CN112612365A - 手势识别方法、装置、电子设备和存储介质 - Google Patents

手势识别方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112612365A
CN112612365A CN202011562528.XA CN202011562528A CN112612365A CN 112612365 A CN112612365 A CN 112612365A CN 202011562528 A CN202011562528 A CN 202011562528A CN 112612365 A CN112612365 A CN 112612365A
Authority
CN
China
Prior art keywords
gesture
data
target virtual
area
gesture data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202011562528.XA
Other languages
English (en)
Other versions
CN112612365B (zh
Inventor
阳召成
郑鑫博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN202011562528.XA priority Critical patent/CN112612365B/zh
Publication of CN112612365A publication Critical patent/CN112612365A/zh
Application granted granted Critical
Publication of CN112612365B publication Critical patent/CN112612365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • User Interface Of Digital Computer (AREA)
  • Image Analysis (AREA)

Abstract

本发明实施例公开了一种手势识别方法、装置、电子设备和存储介质。其中，所述方法包括：监测设备对应的目标虚拟手势区域内的手势数据，其中，所述目标虚拟手势区域基于所述设备的部件参数确定；若在目标虚拟手势区域检测到手势数据，则基于检测到所述手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定所述手势数据的起始位置和终止位置；基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于所述特征信息，对手势数据进行识别，确定手势数据的手势类别。以实现精确的、快速的识别出手势的类别的效果。

Description

手势识别方法、装置、电子设备和存储介质
技术领域
本发明实施例涉及手势识别技术，尤其涉及一种手势识别方法、装置、电子设备和存储介质。
背景技术
随着信息技术的飞速发展，各类智能设备逐渐走入人们的生活。手势动作作为用户的日常动作之一，其动作简短、含义丰富和种类繁多，并且能够在特定的场合传递人类想要表达的信息。因此，手势识别技术成为了新型人机交互方式的热点。
在现有的可用于实现手势识别技术的传感器中，雷达传感器因其不受光照变化影响以及不会泄露个人隐私等优势逐渐成为市场的焦点。该技术通过发射电磁波--接收回波的方式，在雷达传感器中解调回波从而获得手势运动过程中的距离、多普勒(Doppler)频移(速度)以及角度等信息，并根据这些信息的差异来区分不同手势。
上述方法在识别手势时，没有考虑如何检测手势的起始和终止位置。
发明内容
本发明实施例提供一种手势识别方法、装置、电子设备和存储介质，以实现精确的、快速的识别出手势的类别的效果。
第一方面，本发明实施例提供了一种手势识别方法，该方法包括：
监测设备对应的目标虚拟手势区域内的手势数据，其中，所述目标虚拟手势区域基于所述设备的部件参数确定；
若在目标虚拟手势区域检测到手势数据数据，则基于检测到所述手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定所述手势数据的起始位置和终止位置；
基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于所述特征信息，对手势数据进行识别，确定手势数据的手势类别。
第二方面，本发明实施例还提供了一种手势识别装置，该装置包括：
手势数据监测模块，用于监测设备对应的目标虚拟手势区域内的手势数据，其中，所述目标虚拟手势区域基于所述设备的部件参数确定；
手势位置信息确定模块，用于若在目标虚拟手势区域检测到手势数据，则基于检测到所述手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定所述手势数据的起始位置和终止位置；
手势识别模块，用于基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于所述特征信息，对手势数据进行识别，确定手势数据的手势类别。
第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明实施例中任一所述的手势识别方法。
第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明实施例中任一所述的手势识别方法。
