針對基于超聲波的手勢識別系統(tǒng)在真實場景下的自動化和雜波干擾問題,提出一套包括手勢檢測、雜波濾除的手勢識別算法。手勢檢測算法基于動態(tài)能量閾值,能夠檢測手勢的產(chǎn)生,自動觸發(fā)手勢識別流程。雜波濾除算法使用目標分割,濾除RDM (range Doppler map)圖中的雜波,只提取其中有效目標的特征,用于手勢的分類。實驗結(jié)果表明,該系統(tǒng)能夠在手勢檢測和手勢識別兩個流程間自動切換,對7種不同手勢的識別率為97.9%,在存在干擾的真實應(yīng)用環(huán)境中,雜波濾除算法能夠提高識別率。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1手勢識別處理流程

處理流程如圖1所示，當沒有手勢進入檢測區(qū)域時，系統(tǒng)一直處于手勢檢測階段，手勢檢測算法只基于能量值的變化，不需要經(jīng)過復(fù)雜的信號處理，具有低功耗、實時性高的優(yōu)點。只有當檢測到手勢出現(xiàn)時才切換到手勢識別模式，完成一次手勢識別流程后，系統(tǒng)又自動重新回到手勢檢測階段。手勢檢測和手勢識別兩種....

圖2信號處理方案

一幀的信號包含64個脈沖重復(fù)周期Tr的數(shù)據(jù)，將64個Tr信號的值排列成64行，如圖3所示，每行表示一個脈沖重復(fù)周期內(nèi)信號的值，然后針對每一列，即不同脈沖周期同一位置的值做FFT，就可以得到這一幀手勢數(shù)據(jù)的RDM圖，它反映了回波能量在不同距離和多普勒頻率（徑向速度）上的分布，RDM....

圖3RDM圖生成過程

圖2信號處理方案3.2雜波濾除

圖4目標檢測算法流程

對于運動物體的雜波，則使用目標分割（segmentation）的方式來濾除———通過算法找到感興趣的前景目標，只保留有效目標的信息。在近距離的手勢識別應(yīng)用中，手勢一般在距離裝置5cm到25cm內(nèi)完成，在這段距離內(nèi)，假設(shè)沒有大反射面的其它運動目標，這在實際應(yīng)用場景中是合理的。那么，....

本文編號：3908142