[發明專利]一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法

在審

• 申請號: 201910660352.2
• 申請日: 2019-07-22
• 公開（公告）號: CN110412566A
• 公開（公告）日: 2019-11-05
• 發明（設計）人: 於志文;張凱杰;王柱;郭斌
• 申請（專利權）人: 西北工業大學
• 主分類號: G01S13/88
• 分類號: G01S13/88;G01S7/41
• 代理公司: 西安利澤明知識產權代理有限公司 61222
• 代理人: 劉偉

本發明提供一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，其特征在于：采用兩個相同的微型多普勒雷達持續收集用戶的手勢運動信息；對采集雷達信號進行濾波處理；基于濾波后的雷達信號，采用雙門限算法，對信號中有起伏波動的信號片段進行檢測與提取；將經過濾波的兩個雷達提取得到的動作信號進行短時傅里葉變換獲得時頻譜圖；對時頻譜圖的二值化、邊緣檢測處理，提取出手勢動作的時頻譜特征；對時頻譜線使用X方法分類，完成具體的手臂動作種類判斷。不但識別動作種類，還分析動作細節，可提供更好更便捷的人機交互體驗，能在智能家居、遙操作領域帶來一定實際意義。

技術領域

本發明涉及基于電磁波信號的人體行為感知領域，尤其涉及微型多普勒雷達對用戶手臂運動識別、細粒度運動方向細節感知的方法。

背景技術

隨著無線感知和物聯網技術的發展，許多新型的人機交互技術被人們所利用。不同于計算機視覺的動作識別方法對環境光照有額外的要求，和使用可穿戴傳感器感知動作的方法在整體動作識別上有更復雜的設備需求，使用無線設備的動作識別具有普適、易操作的優勢。同時隨著諸如智能手機等智能設備的發展，無線設備也深入到生活的方方面面，普及程度大幅增加。然而，在現有的方法中，可穿戴的視覺識別方法對環境光源依賴較大，Wi-Fi無線信號分布不穩定、易受干擾的特點使得很難應用到實際情況，RFID識別技術則需要給用戶佩戴額外的設備，影響體驗。此外，它們基本都是以識別動作種類為目的，很少有考慮到手勢細節信息分析。手勢運動中還有更多的細節可以挖掘，比如不同的抬手角度、揮手幅度等差異，而用戶很可能希望以此來進行一些特殊人機交互。

發明內容

針對以上缺陷，本發明提供一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，能夠準確識別人體手臂動作的細微動作。

本發明于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法的技術方案為：采用兩個相同的微型多普勒雷達持續收集用戶的手勢運動信息并保存至上位主機；對采集雷達信號進行濾波處理；基于濾波后的雷達信號，采用雙門限算法，對信號中有起伏波動的信號片段進行檢測與提取；將經過濾波的兩個雷達提取得到的動作信號進行短時傅里葉變換獲得時頻譜圖；對時頻譜圖的二值化、邊緣檢測處理，提取出手勢動作的時頻譜特征，再根據多普勒效應原理將兩雷達時頻譜特征進行合成以消除運動角度對兩雷達分布信號造成的幅度和頻率降低的影響；對時頻譜線使用X方法分類，完成具體的手臂動作種類判斷。

進一步的，一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，所述兩雷達時頻譜特征的對比得出的動作的運動方向，體現為運動相對于正面雷達的夾角。

進一步的，一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，所述手臂動作種類包括：抬手、放下、推、拉、伸手、握拳、旋轉、非手勢信號。

進一步的，一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，所述識別結果若屬于動作種類中的任意一個，則繼續向后進行步驟；否則輸出結果中止識別。

進一步的，一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，所述雙門限算法中采用短時過門限率作為判斷依據，在對信號分幀后計算每幀的短時過門限率，其計算公式為：

其中T_s代表信號門限，計算完成后將連續多幀信號在不中斷超過寬容限度幀內短時過門限率和均超過T_s的信號段認為是動作信號。

進一步的，一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，所述X方法為根據多普勒雷達正交調制原理計算兩正交信號I、Q的相位差且由于即可以通過相位差的一階導數計算出實時的動作運動方向；進而使用動態時間規整算法(DTW)+鄰近算法(kNN)方式進行手勢分類。

進一步的，一種基于多普勒雷達時頻域特征的細粒度人體手臂運動識別方法，所述動態時間規整算法(DTW)在原始算法的基礎上進行了約束路徑與拒絕錯誤信號的改進。