本发明实施例的技术方案，通过预先基于设备的部件参数确定目标虚拟手势区域，监测目标虚拟手势区域内的手势数据，若在目标虚拟手势区域检测到手势数据，则基于检测到手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定手势数据的起始位置和终止位置，这样可确定在目标虚拟手势区域内是否具有手势数据，并根据手势数据的起始帧数据和结束帧数据，确定手势的起始位置和终止位置。基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于特征信息，对手势数据进行识别，确定手势数据的手势类别，这样可快速、精确的识别出手势数据的手势类别。
附图说明
图1是本发明实施例一中的手势识别方法的流程图；
图2是本发明实施例一中的实现手势识别方法的系统架构示意图；
图3是本发明实施例一中的设计的目标虚拟手势区域示意图；
图4是本发明实施例一中的设置的空域滤波器的示意图；
图5是本发明实施例二中的手势识别方法的流程图；
图6是本发明实施例二中的目标虚拟手势区域内的回波信号的统计结果与分布拟合结果示意图；
图7是本发明实施例二中的手势识别方法的流程示意图；
图8是本发明实施例二中的手势检测的准确率与虚警率的结果示意图；
图9是本发明实施例三中的手势识别装置的结构示意图；
图10是本发明实施例四中的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的手势识别方法的流程图，本实施例可适用于对手势的类别进行识别情况，该方法可以由手势识别装置来执行，该手势识别装置可以由软件和/或硬件来实现，该手势识别装置可以配置在电子计算设备上，具体包括如下步骤：
S110、监测设备对应的目标虚拟手势区域内的手势数据，其中，目标虚拟手势区域基于设备的部件参数确定。
示例性的，这里的设备可以是用于采集手势数据的设备。具体的可以是雷达设备，即当用户的手在距离雷达一定的距离运动时，雷达发射的电磁波会被手反射回来，形成回波，这里的回波即为手势数据。
在本发明实施例中，设备具体的可以是多输入多输出(Multiple-Input-Multiple-Output，MIMO)雷达。
在本发明实施例中，参考图2所述的实现手势识别方法的系统架构示意图，在MIMO雷达中可以是有毫米波射频模块，该毫米波射频模块主要负责向空间发射电磁波、接收空间中由目标(手)反射回来的电磁波并进行混频等过程。
在接收到目标反射回来的电磁波并进行混频后，可将混频后的电磁波发送至AD采集模块中，AD采集模块主要负责将模拟信号转换为数字信号，其会将混频后的回波信号进行AD采样，从而得到回波数据(具体的可以是得到快时间维-慢时间维-天线通道维的雷达回波数据)。AD采集模块将得到的回波数据发送至数字处理模块，数字处理模块主要负责对回波数据进行预处理，并将预处理后的回波数据进行手势起止检测和手势识别，最后输出手势种类(即步骤S120-S130的过程)。
在本发明实施例中，数字处理模块对接收的回波数据进行预处理，主要是进行距离像生成和静态杂波抑制。该流程为：对收集到的每帧雷达回波数据的快时间维进行傅里叶变换(Fast Fourier Transform，FFT)以生成距离像，再利用一个一阶递归滤波器对每帧距离像进行杂波抑制，以降低静态杂波，例如墙体、桌子和椅子等的干扰。
在本发明实施例中，监测设备对应的目标虚拟手势区域内的手势数据之前，首先要建立一个目标虚拟手势区域，这里的目标虚拟手势区域可以是构建的一个虚拟的可容纳用户的双手的区域。
在本发明实施例中，考虑到空间中可能存在的一些动态杂波，如人体偶然性动作(例如人体轻微晃动或者手轻微晃动)的干扰会影响手势起始和终止的判断，而且手势的活动区域与雷达的辐射空间相比较小，因此在本发明实施例中可以设计一个类似键盘或鼠标的虚拟区域(或者也可以称之为手势桌面)，即目标虚拟手势区域。
在本发明实施例中，手势桌面具有一定的区间范围。具体的区间范围可以是：
可选的，所述目标虚拟手势区域为与所述设备的距离满足大于第一高度、小于第二高度，且在预设角度范围内的空间区域，其中，所述第二高度大于所述第一高度。
示例性的，第一高度可以是所确定的目标虚拟手势区域与设备的最小距离。
第二高度可以是所述确定的目标虚拟手势区域与设备的最大距离。
预设角度范围可以是确定的目标虚拟手势区域与设备的角度范围。
在本发明实施例中，第二高度大于所述第一高度。
在本发明实施例中，这里的目标虚拟手势区域基于设备的部件参数确定。
具体的，所述目标虚拟手势区域的第一高度基于所述设备中雷达发射机的能力泄露范围确定；所述目标虚拟手势区域的第二高度基于所述雷达接收机接收的回波信号的预设信噪比确定；所述目标虚拟手势区域的角度范围基于设备接收各角度回波信号的回波强度以及目标回波强度指标确定。
示例性的，这里的第一高度基于设备中雷达发射机的能量泄露范围所确定。这里的根据设备中雷达发射机的能量泄露范围所确定，具体的可以是保证雷达接收到的经手势反射回来的回波数据不会被雷达发射机的能量泄露所影响。
第二高度基于雷达接收机接收的回波信号的预设信噪比确定，这里的预设信噪比可以是预先设置的雷达接收机接收的回波信号的信噪比阈值。
具体的可以是根据雷达接收机接收的回波信号的信噪比，将该信噪比与预设信噪比进行比对，该信噪比不得超过预设信噪比，根据预设信噪比可确定第二高度。
在本发明实施例中，不同的设备的部件参数其信噪比不同，因此，可根据设备的部件参数设置预设信噪比，进而确定第二高度。
在本发明实施例中，这里的预设信噪比不可过大，这是因为雷达和手之间的距离，与雷达回波的信噪比成反比，即雷达和手的距离越大，回波信噪比就越低，这样不利于后续的手势检测，因此目标虚拟手势区域和雷达的最大距离也不能过高。
在本发明实施例中，所设计的目标虚拟手势区域如图3所示，这里Z1＝10cm,Z2＝50cm。其中，Z1为第一高度，Z2与Z1的和为第二高度。
在本发明实施例中，目标虚拟手势区域的设计除了考虑第一高度和第二高度外，还要考虑该目标虚拟手势区域应能容纳双手，并且保证手势能在该区域内完成。故还要考虑目标虚拟手势区域的角度范围。
这里的，目标虚拟手势区域的角度范围是基于设备接收各角度回波信号的回波强度以及目标回波强度指标确定。
需要说明的是，这里的设备接收的回波信号的回波强度是由设备的部件参数所确定的。
