-
公开(公告)号:CN113837131B
公开(公告)日:2024-04-05
申请号:CN202111150695.8
申请日:2021-09-29
Applicant: 南京邮电大学
IPC: G06V40/20 , G06V10/44 , G06V10/80 , G06V10/762 , G06V10/82 , G06N3/0464 , G06N3/049 , G06N3/08
Abstract: 一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法,采用密度聚类算法对雷达目标的点迹进行处理,有效剔除异常点和无效点,抑制了杂波和噪声,利于提取手势运动特征;采用了信号截取和密度聚类算法的处理,大大减少了数据运算,便于集成在能耗低、体积小的高速处理芯片上;对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换,提取手掌和手指特征,兼顾手掌整体动作识别的同时,还关注手指的细微动作。融合距离、角度、速度手势运动信息,一定程度上提高了手势识别的准确度和精度。
-
公开(公告)号:CN113989718A
公开(公告)日:2022-01-28
申请号:CN202111273690.4
申请日:2021-10-29
Applicant: 南京邮电大学
IPC: G06V20/40 , G06V10/40 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 面向雷达信号热图的人体目标检测方法,该方法基于残差网络ResNet,并采用雷达信号热图作为网络输入。与视频图像相比,热图可从水平、垂直双向视角展示目标信息,并有效去除了冗余背景,更加直观。为简化训练过程,该方法对热图输入进行了预处理,在整合网络输入参数、重组热图图像数据的同时,也有助于提升训练效率、减少训练时间。在训练模型中,该方法提取残差网络输出的特征,并依靠网络末端的特征矩阵重构操作,对水平、垂直热图特征进行融合,以进一步提高特征提取效果。
-
公开(公告)号:CN113837131A
公开(公告)日:2021-12-24
申请号:CN202111150695.8
申请日:2021-09-29
Applicant: 南京邮电大学
Abstract: 一种基于FMCW毫米波雷达的多尺度特征融合手势识别方法,采用密度聚类算法对雷达目标的点迹进行处理,有效剔除异常点和无效点,抑制了杂波和噪声,利于提取手势运动特征;采用了信号截取和密度聚类算法的处理,大大减少了数据运算,便于集成在能耗低、体积小的高速处理芯片上;对处理过的距离‑角度图以及距离‑多普勒图进行多尺度变换,提取手掌和手指特征,兼顾手掌整体动作识别的同时,还关注手指的细微动作。融合距离、角度、速度手势运动信息,一定程度上提高了手势识别的准确度和精度。
-
-