[發明專利]基于父子分類器的實時性手勢識別方法

有效

• 申請號: 201910362030.X
• 申請日: 2019-04-30
• 公開（公告）號: CN110084209B
• 公開（公告）日: 2022-06-24
• 發明（設計）人: 曹宗杰;王麗瑩;崔宗勇
• 申請（專利權）人: 電子科技大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06K9/00;G06K9/62;G06V10/764
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 孫一峰

1.基于父子分類器的實時性手勢識別方法，其特征在于，包括以下步驟：

步驟1：自定義6組父類手勢，共12種子類手勢：

(1)左右滑動：向左滑，向右滑；

(2)上下滑動：向上滑，向下滑；

(3)按鍵：按下按鈕，釋放按鈕；

(4)縮放：放大，縮小；

(5)前后移動：向前移動，向后移動；

(6)旋轉：瞬時針旋轉，逆時針旋轉；

步驟2：數據采集：

每組父類樣本由10個志愿者來完成，每個志愿者重復同一組父類手勢10次，一共收集100組父類樣本即200個子類手勢樣本；

步驟3：提取特征：

對得到的每個手勢回波沿快時間做快速傅里葉變換，取結果的幅度值作為手勢的一維距離像HRRP信息，它是一個1×M的一維向量；

步驟4：數據預處理：

得到的N個HRRP數據流無需預先進行分割，將每相鄰的m個HRRP向量沿快時間做均值，得到一個與原一維距離像維度一樣的瞬時樣本

步驟5：父類網絡進行粗分類：

父類網絡由一個時間-空間特征提取器、Squeeze-and-Excitation Network和softmax層組成，該網絡中共有兩個卷積層、池化層，Squeeze-and-Excitation Network被加到第二個池化層后面用于對最后特征的通道進行加強，然后經過平坦化后進入一層全連接層，最后被送入softmax層得到最終的父類手勢預測結果；

將k個瞬時樣本串聯成HRRP圖并作為一個輸入樣本，不同大小的二維卷積核與每個HRRP圖卷積得到了攜帶時間-空間信息的特征，經過兩個卷積層提取后得到的最終特征記做其中X，Y，C分別表示特征向量在長、寬和通道數上的維度；然后U被送入Squeeze-and-Excitation Network，首先squeeze層將含有樣本所有信息的U通過全局最大池化層壓縮到一個描述算子z中，若表示U中第i個通道上的二維特征，那么第i個通道上的描述算子z_i由下式得到：

然后描述算子通過激勵單元，它由兩個全連接層組成，第一個全連接層將描述算子的通道數縮減為原來1/r倍并用ReLU函數，其處理過程用下式表示：

Se＝ReLU(w_sz+b_s),

其中，分別表示z的權重和偏置；然后第二個全連接層對Se進行維度增強并使用了Sigmoid函數進行非線性化處理得到一個1×C的通道加權系數Ex，這一過程可以用下式表達：

Ex＝Sigmoid(w_ex·Se+b_ex),

Sigmoid(x)＝1/1+e^-x

這里的分別是Se的權重和偏置，最后通過U_scaled＝U·Ex得到一個在通道C上加權后的特征U_scaled；

最后這個特征經過一層全連接后被送入到softmax層，通過將對應類別的預測可能性規范到0-1之間，最后經過argmax得到預測的父類樣本標簽；

步驟6：子類分類器的手勢細分割：

采用調頻連續波FMCW的波形調制方式，根據發射回波和接收回波的頻率差得到運動的手到雷達天線之間的距離：

其中，△t為發射和接收回波的時間差，△f表示發射和接收回波的頻率差；

在子類分類器中，瞬時樣本p直接被送入到分類器中而無需經過串聯操作；在每個瞬時樣本中將能量最強點的中心頻率當做當前瞬時樣本的頻率，然后根據R提取每個瞬時樣本的距離信息得到一個距離散點圖；將散點圖根據最小二乘原則進行擬合，得到一條距離曲線；然后采用基于區域極值點分割的方法用來對父類樣本進行細分：先通過檢測距離曲線上極值點的位置得到子類手勢分割點的候選位置，再將出現在一個指定窗中的多個極值點視為一個極值點，此時窗口的中心位置被視為這個新極值點的位置，這樣子類樣本便可以通過得到的極值點進行分割，得到最終的子類手勢。