示例性的，目标回波强度指标可以是基于设备的部件参数所预先设置的设备所要接收的目标回波强度，即用户想要设备接收哪个回波强度范围的回波强度。
具体的可以是，根据接收的各角度的回波信号的回波强度，将回波强度满足目标回波强度指标的回波信号所在的角度范围确定为目标虚拟手势区域的角度范围。
具体的例如，接收的各角度的回波信号的回波强度的范围在0-1之间，其对应的可接收的角度范围为-90°-90°，由于设备在接收各角度的回波信号时，发现在-30°-30°以外的各角度的回波信号的回波强度相比于-30°-30°的较低，不利于后续对回波信号的处理，即这里的目标回波强度指标可为-30或30°所对应的回波强度。
因此，在本发明实施例中，可将目标虚拟手势区域的角度范围设置为-30°-30°，即图3中θd为30°。
具体的可以是，目标虚拟手势区域的角度范围，即θd可以基于设备的部件参数确定的，具体的是根据设备接收的回波信号的回波强度所确定的，参考图4所述的设置的空域滤波器的示意图，可先设置一个空域滤波器，将预处理后的回波数据发送至空域滤波器中，利用空域滤波器将θd范围外的回波信号抑制住，具体的可以是将θd范围外的回波信号乘以一个极小的系数，这样就可将θd范围外的回波信号抑制住，就可只接收θd范围内的回波信号。
具体的空域滤波器的设置如下：
Figure BDA0002860823630000081
Figure BDA0002860823630000082
这里[ω]k是空域滤波器的第k个权重，k∈[1，NTNR]，θ表示角度，NT是发射天线个数，NR是接收天线个数。因此，所设计的空域滤波器如图4所示。然后将每一帧杂波抑制后的各天线接收通道内的相同距离单元的雷达数据记为[Ym(1，p)，Ym(2，p)，…，Ym(NTNR，p)]，这里Y表示杂波抑制后的距离像，m是帧数，p是距离单元，并输入到该空域滤波器，如下式所示：
D(m，p)＝ωH[Ym(1，p)，Ym(2，p)，…，Ym(NTNR，p)]
该空域滤波器即可得到图4所述的图像，在图4中曲线A为所设计的空域滤波器所得到的角度-幅度曲线图，曲线B是理想空域滤波器所得到的角度-幅度曲线图。由于用户想要获取的目标回波强度指标为-30°-30°，则可将所设计的空域滤波器在θd范围外的回波信号抑制住，具体的可以是将θd范围外的回波信号乘以一个极小的系数，即可得到图4中理想的空域滤波器所得到的角度-幅度曲线图(即曲线B)。
在本发明实施例中，可将该空域滤波器设置于设备(具体的可以是MIMO雷达)中，角度范围设置为回波强度满足目标回波强度指标所对应的角度范围(例如可以是-30°-30°)，这样设备在接收到回波信号后，可将预处理后的回波信号利用设置的空域滤波器，将回波信号控制在-30°-30°范围内的回波信号，即后续只识别-30°-30°范围内的回波信号(手势数据)，即只在该目标虚拟手势区域内检测手势数据。
在本发明实施例中，将预处理后的回波信号，输入到空域滤波器中，将回波信号控制在设置的角度范围内，即可确定了目标虚拟手势区域的范围，以便后续可在该目标虚拟手势区域内检测回波信号(手势数据)。
在本发明实施例中，当手将雷达发射的电磁波返回时，该返回的电磁波为回波信号，该回波信号即为手势数据。
本发明实施例中设置目标虚拟手势区域的好处在于，降低了手势检测的难度和成本，提供了一种类似虚拟键盘或鼠标的虚拟交互方式。
在构建完目标虚拟手势区域后，可监测设置对应的目标虚拟手势区域内的手势数据。具体的可以是识别目标虚拟手势区域内的手势数据。
S120、若在目标虚拟手势区域检测到手势数据，则基于检测到手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定手势数据的起始位置和终止位置。
示例性的，初始帧数据可以是在目标虚拟手势区域内最开始检测到手势数据的数据帧。
对应的，手势数据的初始帧数据中的手势位置可以是在目标虚拟手势区域内最开始检测到手势数据的位置。
结束帧数据可以是在目标虚拟手势区域内最后出现手势数据的数据帧。
对应的，手势数据的结束帧数据中的手势位置可以是在目标虚拟手势区域内最后出现手势数据的位置。
当在目标虚拟手势区域内检测到手势数据时，则证明在目标虚拟手势区域内具有潜在的手势数据。将检测到手势数据的初始帧数据中的手势位置，确定为手势的起始位置。将检测到手势数据的结束帧数据中的手势位置，确定为手势的终止位置。
具体的可以是，当在目标虚拟手势区域内检测到手势数据时，将检测到目标虚拟手势区域内存在手势时即为手势的起始位置，当手势数据离开桌面时即为手势的终止位置。
这样设置的好处在于，可以在目标虚拟手势区域内检测到潜在手势的存在。即可确定是否具有手势数据，并根据手势数据的起始帧数据和结束帧数据，确定手势的起始位置和终止位置。
S130、基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于特征信息，对手势数据进行识别，确定手势数据的手势类别。
示例性的，特征信息可以是提取的手势数据的特征信息，具体的例如可以但不限于是：时间-距离图、时间-多普勒图和时间-角度图。
手势类别可以是手势数据的具体手势，例如可以是抬手、挥动、竖起大拇指等。
当确定了手势数据的起始位置和终止位置后，可提取手势数据的特征信息，根据提取的特征信息，可对手势数据进行识别，得到手势数据的手势类别。
可选的，基于特征信息，对手势数据进行识别，确定手势数据的手势类别，具体的可以是：将特征信息发送至手势识别网络模型中，基于手势识别网络模型对手势数据进行识别，确定手势数据的手势类别。
示例性的，在识别手势数据的手势类别时，可以是将提取的手势数据的特征信息发送至手势识别网络模型中，基于手势识别网络模型对手势数据进行识别，确定手势数据的手势类别。
在本发明实施例中，这里的手势识别网络模型可以是分类器，具体的例如可以是支持向量机、卷积神经网络或循环神经网络等。
