10.13700/j.bh.1001-5965.2017.0397
基于卷积神经网络的手势动作雷达识别方法
随着手势动作识别技术在人机交互、生活娱乐及医疗服务等应用领域的逐步深入,其对非接触、微光条件下的稳健测量与识别能力提出更高要求.针对该问题,研究了一种基于线性调频连续波(LFMCW)雷达距离-多普勒(RD)信息和卷积神经网络(CNN)的典型手势动作识别方法.首先,对于 LFMCW雷达回波,通过去斜、快时间域快速傅里叶变换和相干积累,获取手势目标的二维RD像数据;其次,以RD像幅度矩阵作为CNN 输入样本,利用2 层卷积与池化处理构建特征空间,从而通过全连接与 softmax分类器实现对手势动作的有效识别;最后,在此基础上,采用24 GHz 工业雷达传感器设计手势测量实验系统,形成关于4 种典型手势动作的LFMCW雷达回波数据库.实验结果表明,将24 GHz LFMCW雷达回波RD处理与 CNN 结合能够实现对典型手势动作的有效识别.
手势动作识别、线性调频连续波(LFMCW)雷达、距离-多普勒(RD)、卷积神经网络(CNN)、softmax分类器
44
TN951;TN959.5;TP183
2018-08-15(万方平台首次上网日期,不代表论文的发表时间)
共7页
1117-1123