【技术实现步骤摘要】
本专利技术涉及动作识别和生物特征识别，具体为一种基于毫米波雷达技术的身份识别方法、装置和系统。
技术介绍
1、目前，身份识别技术主要包括指纹识别、人脸识别、虹膜识别以及声纹识别等。这些技术在某些场景下存在不足，例如：指纹识别易受表面污染或破损影响；人脸识别易受光照、角度变化或遮挡影响；虹膜识别需要用户配合且设备成本较高；声纹识别对环境噪音敏感。
2、近年来，毫米波被广泛应用于特征信号的获取。相较于wi-fi，毫米波具有更高的频率和更短的波长，能够实现更高的空间分辨率和精细成像，适用于复杂表面和微小目标的检测，在信号获取和特征识别中具备显著优势。同时，毫米波具有更强的方向性和穿透性能，在环境感知、目标识别等领域表现优异。
3、现有基于毫米波雷达的识别技术大多仅限于动作检测或简单识别，尚未深入融合手势动作和个体身份特征，存在识别精度和系统适用性不足的问题。为此，设计一种通过指关节敲门声提取骨骼特征进行身份识别的方法、装置和系统，从而克服上述问题。
技术实现思路
1、本专利技术的目的在于克服现有技术存在的不足，而提供一种基于毫米波雷达技术的身份识别方法、装置和系统，该专利技术能够融合手势动作和个体生物特征，准确识别用户身份并实现便捷交互，具备精度高、隐私安全性完备和适应性强的特点。
2、本专利技术是通过如下的技术方案予以实现的：一种基于毫米波雷达技术的身份识别方法，所述方法包括如下步骤：
3、1）毫米波雷达捕捉动作：通过毫米波雷达来识别和捕
4、2）特征提取：通过毫米波雷达识别实物以及通过该实物的运动轨迹来提取特征；
5、3）分类识别：将该特进行分类；
6、4）模型训练：基于双模态融合算法对该分类后的数据进行训练；
7、5）数据存储：训练完成后的数据进行载体保存；
8、6）实际输出应用。
9、作为优选：所述步骤1）中识别和捕捉用户的手势以及手势动作，该手势动作包括静态手势和动态手持， 并且生成特征的点云数据。
10、作为优选：所述点云数据包括动态手势特征的动作轨迹和速度或加速的变化，静态身份特征的手部尺寸和微动特征，其中手部尺寸包括指甲盖尺寸以及上段手指至中关节处的尺寸，以及中关节处至下段手指的尺寸。
11、作为优选：所述将获取到的特征基于双模态融合算法，使用卷积神经网络（cnn）和长短期记忆网络（lstm）对动态手势特征和静态身份特征进行联合学习。
12、一种基于毫米波雷达技术的身份识别装置，所述装置包括：
13、毫米波雷达模块：用于实时捕捉用户的具体部位以及该部位产生的动作；并生成包含手部运动轨迹、速度、加速度及微动特征的点云数据；
14、特征提取模块：并生成包含该部位的运动轨迹、速度、加速度及微动特征的点云数据；
15、分类识别模块：从点云数据中提取多维特征，包括动态手势特征：动作轨迹和速度变化，静态身份特征：手部尺寸和微动特征；
16、训练模块：基于双模态融合算法，使用卷积神经网络和长短期记忆网络对动态手势特征和静态身份特征进行联合学习，输出用户身份和手势类别；
17、数据存储模块：用于存储用户的特征数据和识别模型，支持离线更新和动态扩展；
18、输出接口模块：实现了多种形式的输出，如身份验证结果、手势控制指令，使其能与其他智能设备或系统进行无缝对接。
19、一种智能家居身份识别系统，所述系统将上述的方法或系统安装在智能家居中，通过捕捉用户的手势实现身份识别，同时利用只能家居自带的程序完成灯光开关、窗帘控制操作。
20、一种智能安防身份识别验证系统，所述系统将上述的方法或系统安装在安防系统，通过识别门前用户的手势和身份特征，实现门禁解锁，当未经授权用户来识别时，则触发警报。
21、本专利技术的有益效果如下：
22、与现有的身份识别和手势识别方法相比，本专利技术所实现的方法在很多方面都有显著提升：本方法通过融合手势动作和个体生物特征，实现了97%的身份识别准确率。鉴于毫米波多方面的优点，本专利技术对环境光照、遮挡和噪音不敏感，适用于多种复杂场景，本专利技术采用毫米波雷达收集用户数据，其中的用户生物特征基本无法复刻，有助于保护用户隐私。本专利技术有广泛的应用场景，可用于智能家居、身份认证、医疗康复、人机交互等多个领域。
本文档来自技高网...【技术保护点】
1.一种基于毫米波雷达技术的身份识别方法，其特征在于：所述方法包括如下步骤：
2.根据权利要求1所述的基于毫米波雷达技术的身份识别方法，其特征在于：所述步骤1）中识别和捕捉用户的手势以及手势动作，该手势动作包括静态手势和动态手持，并且生成特征的点云数据。
3.根据权利要求2所述的基于毫米波雷达技术的身份识别方法，其特征在于：所述点云数据包括动态手势特征的动作轨迹和速度或加速的变化，静态身份特征的手部尺寸和微动特征，其中手部尺寸包括指甲盖尺寸以及上段手指至中关节处的尺寸，以及中关节处至下段手指的尺寸。
4.根据权利要求3所述的基于毫米波雷达技术的身份识别方法，其特征在于：所述将获取到的特征基于双模态融合算法，使用卷积神经网络（CNN）和长短期记忆网络（LSTM）对动态手势特征和静态身份特征进行联合学习。
5.一种基于毫米波雷达技术的身份识别装置，其特征在于：所述装置包括：
6.一种智能家居身份识别系统，其特征在于：所述系统将权利要求4或5所述的方法或系统安装在智能家居中，通过捕捉用户的手势实现身份识别，同时利用只能家居自带
7.一种智能安防身份识别验证系统，其特征在于：所述系统将权利要求4或5所述的方法或系统安装在安防系统，通过识别门前用户的手势和身份特征，实现门禁解锁，当未经授权用户来识别时，则触发警报。
...【技术特征摘要】
1.一种基于毫米波雷达技术的身份识别方法，其特征在于：所述方法包括如下步骤：
2.根据权利要求1所述的基于毫米波雷达技术的身份识别方法，其特征在于：所述步骤1）中识别和捕捉用户的手势以及手势动作，该手势动作包括静态手势和动态手持，并且生成特征的点云数据。
3.根据权利要求2所述的基于毫米波雷达技术的身份识别方法，其特征在于：所述点云数据包括动态手势特征的动作轨迹和速度或加速的变化，静态身份特征的手部尺寸和微动特征，其中手部尺寸包括指甲盖尺寸以及上段手指至中关节处的尺寸，以及中关节处至下段手指的尺寸。
4.根据权利要求3所述的基于毫米波雷达技术的身份识别方法，其特征在于：所...
【专利技术属性】
技术研发人员：孔令昌，周颢，李强，谈海生，杜皓华，
申请(专利权)人：德清阿尔法创新研究院，
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。