在本发明实施例中，手势识别网络模型可以是基于深度学习而训练得到的，这样设置的好处在于，可快速、精确的识别出手势数据的手势类别。
本发明实施例的技术方案，通过预先基于设备的部件参数确定目标虚拟手势区域，监测目标虚拟手势区域内的手势数据，若在目标虚拟手势区域检测到手势数据，则基于检测到手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定手势数据的起始位置和终止位置，这样可确定在目标虚拟手势区域内是否具有手势数据，并根据手势数据的起始帧数据和结束帧数据，确定手势的起始位置和终止位置。基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于特征信息，对手势数据进行识别，确定手势数据的手势类别，这样可快速、精确的识别出手势数据的手势类别。
实施例二
图5为本发明实施例二提供的手势识别方法的流程图，本发明实施例与上述实施例中各个可选方案可以结合。在本发明实施例中，可选的，所述监测设备对应的目标虚拟手势区域内的手势数据，包括：基于对数-高斯检测方式监测目标虚拟手势区域内的手势。在提取手势数据的特征信息之前，所述方法还包括：确定在目标虚拟手势区域内检测到的手势数据帧数；若在目标虚拟手势区域内的手势数据帧数大于预设帧数阈值，则确定目标虚拟手势区域内存在目标手势数据。
如图5所示，本发明实施例的方法具体包括如下步骤：
S210、基于对数-高斯检测方式监测目标虚拟手势区域内的手势数据，其中，目标虚拟手势区域基于设备的部件参数确定。
示例性的，监测目标虚拟手势区域内的手势数据可以选取一个合适的检测器。具体的可以是根据目标虚拟手势区域内各距离单元的回波信号所对应的最大输出值来确定的。
具体的可以是提取空域滤波器输出的距离单元位于手势桌面内的最大输出值max(D(m,p1:p2))进行统计，这里的P1表示位于目标虚拟手势区域内的最小距离单元，P2表示位于目标虚拟手势区域内的最大距离单元。该统计结果与分布拟合结果如图6所示。从图6可以看出，该最大输出值基本服从对数-高斯分布。因此可以设计一个对数-高斯检测器来检测手势的存在。
在图6中，柱形区域A为测量样本，曲线B为拟合曲线。
在本发明实施例中，这里的最小距离单元＝目标虚拟手势区域的最小高度(即第一高度)/雷达的分辨率；最大距离单元＝目标虚拟手势区域的最大高度(即第二高度)/雷达的分辨率。
在本发明实施例中，雷达的分辨率可根据雷达自身的参数所确定，本领域技术人员所公知的，不同的雷达具有不同的分辨率，具体的这里的分辨率可根据雷达来确定，这里不做限定。
在本发明实施例中，参考图7所述的手势识别方法的流程示意图，对预处理后的手势数据输入到空域滤波器中，确定出要检测的目标虚拟手势区域的范围，然后将目标虚拟手势区域范围内的手势数据利用上述设计的检测器进行检测。
需要说明的是，在本发明实施例中，利用上述设计的检测器对目标虚拟手势区域范围内的手势数据进行检测，称为一次检测。
可选的，所述基于对数-高斯检测方式监测目标虚拟手势区域内的手势数据，包括：基于所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值，确定参考均值和参考标准差；获取所述目标虚拟手势区域内的各距离单元的各帧回波信号所对应的第二最大输出值；基于所述第二最大输出值，所述参考均值和所述参考标准差，确定各帧回波信号的目标值；若所述目标值大于预设阈值，则确定在所述目标虚拟手势区域内检测到手势数据。
示例性的，第一输出值可以是空域滤波器输出的目标虚拟手势区域外的各距离单元的回波信号的输出值。
参考均值可以是对第一输出值进行预设计算后，对计算结果进行取均值所得到的值。
参考标准差可以是对第一输出值进行预设计算后，对计算结果进行取方差所得到的值。
第二最大输出值可以是空域滤波器输出的目标虚拟手势区域内的各距离单元的回波信号的最大输出值。
目标值可以是根据第二最大输出值、参考均值和参考标准差，所确定的各帧回波信号的值。
预设阈值可以是预先设置的目标值的阈值。
在利用上述设计的检测器来检测目标虚拟手势区域内的手势数据时，首先提取空域滤波器输出的目标虚拟手势区域外的多个距离单元的输出值，然后基于目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值，确定参考均值和参考标准差。
获取目标虚拟手势区域内的各距离单元的各帧回波信号所对应的第二最大输出值，将第二最大输出值取对数后，先减去参考均值，再除以参考标准差，即可得到目标值，当目标值大于预设阈值时，则确定在目标虚拟手势区域内检测到手势数据，反之则目标虚拟手势区域内无潜在手势数据存在。将每一帧的空域滤波器最大输出值都进行一次检测，可得到每一帧的一次检测结果。
需要说明的是，这里的预设阈值可根据用户需求自行设置，这里不做限定。
这样设置的好处在于，可以检测手势数据在目标虚拟手势区域内是否存在。
可选的，所述基于所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值，确定参考均值和参考标准差，包括：提取所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值；将所述第一输出值取对数，得到第一对数输出值，将所述第一对数输出值中去掉其中的最大值和最小值作为参考单元；分别将参考单元取平均和取方差，得到所述参考单元的参考均值和参考标准差。
示例性的，第一对数输出值可以是对提取的目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值取对数后所得到的值。
将提取的目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值取对数，得到第一对数输出值，然后将第一对数输出值中的最大值和最小值去掉后，将剩下的第一对数输出值作为参考单元。对参考单元取平均值，即可得到参考单元的参考均值。对参考单元取方差，即可得到参考单元的参考标准差。
