两个雷达回波信号的特征数据，包括：对所述两个雷达回波信号分别进行数字混频处理，得到所述两个雷达回波信号的基带信号，去除两个基带信号中的背景杂波；对去除背景杂波后的两个基带信号进行杂波抑制，得到所述两个雷达回波信号的特征数据。3.根据权利要求2所述的方法，其特征在于，所述对去除背景杂波后的两个基带信号进行杂波抑制，得到所述两个雷达回波信号的特征数据，包括：使用公式B
d
(m,n)＝α
·
B
d
(m,n-1)+(1-α)Y
d
(m,n)分别对去除背景杂波后的两个基带信号进行杂波估计与更新，其中，α为可调参数，B
d
(m,n)为更新后的杂波估计，Y
d
(m,n)为去除背景杂波后的基带信号；使用公式F
d
(m,n)＝Y
d
(m,n)-B
d
(m,n)分别对去除背景杂波后的两个基带信号进行杂波抑制，其中，F
d
(m,n)为雷达回波信号的特征数据。4.根据权利要求1～3任一项所述的方法，其特征在于，所述对所述两个雷达回波信号的特征数据进行手势目标检测及合成，生成二维手势轨迹序列，包括：对所述两个雷达回波信号的特征数据进行手势目标检测与截取，得到两个原始手势目标位置矩阵；对所述两个原始手势目标位置矩阵进行手势目标质心位置估计，得到两个手势目标质心位置序列；使用自适应阶数的多项式拟合方法对所述两个手势目标质心位置序列进行拟合处理；对拟合处理后的两个手势目标质心位置序列进行平面坐标合成，生成二维手势轨迹序列。5.根据权利要求4所述的方法，其特征在于，所述对所...
【专利技术属性】
技术研发人员：阳召成，庄伦涛，周建华，
申请(专利权)人：深圳大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。