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。