需要说明的是，这里参考单元的数量可根据用户需求自行选取，这里不做限定。
S220、若在目标虚拟手势区域检测到手势数据，则基于检测到手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定手势数据的起始位置和终止位置。
S230、确定在目标虚拟手势区域内检测到的手势数据帧数；若在目标虚拟手势区域内的手势数据帧数大于预设帧数阈值，则确定目标虚拟手势区域内存在目标手势数据。
示例性的，手势数据帧数可以是目标虚拟手势区域内存在的手势数据的总帧数。即在目标虚拟手势区域内手势数据一共有多少帧。
预设帧数阈值可以是预先设置的手势数据帧数阈值。
目标手势数据可以是排除用户手的晃动等偶然性问题后的手势数据。
需要说明的是，在本发明实施例中，步骤S230为二次检测。
考虑到手势是一种连续的动作，而偶然性干扰是突发、不连续的，因此在每一帧的一次检测结果的基础上提出了二次检测方法。
具体的可以是计算在目标虚拟手势区域内检测到的手势数据的总帧数(即手势数据帧数)，若在目标虚拟手势区域内的手势数据帧数大于预设帧数阈值，具体的可以是若在目标虚拟手势区域内的手势数据帧数大于一定的帧数时，则确定目标虚拟手势区域内存在目标手势数据。
具体的例如可以是：首先设定一个固定长度为N帧的窗，然后对前述的多帧一次检测结果进行滑窗。当该窗内存在超过M帧(即预设帧数阈值)显示目标虚拟手势区域内有潜在手势目标(手势数据)存在的一次检测结果，则认为目标虚拟手势区域内有手势数据开始或手势桌面内仍然存在手势(如图6中的(a)图)，反之则认为目标虚拟手势区域内有手势终止或手势桌面内无手势存在(如图6中的(b)图)。
目标虚拟手势区域内有手势数据开始可以理解为：当窗内的手势数据正好处于手势数据开始的地方，这样从手势数据开始的地方往后的超过M帧均在窗内，则在窗内存在超过M帧(即预设帧数阈值)显示目标虚拟手势区域内有潜在手势目标(手势数据)存在的一次检测结果。
目标虚拟手势区域内有手势终止可以理解为：当窗内的手势数据正好处于手势数据结束的地方，这样从手势数据结束的地方往前不超过M帧在窗内，则在窗内存在不超过M帧显示目标虚拟手势区域内有潜在手势目标(手势数据)存在的一次检测结果。
这样设置的好处在于，避免手势动作的偶然性干扰，解决了现有技术中无法排除手的动作的晃动等的偶然性的问题，提高了手势动作的检测准确率。
在本发明实施例中，为例验证二次检测的必要性，可进行试验来对二次检测进行验证，具体的验证方式如下：
首先，收集5个测试人员(5男)的手势数据，总共收集到4500组手势数据，其中手势时长约15万帧，非手势时长约20万帧。利用上述的手势数据的起止检测方法，以及设定不同的一次检测门限值(即一次检测所得到的目标值的预设阈值)对这些手势数据进行检测，所得到的手势检测的准确率与虚警率的结果如图8所示。其中，图8中的(a)图为一次检测结果的准确率与虚警率情况，图8中的(b)图为二次检测结果的准确率与虚警率情况。
从图8可知，当一次检测所设置的门限值越低，检测器的虚警率就越高，检测率也越高。当检测率为90％时，检测器的性能如表1所示：
表1当检测率为90％时的检测器性能
方法 检测率 虚警率
一次检测 90％ 0.1％
一次检测+二次检测 90％ 0.03％
由表1可以看出，在加入了二次检测方法以后，检测率相同的情况下虚警率下降为原来的三分之一。
由此可知，设置二次检测是非常有必要的，这样提高了手势动作的检测准确率。
S240、基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于特征信息，对手势数据进行识别，确定手势数据的手势类别。
示例性的，在确定了目标手势数据后，对应的，所述基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于特征信息，对手势数据进行识别，确定手势数据的手势类别，可以是：基于目标手势数据的起始位置和终止位置，提取目标手势数据的特征信息，基于特征信息，对目标手势数据进行识别，确定目标手势数据的手势类别。
需要说明的是，本发明实施例的技术方案，可适用于各类移动设备的手势检测中。即可将本发明实施例的技术方案集成在各类移动设备中，以实现随时对手势进行检测的目的。
本发明实施例的技术方案，通过根据确定的在目标虚拟手势区域内检测到的手势数据帧数与预设帧数阈值的大小，确定目标虚拟手势区域内是否存在目标手势数据，这样避免手势动作的偶然性干扰，解决了现有技术中无法排除手的动作的晃动等的偶然性的问题，提高了手势动作的检测准确率。
实施例三
图9为本发明实施例三提供的手势识别装置的结构示意图，如图9所示，该装置包括：手势数据监测模块31、手势位置信息确定模块32和手势识别模块33。
其中，手势数据监测模块31，用于监测设备对应的目标虚拟手势区域内的手势数据，其中，所述目标虚拟手势区域基于所述设备的部件参数确定；
手势位置信息确定模块32，用于若在目标虚拟手势区域检测到手势数据，则基于检测到所述手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定所述手势数据的起始位置和终止位置；
手势识别模块33，用于基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于所述特征信息，对手势数据进行识别，确定手势数据的手势类别。
可选的，所述目标虚拟手势区域为与所述设备的距离满足大于第一高度、小于第二高度，且在预设角度范围内的空间区域，其中，所述第二高度大于所述第一高度。
可选的，所述目标虚拟手势区域的第一高度基于所述设备中雷达发射机的能量泄露范围确定；所述目标虚拟手势区域的第二高度基于所述雷达接收机接收的回波信号的预设信噪比确定；所述目标虚拟手势区域的角度范围基于设备接收各角度回波信号的回波强度以及目标回波强度指标确定。
在本发明实施例的技术方案的基础上，手势数据监测模块31具体用于：
