龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：电子科技大学
申请日：2024-02-28
公开（公告）日：2024-05-31
公开（公告）号：CN118116075A
主分类号：G06V40/20
分类号：G06V40/20;G06V40/10;G06V10/80;G06V10/82;G06V10/764;G06N3/0442;G06N3/0464;G06N3/045
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.18#实质审查的生效;2024.05.31#公开
摘要：本发明属于人机交互中的雷达手势识别领域，具体涉及一种基于多维特征融合网络的毫米波雷达双手手势识别方法。本发明对采集到的双手手势数据进行2D‑FFT和相量均值相消算法处理，得到距离‑多普勒数据，经过NVDR波束形成算法得到距离‑角度图像。然后对距离‑多普勒数据进行降维处理，按时间帧进行拼接作为第一个手势特征，距离‑角度图像作为第二个手势特征，输入到多维特征融合网络中进行训练，从而实现双手手势动作的分类识别。相比于基于单一特征的手势识别，发明的方法很好的利用了多个维度的特征并结合，更好的表征了不同双手手势动作的特点，提高了双手手势识别的准确率。
主权项：1.一种基于多维特征融合网络的毫米波雷达双手手势识别方法，其特征在于，包含以下步骤：步骤一、使用毫米波雷达采集多种双手的预定义手势动作数据，对采集到的雷达回波数据进行处理得到距离-时间数据；步骤二、对步骤一得到的距离-时间数据通过MVDR波束形成算法进行角度估计，经过区域截断和阈值滤除、静态和动态杂波滤除，得到距离-角度图像；步骤三、对原始数据的每一帧信号做2D-FFT运算，通过相量均值相消算法去除静态杂波，得到双手手势距离-多普勒数据；步骤四、对距离-多普勒数据进行PCA降维处理，并将每一帧进行拼接，得到一个二维特征矩阵；步骤五、将步骤二得到的距离-角度图像与步骤四中降维后的距离-多普勒图作为双手手势的多维特征输入到多维特征融合神经网络中进行训练，最后利用训练好的网络实现双手手势样本的分类识别。
全文数据：
权利要求：
百度查询： 电子科技大学 一种基于多维特征融合网络的毫米波雷达双手手势识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号