[發明專利]FMCW單毫米波雷達的空中手寫字符識別方法及裝置

在審

• 申請號: 202111499452.5
• 申請日: 2021-12-09
• 公開（公告）號: CN114168058A
• 公開（公告）日: 2022-03-11
• 發明（設計）人: 李偉;高楊;姜嘉浩;劉大年
• 申請（專利權）人: 北方工業大學
• 主分類號: G06F3/04883
• 分類號: G06F3/04883;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 楊丹;郝博

1.一種FMCW單毫米波雷達的空中手寫字符識別方法，其特征在于，包括：

對FMCW單毫米波雷達的空中手勢回波信號進行ADC數據采集，得到空中手寫字符數據；

根據所述空中手寫字符數據，確定目標距離數據，目標速度數據和目標到達角度數據；

對所述目標距離數據，目標速度數據和目標到達角度數據進行三維笛卡爾坐標轉換，得到手勢軌跡點云；

根據所述手勢軌跡點云，確定空中手寫字符圖像；

將所述空中手寫字符圖像輸入預先建立的卷積神經網絡模型進行訓練，所述卷積神經網絡模型根據Xception網絡和SE模塊預先建立；

利用訓練好的卷積神經網絡模型，進行空中手寫字符識別。

2.如權利要求1所述的FMCW單毫米波雷達的空中手寫字符識別方法，其特征在于，根據所述空中手寫字符數據，確定目標距離數據，目標速度數據和目標到達角度數據，包括：

對所述空中手寫字符數據進行距離快速傅里葉變換，得到目標距離數據；

對所述空中手寫字符數據進行多普勒快速傅里葉變換，得到目標速度數據；

利用CFAR算法檢測所述空中手寫字符數據的手勢移動目標信息，根據所述手勢移動目標信息確定目標到達角度數據。

3.如權利要求1所述的FMCW單毫米波雷達的空中手寫字符識別方法，其特征在于，還包括：

利用中值濾波器和距離閾值算法，去除所述手勢軌跡點云中的離群值；

對去除離群值后的手勢軌跡點云，利用重采樣進行軌跡填充；

對進行軌跡填充后的手勢軌跡點云，使用卡爾曼濾波器進行軌跡點平滑處理；

根據所述手勢軌跡點云，確定空中手寫字符圖像，包括：根據進行軌跡點平滑處理后的手勢軌跡點云，確定空中手寫字符圖像。

4.如權利要求1所述的FMCW單毫米波雷達的空中手寫字符識別方法，其特征在于，將所述空中手寫字符圖像輸入預先建立的卷積神經網絡模型進行訓練，包括：

對空中手寫字符圖像進行全局平均池化處理，得到特征向量；

將所述特征向量通過兩個全連接層，得到不同通道的權重信息；

根據所述特征向量和權重信息，進行乘法加權；

利用Adam算法進行權重信息優化；

利用梯度的一階矩估計和二階矩估計，調整學習率。

5.一種FMCW單毫米波雷達的空中手寫字符識別裝置，其特征在于，包括：

數據采集模塊，用于對FMCW單毫米波雷達的空中手勢回波信號進行ADC數據采集，得到空中手寫字符數據；

數據確定模塊，用于根據所述空中手寫字符數據，確定目標距離數據，目標速度數據和目標到達角度數據；

坐標轉換模塊，用于對所述目標距離數據，目標速度數據和目標到達角度數據進行三維笛卡爾坐標轉換，得到手勢軌跡點云；

圖像確定模塊，用于根據所述手勢軌跡點云，確定空中手寫字符圖像；

模型訓練模塊，用于將所述空中手寫字符圖像輸入預先建立的卷積神經網絡模型進行訓練，所述卷積神經網絡模型根據Xception網絡和SE模塊預先建立；

字符識別模塊，用于利用訓練好的卷積神經網絡模型，進行空中手寫字符識別。

6.如權利要求5所述的FMCW單毫米波雷達的空中手寫字符識別裝置，其特征在于，所述數據確定模塊進一步用于：

對所述空中手寫字符數據進行距離快速傅里葉變換，得到目標距離數據；

對所述空中手寫字符數據進行多普勒快速傅里葉變換，得到目標速度數據；

利用CFAR算法檢測所述空中手寫字符數據的手勢移動目標信息，根據所述手勢移動目標信息確定目標到達角度數據。

7.如權利要求5所述的FMCW單毫米波雷達的空中手寫字符識別裝置，其特征在于，所述模型訓練模塊進一步用于：

對空中手寫字符圖像進行全局平均池化處理，得到特征向量；

將所述特征向量通過兩個全連接層，得到不同通道的權重信息；

根據所述特征向量和權重信息，進行乘法加權；

利用Adam算法進行權重信息優化；

利用梯度的一階矩估計和二階矩估計，調整學習率。