基于对数-高斯检测方式监测所述目标虚拟手势区域内的手势数据。
在本发明实施例的技术方案的基础上，手势数据监测模块31包括：
参考信息确定单元，用于基于所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值，确定参考均值和参考标准差；
第二最大输出值获取单元，用于获取所述目标虚拟手势区域内的各距离单元的各帧回波信号所对应的第二最大输出值；
目标值确定单元，用于基于所述第二最大输出值，所述参考均值和所述参考标准差，确定各帧回波信号的目标值；
手势数据监测单元，用于若所述目标值大于预设阈值，则确定在所述目标虚拟手势区域内检测到手势数据。
在本发明实施例的技术方案的基础上，参考信息确定单元包括：
第一输出值提取子单元，用于提取所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值；
参考单元确定子单元，用于将所述第一输出值取对数，得到第一对数输出值，将所述第一对数输出值中去掉其中的最大值和最小值作为参考单元；
参考信息确定子单元，用于分别将参考单元取平均和取方差，得到所述参考单元的参考均值和参考标准差。
在本发明实施例的技术方案的基础上，该装置还包括：
手势数据帧数确定模块，用于确定在所述目标虚拟手势区域内检测到的手势数据帧数；
目标手势数据确定模块，用于若在所述目标虚拟手势区域内的手势数据帧数大于预设帧数阈值，则确定所述目标虚拟手势区域内存在目标手势数据。
在本发明实施例的技术方案的基础上，手势识别模块33具体用于：
基于手势数据的起始位置和终止位置，提取手势数据的特征信息，将所述特征信息发送至手势识别网络模型中，基于所述手势识别网络模型对所述手势数据进行识别，确定手势数据的手势类别；其中，所述特征信息至少包括：时间-距离图、时间-多普勒图和时间-角度图。
本发明实施例所提供的手势识别装置可执行本发明任意实施例所提供的手势识别方法，具备执行方法相应的功能模块和有益效果。
实施例四
图10为本发明实施例四提供的一种电子设备的结构示意图，如图10所示，该电子设备包括处理器70、存储器71、输入装置72和输出装置73；电子设备中处理器70的数量可以是一个或多个，图10中以一个处理器70为例；电子设备中的处理器70、存储器71、输入装置72和输出装置73可以通过总线或其他方式连接，图10中以通过总线连接为例。
存储器71作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的手势识别方法对应的程序指令/模块(例如，手势数据监测模块31、手势位置信息确定模块32和手势识别模块33)。处理器70通过运行存储在存储器71中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的手势识别方法。
存储器71可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储器71可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储器71可进一步包括相对于处理器70远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置72可用于接收输入的数字或字符信息，以及产生与电子设备的用户设置以及功能控制有关的键信号输入。输出装置73可包括显示屏等显示设备。
实施例五
本发明实施例五还提供一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行一种手势识别方法。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的手势识别方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机电子设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述手势识别装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种手势识别方法，其特征在于，包括：
监测设备对应的目标虚拟手势区域内的手势数据，其中，所述目标虚拟手势区域基于所述设备的部件参数确定；
若在目标虚拟手势区域检测到手势数据，则基于检测到所述手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定所述手势数据的起始位置和终止位置；
基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于所述特征信息，对手势数据进行识别，确定手势数据的手势类别。
2.根据权利要求1所述的方法，其特征在于，所述目标虚拟手势区域为与所述设备的距离满足大于第一高度、小于第二高度，且在预设角度范围内的空间区域，其中，所述第二高度大于所述第一高度；
其中，所述目标虚拟手势区域的第一高度基于所述设备中雷达发射机的能量泄露范围确定；
所述目标虚拟手势区域的第二高度基于所述雷达接收机接收的回波信号的预设信噪比确定；
所述目标虚拟手势区域的角度范围基于设备接收各角度回波信号的回波强度以及目标回波强度指标确定。
3.根据权利要求1所述的方法，其特征在于，所述监测设备对应的目标虚拟手势区域内的手势数据，包括：
基于对数-高斯检测方式监测所述目标虚拟手势区域内的手势数据。
4.根据权利要求3所述的方法，其特征在于，所述基于对数-高斯检测方式监测所述目标虚拟手势区域内的手势数据，包括：
基于所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值，确定参考均值和参考标准差；
获取所述目标虚拟手势区域内的各距离单元的各帧回波信号所对应的第二最大输出值；
基于所述第二最大输出值，所述参考均值和所述参考标准差，确定各帧回波信号的目标值；
若所述目标值大于预设阈值，则确定在所述目标虚拟手势区域内检测到手势数据。
5.根据权利要求4所述的方法，其特征在于，所述基于所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值，确定参考均值和参考标准差，包括：
提取所述目标虚拟手势区域外的各距离单元的回波信号所对应的第一输出值；
将所述第一输出值取对数，得到第一对数输出值，将所述第一对数输出值中去掉其中的最大值和最小值作为参考单元；
分别将参考单元取平均和取方差，得到所述参考单元的参考均值和参考标准差。
6.根据权利要求1所述的方法，其特征在于，在提取手势的特征信息之前，所述方法还包括：
确定在所述目标虚拟手势区域内检测到的手势数据帧数；
若在所述目标虚拟手势区域内的手势数据帧数大于预设帧数阈值，则确定所述目标虚拟手势区域内存在目标手势数据。
7.根据权利要求1所述的方法，其特征在于，所述基于所述特征信息，对手势数据进行识别，确定手势数据的手势类别，包括：
将所述特征信息发送至手势识别网络模型中，基于所述手势识别网络模型对所述手势数据进行识别，确定手势数据的手势类别；
其中，所述特征信息至少包括：时间-距离图、时间-多普勒图和时间-角度图。
8.一种手势识别装置，其特征在于，包括：
手势数据监测模块，用于监测设备对应的目标虚拟手势区域内的手势数据，其中，所述目标虚拟手势区域基于所述设备的部件参数确定；
手势位置信息确定模块，用于若在目标虚拟手势区域检测到手势数据，则基于检测到所述手势数据的初始帧数据以及结束帧数据中的手势数据的位置，确定所述手势数据的起始位置和终止位置；
手势识别模块，用于基于手势数据的起始位置和终止位置，提取手势数据的特征信息，基于所述特征信息，对手势数据进行识别，确定手势数据的手势类别。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的手势识别方法。
10.一种包含计算机可执行指令的存储介质，其特征在于，所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7中任一所述的手势识别方法。
CN202011562528.XA 2020-12-25 2020-12-25 手势识别方法、装置、电子设备和存储介质 Active CN112612365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011562528.XA CN112612365B (zh) 2020-12-25 2020-12-25 手势识别方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011562528.XA CN112612365B (zh) 2020-12-25 2020-12-25 手势识别方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112612365A true CN112612365A (zh) 2021-04-06
CN112612365B CN112612365B (zh) 2023-02-17

Family

ID=75245070

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011562528.XA Active CN112612365B (zh) 2020-12-25 2020-12-25 手势识别方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112612365B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113406610A (zh) * 2021-06-16 2021-09-17 深圳大学 一种目标检测方法、装置、设备和存储介质
TWI810564B (zh) * 2021-05-14 2023-08-01 開酷科技股份有限公司 通用手勢檢測方法和通用手勢檢測設備
US11804077B2 (en) 2021-04-01 2023-10-31 KaiKuTek Inc. Generic gesture detecting method and generic gesture detecting device

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160041617A1 (en) * 2014-08-07 2016-02-11 Google Inc. Radar-Based Gesture Recognition
CN107430443A (zh) * 2015-04-30 2017-12-01 谷歌公司 基于宽场雷达的手势识别
CN109032354A (zh) * 2018-07-24 2018-12-18 Oppo（重庆）智能科技有限公司 电子装置及其手势识别方法、计算机可读存储介质
CN110031827A (zh) * 2019-04-15 2019-07-19 吉林大学 一种基于超声波测距原理的手势识别方法
CN110309690A (zh) * 2018-03-27 2019-10-08 南京理工大学 基于时频谱和距离多普勒谱的手势识别检测方法
CN110765974A (zh) * 2019-10-31 2020-02-07 复旦大学 基于毫米波雷达和卷积神经网络的微动手势识别方法
US10775483B1 (en) * 2019-10-11 2020-09-15 H Lab Co., Ltd. Apparatus for detecting and recognizing signals and method thereof

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160041617A1 (en) * 2014-08-07 2016-02-11 Google Inc. Radar-Based Gesture Recognition
CN107430443A (zh) * 2015-04-30 2017-12-01 谷歌公司 基于宽场雷达的手势识别
CN110309690A (zh) * 2018-03-27 2019-10-08 南京理工大学 基于时频谱和距离多普勒谱的手势识别检测方法
CN109032354A (zh) * 2018-07-24 2018-12-18 Oppo（重庆）智能科技有限公司 电子装置及其手势识别方法、计算机可读存储介质
CN110031827A (zh) * 2019-04-15 2019-07-19 吉林大学 一种基于超声波测距原理的手势识别方法
US10775483B1 (en) * 2019-10-11 2020-09-15 H Lab Co., Ltd. Apparatus for detecting and recognizing signals and method thereof
CN110765974A (zh) * 2019-10-31 2020-02-07 复旦大学 基于毫米波雷达和卷积神经网络的微动手势识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KAIXUAN HE.ET AL: "Hand gesture recognition based on", 《SPIE》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11804077B2 (en) 2021-04-01 2023-10-31 KaiKuTek Inc. Generic gesture detecting method and generic gesture detecting device
TWI810564B (zh) * 2021-05-14 2023-08-01 開酷科技股份有限公司 通用手勢檢測方法和通用手勢檢測設備
CN113406610A (zh) * 2021-06-16 2021-09-17 深圳大学 一种目标检测方法、装置、设备和存储介质
CN113406610B (zh) * 2021-06-16 2023-06-23 深圳大学 一种目标检测方法、装置、设备和存储介质

Also Published As

Publication number Publication date
CN112612365B (zh) 2023-02-17

Similar Documents

Publication Publication Date Title
CN112612365B (zh) 手势识别方法、装置、电子设备和存储介质
US20220252712A1 (en) Human Detection Method and Device, Electronic Apparatus and Storage Medium
CN111399642B (zh) 手势的识别方法、装置、移动终端和存储介质
CN111427031B (zh) 一种基于雷达信号的身份及手势识别方法
CN106814358A (zh) 一种用于超宽带穿墙雷达中多人体目标检测的系统及方法
CN113963441B (zh) 一种基于跨域增强的毫米波雷达手势识别方法及系统
EP4254137A1 (en) Gesture recognition method and apparatus
CN112924950B (zh) 静止人物区分方法、装置及终端设备
CN112946630B (zh) 一种基于毫米波雷达的人员计数跟踪方法
CN114637001B (zh) 雷达的目标检测方法、装置、设备及存储介质
CN112198507B (zh) 人体跌倒特征的检测方法及装置
CN113064483A (zh) 一种手势识别方法以及相关装置
CN115047419A (zh) 一种毫米波雷达恒虚警率检测方法及装置
WO2023284764A1 (zh) 车内生命体的雷达探测方法、装置及终端设备
CN117153186A (zh) 声音信号处理方法、装置、电子设备和存储介质
Man et al. PWiG: A phase-based wireless gesture recognition system
WO2022188382A1 (zh) 毫米波雷达的目标检测方法、装置和手持终端
CN115048951A (zh) 一种基于毫米波雷达的手势识别方法、装置及终端设备
CN116482680B (zh) 一种身体干扰识别方法、装置、系统和存储介质
Zheng et al. Hand gesture recognition based-on three-branch CNN with fine-tuning using MIMO radar
Zhong et al. A novel gesture recognition method by Wi-Fi communication signal based on fourth-order cumulants
US10480932B2 (en) Automated computation of a dimension of a moving platform
Li et al. The ultra-wideband communication system: A human gesture recognition approach
CN113589254B (zh) 基于雷达的移动目标检测方法、装置及雷达检测设备
CN118264897A (zh) 一种低功耗拍摄系统、图像数据采集方法及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant