CN113495267A - 雷达天线阵列、移动终端、手势识别方法及装置 - Google Patents
雷达天线阵列、移动终端、手势识别方法及装置 Download PDFInfo
- Publication number
- CN113495267A CN113495267A CN202010264983.5A CN202010264983A CN113495267A CN 113495267 A CN113495267 A CN 113495267A CN 202010264983 A CN202010264983 A CN 202010264983A CN 113495267 A CN113495267 A CN 113495267A
- Authority
- CN
- China
- Prior art keywords
- objects
- relative
- gesture recognition
- clustering
- radar
- 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.)
- Pending
Links
Images
Classifications
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/03—Details of HF subsystems specially adapted therefor, e.g. common to transmitter and receiver
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/62—Sense-of-movement determination
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/42—Simultaneous measurement of distance and other co-ordinates
- G01S13/44—Monopulse radar, i.e. simultaneous lobing
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
- G01S13/538—Discriminating between fixed and moving objects or between objects moving at different speeds eliminating objects that have not moved between successive antenna scans, e.g. area MTi
-
- 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
- G01S13/66—Radar-tracking systems; Analogous systems
- G01S13/72—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar
- G01S13/723—Radar-tracking systems; Analogous systems for two-dimensional tracking, e.g. combination of angle and range tracking, track-while-scan radar by using numerical data
- G01S13/726—Multiple target tracking
-
- 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
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/415—Identification of targets based on measurements of movement associated with the target
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q1/00—Details of, or arrangements associated with, antennas
- H01Q1/12—Supports; Mounting means
- H01Q1/22—Supports; Mounting means by structural association with other equipment or articles
- H01Q1/24—Supports; Mounting means by structural association with other equipment or articles with receiving set
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q1/00—Details of, or arrangements associated with, antennas
- H01Q1/12—Supports; Mounting means
- H01Q1/22—Supports; Mounting means by structural association with other equipment or articles
- H01Q1/24—Supports; Mounting means by structural association with other equipment or articles with receiving set
- H01Q1/241—Supports; Mounting means by structural association with other equipment or articles with receiving set used in mobile communications, e.g. GSM
- H01Q1/242—Supports; Mounting means by structural association with other equipment or articles with receiving set used in mobile communications, e.g. GSM specially adapted for hand-held use
- H01Q1/243—Supports; Mounting means by structural association with other equipment or articles with receiving set used in mobile communications, e.g. GSM specially adapted for hand-held use with built-in antennas
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q21/00—Antenna arrays or systems
- H01Q21/06—Arrays of individually energised antenna units similarly polarised and spaced apart
- H01Q21/061—Two dimensional planar arrays
- H01Q21/065—Patch antenna array
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01Q—ANTENNAS, i.e. RADIO AERIALS
- H01Q21/00—Antenna arrays or systems
- H01Q21/06—Arrays of individually energised antenna units similarly polarised and spaced apart
- H01Q21/08—Arrays of individually energised antenna units similarly polarised and spaced apart the units being spaced along or adjacent to a rectilinear path
-
- 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
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Abstract
本公开是关于一种雷达天线阵列、移动终端、手势识别方法及装置;其中,所述雷达天线阵列,应用于移动终端,包括:多个发射天线,位于同一水平线上,用于发射雷达波;多个接收天线,用于接收基于所述雷达波反射形成的回波;其中,所述接收天线包括:位于水平维度的接收天线或位于俯仰维度的接收天线;所述水平维度和所述俯仰维度互相垂直;位于水平维度的接收天线与所述多个发射天线位于同一个水平线上,位于俯仰维度的接收天线与所述多个发射天线所处的水平线垂直;所述雷达波的发射参数及所述回波的接收参数,至少用于位于所述雷达波辐射范围内的手势识别。如此,可以基于所述雷达天线阵列实现对手势的更大范围和更高分辨率的探测。
Description
技术领域
本公开涉及移动控制领域,尤其涉及一种雷达天线阵列、移动终端、手势识别方法及装置。
背景技术
为了通过手机对手势进行识别,需要在手机内安装雷达传感器。目前手机上安装的雷达传感器中的天线数量和布局都较为单一,使得一次检测只能探测到一个目标对象,且角度分辨率较差。在手势识别应用场景中,单一的各方向挥手动作已经满足不了用户需求,更多地是需要多个手指的协同动作实现更为复杂的手势。而这种情况由于存在多个目标对象,导致无法实现准确地检测,手势识别率不高。
发明内容
本公开提供一种雷达天线阵列、移动终端、手势识别方法及装置。
根据本公开实施例的第一方面,提供一种雷达天线阵列,应用于移动终端,包括:
多个发射天线,位于同一水平线上,用于发射雷达波;
多个接收天线,用于接收基于所述雷达波反射形成的回波;其中,所述接收天线包括:位于水平维度的接收天线或位于俯仰维度的接收天线;所述水平维度和所述俯仰维度互相垂直;位于水平维度的接收天线与所述多个发射天线位于同一个水平线上,位于俯仰维度的接收天线与所述多个发射天线所处的水平线垂直;
所述雷达波的发射参数及所述回波的接收参数,至少用于位于所述雷达波辐射范围内的手势识别。
可选地,相邻两个所述发射天线之间的距离为所述雷达波的半个波长;
相邻两个所述位于水平维度的接收天线之间的距离为所述雷达波的一个波长;
相邻两个所述位于俯仰维度的接收天线之间的距离为所述雷达波的半个波长。
可选地,所述发射天线、所述位于水平维度的接收天线和所述位于俯仰维度的接收天线的个数均为两个;
其中,两个位于水平维度的接收天线中位于所述水平线最外侧,且距离位于俯仰维度的接收天线最近的所述位于水平维度的接收天线,与位于俯仰维度的接收天线处于同一直线上,且与距离最近的所述位于俯仰维度的接收天线之间的距离等于相邻两个位于俯仰维度的接收天线之间的距离。
根据本公开实施例的第二方面,提供一种移动终端,包括:
如上述第一方面所述的任一项雷达天线阵列;
处理模组,与所述雷达天线阵列中的发射天线和接收天线连接,用于基于所述发射天线发射所述雷达波的发射参数和所述接收天线接收所述回波的接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果;
根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数;
通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果。
可选地,所述相对运动参数包括:相对速度、相对角度和/或相对距离;
所述处理模组,还用于基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果。
可选地,所述处理模组,还用于基于预设的聚类算法,对所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系进行聚类处理,得到聚类结果。
可选地,所述处理模组,还用于根据所述目标对象所对应的相对角度和/或相对速度,确定出所述聚类结果中的所述未发生移动的第一类对象;
基于预设的滤波算法对所述未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数。
可选地,所述处理模组,还用于根据所述相对运动参数,确定所述目标对象的操作轨迹;
通过预设的手势识别模型,对所述第二类对象的操作轨迹进行机器学习,以得到手势识别结果。
根据本公开实施例的第三方面,提供一种手势识别方法,应用于如上述第二方面所述的任一项所述的移动终端,所述方法包括:
控制所述移动终端内的多个发射天线发射雷达波,并控制所述移动终端内的多个接收天线接收基于所述雷达波返回的回波;
根据所述雷达波的发射参数和所述回波的接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;
基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果;
根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数;
通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果。
可选地,所述相对运动参数包括:相对速度、相对角度和/或相对距离;
所述基于所述相对运动参数,对所述目标对象所述进行聚类关联,得到聚类结果,包括:
基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果。
可选地,所述基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果,包括:
基于预设的聚类算法,对所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系进行聚类处理,得到聚类结果。
可选地,根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数,包括:
根据所述目标对象所对应的相对角度和/或相对速度,确定出所述聚类结果中的所述未发生移动的第一类对象;
基于预设的滤波算法对所述未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数。
可选地,所述方法还包括:
根据所述相对运动参数,确定所述目标对象的操作轨迹;
通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果,包括:
通过预设的手势识别模型,对所述第二类对象的操作轨迹进行机器学习,以得到手势识别结果。
根据本公开实施例的第四方面,还提供一种手势识别装置,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行所述存储器中存储的可执行指令时,实现上述第三方面的任一项所述的方法。
根据本公开实施例的第五方面,提供一种非临时性计算机可读存储介质,当所述存储介质中的指令由手势识别装置的处理器执行时,使得所述手势识别装置能够执行上述第三方面的任一项所述的方法。
本公开的实施例提供的技术方案可以包括以下有益效果:
本公开实施例提供一种应用在移动终端上的包含有多个发射天线和接收天线的雷达天线阵列,并设置该多个发射天线,位于同一水平线上,且将接收天线设置为与所述多个发射天线位于同一个水平线上的位于水平维度的接收天线,以及位于俯仰维度的接收天线。如此设置,一方面,通过增加的天线数量来提高雷达天线阵列的孔径,进而可以提高角度分辨率;另一方面,将多个发射天线和接收天线按照上述方式布局,使得所述雷达天线阵列可以等效为更大孔径的虚拟阵列,以此实现,以较少数量的天线取得与较多数量的天线同等的角度分辨率。由于较高的角度分辨率可以更为准确地检测到更多的目标对象,就可以基于该雷达天线阵列实现对多目标对象的准确检测。除此之外,由于可以以较少数量的天线,实现与较多数量天线等同的检测精确度,那么就可以节约硬件成本,由于天线数量相对较少,也为后续的器件布局提供了方便,可以使得雷达系统整体尺寸更小,使得雷达系统在移动终端中的空间布局更为灵活。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。
图1是一种搭载有1个发射天线和3个接收天线的雷达传感器的天线阵列示意图。
图2是根据一示例性实施例示出的一种雷达天线阵列的结构示意图一。
图3是根据一示例性实施例示出的一种雷达天线阵列的结构示意图二。
图4是根据一示例性实施例示出的一种雷达天线阵列的等效虚拟阵列的示意图。
图5是根据一示例性实施例示出的一种移动终端的结构示意图。
图6是一种基于食指和拇指的手势。
图7是根据一示例性实施例示出的一种手势识别方法的流程示意图。
图8是根据一示例性实施例示出的一种手势识别装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
手机等移动终端装载有一发多收的雷达系统,具备简单的手势识别功能。图1是一种搭载有1个发射天线和3个接收天线的雷达传感器的天线阵列示意图,如图1所示,所述雷达传感器中包含1个发射天线(Tx),在水平维有两个接收天线(Rx1,Rx3),俯仰维也有两个接收天线(Rx2,Rx3),接收天线间间距为0.5个雷达波波长。这样的天线阵列所形成的孔径能够实现的角度分辨率较差,只能对手掌等的挥动动作进行识别,无法对手指等细微目标对象的识别。同时,由于雷达在单个维度只有两个接收天线,因此只能探测到一个目标对象,如果是多个手指的协同动作则探测不了。
基于此,想要提高雷达传感器的角度分辨率,可以是通过增加天线阵列中的天线阵元数量来提高天线阵列孔径,进而实现对雷达角度分辨率的提高,但这种仅增加天线个数的方案会增加系统复杂度和生产成本。更重要的是,天线阵元的增加会大幅增大雷达传感器的尺寸,影响手机上其他器件的布局。
为了在不过多的增加雷达传感器尺寸的基础上,实现对多目标对象的准确检测,本公开实施例提供一种雷达天线阵列,图2是根据一示例性实施例示出的一种雷达天线阵列的结构示意图一,如图2所示,所述雷达天线阵列200,包括:
多个发射天线201,位于同一水平线上,用于发射雷达波;
多个接收天线202,用于接收基于所述雷达波反射形成的回波;
其中,所述接收天线202包括:位于水平维度的接收天线2021或位于俯仰维度的接收天线2022;所述水平维度和所述俯仰维度互相垂直;位于水平维度的接收天线2021与所述多个发射天线201位于同一个水平线上,位于俯仰维度的接收天线2022与所述多个发射天线201所处的水平线垂直;
所述雷达波的发射参数及所述回波的接收参数,至少用于位于所述雷达波辐射范围内的手势识别。
在图2中,以白色方框来表示发射天线、黑色方框来表示接收天线。
在本公开实施例中,所述雷达天线阵列集成在雷达传感器内部,包括多个发射天线和接收天线,用于发射雷达波以及接收基于所述雷达波反射形成的回波。
需要说明的是,雷达天线阵列能实现的角度分辨率和雷达天线阵列的孔径成正比,即,雷达天线阵列的孔径越大,越能取得较高的角度分辨率;而增大孔径最为直接的办法就是添加天线阵元的数量,或者说增加雷达天线阵列中天线的数量。但实际操作中,一味地通过添加天线数量来增加孔径大小,会增加硬件成本,且不利于布局。
基于此情况,本公开实施例中提出一种雷达天线阵列,以相对较少数量的天线实现较多数量的天线才能达到的角度分辨率。
在本公开实施例中,所述雷达天线阵列可以是多输入多输出(MIMO)的雷达天线阵列。所述MIMO雷达天线阵列通过多个发射天线同时发射正交波形的雷达波,多个雷达波组成的信号之间两两正交,来实现各个传输通道的雷达波的独立性。这些多个发射天线发射的雷达波经由目标对象的反射被多个接收天线接收。由于每个接收天线都可以接收到来自各个发射天线发射的雷达波,使得最终可以得到M*N个通道的回波数据。这里,M 为发射天线的数量,N为接收天线的数量,所述M和N均大于1。
由于M*N不低于M与N之和,使得所述MIMO雷达天线阵列可以达到比物理天线阵元数量M+N的传输容量更多的传输容量。
作为一个示例,如果是2个发射天线和4个接收天线组成的MIMO雷达天线阵列,由于每个接收天线都可以接收到所有发射天线所发射的雷达波的回波,那么,接收天线侧,每个接收天线都可以收到2个发射天线所发射的雷达波的回波,就可以得到8个通道的回波数据,即就可以等效为1个发射天线和8个接收天线组成的普通等间距天线阵列所取得的传输容量,这里的所述传输容量是成倍于物理接收天线阵元4个所拥有的传输容量。
如此,相较于一个发射天线和多个接收天线的结构,本公开实施例,通过将接收天线和发射天线同时设置为多个,以此来丰富接收的信息层次,从而可以基于更丰富的信息实现更高的角度分辨率,为实现更为精细的探测提供基础。并且,以较少数量的天线(如2个发射天线和4个接收天线),就能实现与较多数量天线(如1个发射天线和8个接收天线)等同的传输容量,既节约了硬件成本,也为后续的器件布局提供了方便。
这里,基于雷达波的发射参数及所述回波的接收参数可以确定出目标对象相对于所述移动终端运动的相对运动参数,进而对所述相对运动参数进行处理就可以确定出手势。所述处理具体可以是先对目标对象进行聚类关联,分成不同的集合,再过滤掉所述目标对象中未发生移动的第一类对象,基于手势识别模型对所述目标对象中发生移动的第二类对象的相对运动参数进行识别处理。所述目标对象包括:手掌或手指。
进一步地,本公开实施例,将多个发射天线放置在同一水平线上,而多个接收天线分为2部分放置,一部分是放置在所述多个发射天线所处的水平线上,即位于水平维度的接收天线。另一部分放置在所述多个发射天线所处的水平线垂直的位置上,即位于俯仰维度的接收天线。
这里,位于水平维度的接收天线是指位于同一水平线上的接收天线。位于俯仰维度的接收天线是指在所述水平线垂直的位置上接收天线。
由于所述水平维度和所述俯仰维度互相垂直,那么,位于俯仰维度的接收天线处于与位于水平维度的接收天线所处水平线垂直的位置上。
在本公开实施例中,通过将接收天线划分为:位于水平维度的接收天线和位于俯仰维度的接收天线,通过空间上的位置分离保证2类接收天线分别接收不同路径上的雷达波,也使得天线间也满足一定的隔离要求。
在一些实施例中,所述雷达天线阵列中:
相邻两个所述发射天线之间的距离为所述雷达波的半个波长;
相邻两个所述位于水平维度的接收天线之间的距离为所述雷达波的一个波长;
相邻两个所述位于俯仰维度的接收天线之间的距离为所述雷达波的半个波长。
对于移动终端而言,移动终端基于雷达传感器实现的探测一般是较近距离的探测,如检测手势。那么对于手掌这一目标对象而言,手掌属于近场散射体,雷达波经手掌发射后,向各方向散射进入接收天线处。考虑到移动终端的近场散射体较多这一特点,一般认为天线阵元间距达到半个雷达波波长以上,就可以使信号间的互相关性,或者相互间的干扰足够微弱。
基于此,考虑到布局需求,尽可能少的占用空间,本公开实施例中,将相邻两个所述发射天线之间的距离设置为雷达波的半个波长,相邻两个所述位于俯仰维度的接收天线之间的距离也设置为所述雷达波的半个波长。
而对于相邻两个所述位于水平维度的接收天线之间的距离,考虑到如果单个维度只有两个接收天线,就只能探测到一个目标对象的运动参数,那么,为了实现对多目标对象探测的可能性,需要在每个维度上都增加接收天线的数量。而基于MIMO雷达天线阵列可以虚拟等效出更多数量天线的特点。那么,可以在单个维度上减小天线数量而增加天线间距来虚拟出更多的天线,从而实现对多目标对象的探测。如此,结合布局需求,本公开实施例将相邻两个所述位于水平维度的接收天线之间的距离设置为所述雷达波的一个波长。那么,在相隔雷达波的半个波长的位置设置第二个发射天线时,所等效出的虚拟天线中位于水平维度的接收天线就可以处于水平维度上相隔有一个雷达波波长的两个接收天线之间。
需要说明的是,本公开实施例对位于同一水平线上处于相邻位置的发射天线和位于水平维度的接收天线的间距不做限定。但为了节约布局,可以使得处于相邻位置的发射天线和位于水平维度的接收天线之间的距离尽可能的小。
如此,通过对发射天线和各类接收天线的间距设置,可以基于信号间的互相关性要求,在尽可能较少布局需求的基础上,实现更大的信号传输容量,从而能实现更好的分辨率,为多目标对象的探测提供帮助。
在一些实施例中,所述发射天线、所述位于水平维度的接收天线和所述位于俯仰维度的接收天线的个数均为两个;其中,两个位于水平维度的接收天线中位于所述水平线最外侧,且距离位于俯仰维度的接收天线最近的所述位于水平维度的接收天线,与位于俯仰维度的接收天线处于同一直线上,且与距离最近的所述位于俯仰维度的接收天线之间的距离等于相邻两个位于俯仰维度的接收天线之间的距离。
这里,距离所述位于俯仰维度的接收天线最近的所述位于水平维度的接收天线,既是位于所述水平线上,也位于与所述水平线垂直的垂直线上,即可以认为是位于俯仰维度,也可以认为是位于水平维度。
需要说明的是,本公开实施例中是以上述2个发射天线和4个接收天线组成的MIMO雷达天线阵列为例进行的说明,实际上发射天线及接收天线的数量可以不做限制,可以根据实际应用需求做出调整。同时,发射天线和接收天线间的间距也不限制,满足信号间的互相关性较小的条件即可,即发射天线和接收天线间的间距不小于半个波长。
图3是根据一示例性实施例示出的一种雷达天线阵列的结构示意图二,如图3所示,本公开实施例中的所述雷达天线阵列的布局设计,将2个发射天线和2个位于水平维度的接收天线设置于同一水平线上,而位于俯仰维度的接收天线设置于与所述水平线垂直的垂直线上。除此之外,设置距离所述位于俯仰维度的接收天线最近的所述位于水平维度的接收天线,与相邻的位于俯仰维度的接收天线的间距为雷达波的半个波长。将相邻两个所述发射天线之间的距离设置为雷达波的半个波长,相邻两个所述位于俯仰维度的接收天线之间的距离也设置为所述雷达波的半个波长。
由于在水平维度上既设置了发射天线,又设置了接收天线,在布局上过宽,那么,水平维度上设置的天线数量需要在尽可能少的情况下,也保证能实现对多目标对象的探测。如此,可以设置2个位于水平维度的接收天线,但2个位于水平维度的接收天线的间距设置为一个波长。
由此可知,本公开实施例,通过空间上的位置分离保证2类接收天线分别接收不同路径上的雷达波,既提高了信号的可靠性。而在水平维度上的间距设置,既可以减少对布局的占用,也可以实现对多目标对象的探测。
图4是根据一示例性实施例示出的一种雷达天线阵列的等效虚拟阵列的示意图,如图 4所示,所述虚拟阵列为普通的等间距天线阵列,包括:1个发射天线和8个接收天线,所述8个接收天线中任意相邻的两个接收天线的间距为半个波长。基于上述的说明可知,根据MIMO雷达天线阵列的传输特点,所述虚拟阵列的传输容量等同于图3所示的由2 个发射天线和4个接收天线组成的MIMO雷达天线阵列。如此,可以设计出2个发射天线和4个接收天线组成的MIMO雷达天线阵列,来发挥出1个发射天线和8个接收天线等同的传输效果;减少了天线的个数,节约了硬件成本。
如此,本公开实施例,通过提供一种应用在移动终端上的包含有多个发射天线和接收天线的雷达天线阵列,并设置该多个发射天线,位于同一水平线上且间隔半个波长,并将接收天线设置为与所述多个发射天线位于同一个水平线上的位于水平维度的接收天线,以及位于俯仰维度的接收天线,也对应设置位于水平维度的接收天线之间的间距为一个波长,位于俯仰维度的接收天线之间的间距为半个波长。如此设置,即实现了通过增加的天线数量来提高雷达天线阵列的孔径,进而可以提高角度分辨率;也可以使得所述雷达天线阵列可以等效为更大孔径的虚拟阵列,以此实现,以较少数量的天线取得与较多数量的天线同等的高角度分辨率。由于较高的角度分辨率可以更为准确地检测到更多的目标对象,为后续基于雷达传感器的手势检测的准确性提供了基础。
为了在不过多的增加雷达传感器尺寸的基础上,实现对多目标对象的准确检测,本公开实施例还提供一种移动终端,图5是根据一示例性实施例示出的一种移动终端的结构示意图,如图5所示,所述移动终端500,包括:
上述实施例中的所述的雷达天线阵列501以及处理模组502;
所述处理模组502,与所述雷达天线阵列501中的发射天线和接收天线连接,用于基于所述发射天线发射所述雷达波的发射参数和所述接收天线接收所述回波的接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果;根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数;通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果。
这里,关于雷达天线阵列的具体说明在上述实施例中已详细进行了描述,在此不做赘述。
本公开实施例中,所述移动终端是指任意的可以发生移动的电子设备,包括:智能手机、平板电脑、笔记本电脑或者智能手表等。所述移动终端上安装有雷达传感器;所述雷达传感器内部包含有多个发射天线和多个接收天线构成的雷达天线阵列,所述雷达天线阵列用于实现发射雷达波和接收基于所述雷达波的回波。
这里,所述雷达天线阵列可以设置在所述移动终端的显示屏所在面上,或者设置在与显示屏所在面相反的面上,即移动终端的背面,还或者设置在显示屏的端面(即侧面)上。
所述雷达天线阵列位于不同的位置会存在一些应用上的区别,如:当雷达天线阵列位于显示屏所在面时,会占用显示屏小部分面积,但能满足更多的应用需求。当雷达天线阵列位于显示屏所在面相反的面时,对显示屏的面积没有影响,但相对的,能满足的应用需求偏少。雷达天线阵列位于显示屏的端面上也对显示屏的面积没有影响,同时相对于背面能覆盖更大的范围,但对框架布局存在一定要求。如此,可以根据实际需要来设置雷达天线阵列的安装位置。
但需要说明的是,由于雷达天线阵列位于显示屏所在面上能满足更多的应用需求,虽然会占用显示屏小部分面积,但通过本公开实施例中提出的雷达天线阵列,可以以相对较小的占用面积实现角度分辨率的大幅提高。那么,基于应用需求和布局考虑,将所述雷达天线阵列设置在显示屏所在面上也可以取得不错的应用效果。
所述处理模组包括:移动终端内部用于发出各类控制指令的处理器及其外围电路。
在发射雷达波以及接收到回波后,所述处理模组会对应获取到雷达波的发射参数和回波的接收参数,进而基于所述发射参数和接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;进而对所述相对运动参数执行一系列处理,以得到手势识别结果。。
这里,所述移动终端中由于安装有上述实施例中的所述雷达天线阵列,可以以较高的角度分辨率实现更为准确地检测到更多的目标对象,为手势检测的准确性提供了基础。
在一些实施例中,所述处理模组对所述相对运动参数执行一系列处理,具体包括:基于所述发射参数和接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果;根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数;通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果。
在本公开实施例中,为了识别手势,所述手势可包括:手掌的操作姿势或手指的操作姿势。所述手势可以用于对所述移动终端进行非接触式解锁,或者,用于执行一些控制操作。所述目标对象包括:手掌或手指。
在一些实施例中,所述相对运动参数包括:相对速度、相对角度和/或相对距离。所述相对速度是指目标对象相对于移动终端的移动速度。所述相对距离是指目标对象相对于移动终端的直线距离。所述相对角度是指目标对象相对于移动终端的转动角度。
这里,所述对所述目标对象所述进行聚类关联是指:将运动状态相同或相似的目标对象进行关联,看作一个整体,以此实现对目标对象进行分类。在分类后,处于同一集合中的目标对象应该是运动状态相似的目标对象。所述运动状态可以通过相对运动参数来表征,即基于发射参数和和接收参数,确定出相对运动参数为相同或者相差处于预设范围的目标对象,就属于运动状态相同或相似的目标对象。
所述第一类对象就是指未发生移动的目标对象;相对的,第二类对象就是指发生了移动的目标对象。
本公开实施例,在将目标对象根据运动状态的不同来进行划分后,就可以确定哪些目标对象是发生了移动,哪些目标对象是未发生移动的。由于本公开实施例是对手势的识别,那么,手指或手掌存在移动时,才会有手势产生。基于此,本公开实施例是需要对发生移动的第二类对象的移动轨迹对进行识别,确定出用户给出的是哪种手势。
如此,为了提高手势识别的准确度,在手势的识别中就需要过滤掉干扰数据,只对发生移动的第二类对象的移动轨迹进行识别处理,就可以减轻识别的难度,也减小计算的复杂度,且相对的就会提高识别的准确率。
这里,一般认为相对距离和相对速度类似的目标对象是运动状态类似的对象。例如,如图6所示,图6是一种基于食指和拇指的手势,在图6中,拇指和食指相对运动,逐渐靠近。在这种手势中,通过雷达传感器检测的除食指和拇指之外的手指(如中指和小拇指) 的相对距离和相对速度应该是相同,那么,中指所对应的相对距离与小拇指所对应的相对距离,两两相减所得到的差值会很小,以及中指所对应的相对速度与小拇指所对应的相对速度,两两相减所得到的差值也会很小。此时认为除食指和拇指之外的手指是有关联关系,处于同一个集合中。在图6中,所述除食指和拇指之外的手指由于没有发生动作,属于干扰对象,处于同一个集合中。
如此,通过聚类关联的方式,可以根据关联关系对目标对象进行划分,以此实现快速地区分需要识别的目标对象和干扰对象,为后续的手势识别提供了帮助。
所述预设的手势识别模型是指:预先存储在移动终端中,用于识别手势的机器学习模型。所述手势识别模型可以是能够实现识别的任意神经网络模型,例如,卷积神经网络(CNN)模型或长短期记忆网络(LSTM)模型等。这里,通过基于神经网络模型所得到的手势识别模型的处理,可以提升对手势识别的准确性。
这里,在过滤掉未发生移动的第一类对象的相对运动参数后,就可以只得到目标对象中发生移动的第二类对象的相对运动参数。如此,再通过预设的手势识别模型对所述第二类对象的相对运动参数进行处理,就可以得到手势识别结果,即确定出当前检测的手势是哪种。
在一些实施例中,所述基于所述相对运动参数,对所述目标对象所述进行聚类关联,得到聚类结果,包括:基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果。
这里,所述预设的聚类算法也是指:预先存储在移动终端中,用于对目标对象进行分类的算法。所述聚类算法可以是能够实现分类的任意聚类算法,例如,K均值聚类算法、最大期望(EM)聚类或凝聚层次聚类算法等。基于聚类算法,可以将处于相同运动状态的目标对象划分到同一个集合中,如此,如果有多种不同的运动状态就可以得到多个集合。
所述对所述目标对象所对应的相对距离和相对速度进行聚类处理是指:根据目标对象所对应的相对距离和相对速度的大小,将相对距离和相对速度相同或者相差处于预设范围的目标对象划分到一类。这里,所述预设范围包括:相对距离对应的第一预设范围和相对速度对应的第二预设范围。
例如,目标对象中的A对象,在当前时刻所检测的相对于移动终端运动的相对距离为3m,相对速度为10m/s,而目标对象中的B对象,在当前时刻所检测的相对于移动终端运动的相对距离为3.05m,相对速度为10m/s,如果第一预设范围为0-1m,第二预设范围为0-0.5m/s,则可以认为A对象和B对象的运动状态类似,应该划分到同一集合中。
本公开实施例中,在对手势进行识别前,通过对目标对象进行聚类关联,可以实现对不同运动状态的目标对象实现划分,为后续对识别中干扰数据的过滤提供了依据,也为最后的手势识别提供了帮助,使得可以很大程度地减轻识别的工作量。
在一些实施例中,所述处理模组,还用于基于预设的聚类算法,对所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系进行聚类处理,得到聚类结果。
如上所述,需要将运动状态类似或相同的目标对象划分到同一集合中,而确定运动状态类似或相同的方式就包括:基于所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系,确定目标对象的运动状态是否类似或相同。
这里,所述第一阈值可以是指上述第一预设范围中的最大值,即如果第一预设范围是 0-1m,那所述第一阈值可以是1。第二阈值可以是指上述第二预设范围中的最大值,即如果第二预设范围是0-0.5m/s,则所述第二阈值可以是0.05。
所述第一阈值和第二阈值可以根据需要来设置,具体可以是根据经验值或试验值等来确定。例如,试验中确定相对距离之间的差值处于哪个范围,就认为2个目标对象实质是处于类似或相同的运动状态。
基于预设的聚类算法,对所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系进行聚类处理,得到聚类结果,具体可以是:在获得多个相对速度和相对距离后,可以进一步将每次检测中的所述多个相对速度所对应的数值进行两两相减,以及将所述多个相对距离所对应的数值进行两两相减,基于两两相减所得到的差值,进行目标对象的聚类关联,进而得到聚类结果。
这里,所述基于两两相减所得到的差值进行目标对象的聚类关联,包括:
确定出相对距离两两相减所得到的差值是否处于第一预设范围,以及确定出相对速度两两相减所得到的差值是否处于第二预设范围;
将处于第一预设范围,以及处于第二预设范围所对应的目标对象进行聚类关联。
这里,需要相对速度之间两两相减的差值和相对距离之间两两相减的差值同时都满足预设范围,才认为所对应的目标对象之间存在关联关系。
进一步地,在一些实施例中,所述处理模组,还用于根据所述目标对象所对应的相对角度和/或相对速度,确定出所述聚类结果中的所述未发生移动的第一类对象;
基于预设的滤波算法对所述未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数。
这里,所述根据所述目标对象所对应的相对角度和/或相对速度,确定出所述聚类结果中的所述未发生移动的第一类对象,包括:
将所述多个相对速度所对应的数值进行两两相减,以及将所述多个相对角度所对应的数值进行两两相减,得到相对速度对应的第一差值和相对角度对应的第二差值;将所述第一差值小于第一阈值,和/或,所述第二差值小于第三阈值所对应的目标对象确定为未发生移动的第一类对象。
这里的所述第一阈值可以是指上述第一预设范围中的最大值,第三阈值用于确定转动角度,可以是指相对角度对应第三预设范围中的最大值。那么,多个相对速度所对应的数值进行两两相减的差值如果小于第一预设范围中的最大值,以及多个相对角度所对应的数值进行两两相减的差值如果小于第三预设范围中的最大值,就认为所对应的目标对象是未发生移动的第一类对象。
所述预设的滤波算法是指是指:预先存储在移动终端中,用于对满足条件的相对运动参数进行过滤的算法。所述滤波算法可以是能够实现分类的任意滤波算法,例如,卡尔曼滤波算法或算术平均滤波算法等。
所述基于预设的滤波算法对所述未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数,可以是:先确定出所述未发生移动的第一类对象的相对运动参数,通过滤波算法对所述未发生移动的第一类对象的相对运动参数进行过滤,所得到的数据就是发生移动的第二类对象的相对运动参数。
如此,通过滤波算法的过滤,可以提取出有效的,对手势识别有用的信息,再基于这些有用的信息进行处理,即可识别出手势,减少了对大量无效,且可能会存在干扰的数据的存在所造成的识别压力。
在一些实施例中,所述处理模组,还用于根据所述相对运动参数,确定所述目标对象的移动轨迹;通过预设的手势识别模型,对所述第二类对象的移动轨迹,进行机器学习,以得到手势识别结果。
所述移动轨迹反映了目标对象在预设时间段内的发生的动作。以手掌为例,所述移动轨迹包括手掌向右、向右、向上或向下的滑动轨迹。
这里,所述目标对象的移动轨迹的确定,包括:获取多次检测所得到的多个相对运动参数,确定多个相对运动参数对应的检测时间;基于所述检测时间的时间顺序,根据所述相对运动参数确定所述目标对象的移动轨迹。
由于获取了相对距离和相对速度,可以确定出目标对象所属的集合,同一个集合中的目标对象可以认为具备相同或相似的相对距离和相对速度,可以将其看作一个整体。如此,通过不同时间检测到的同一个目标对象的相对距离,即可确定出所述目标对象的操作轨迹。
需要说明的是,由于所述预设的手势识别模型是预先存储在移动终端内的手势识别模型,是已经经过训练的模型。如此,在移动终端的历史使用中,如果多次对目标对象进行检测,并获取到多个移动轨迹后,就可以基于历史使用中所获取的移动轨迹来确定出手势识别模型。
基于此,本公开实施例中,所述手势识别模型的确定,包括:在选定神经网络模型后,通过实验数据对所述神经网络模型进行训练,得到手势识别模型。所述实验数据包括:移动轨迹和与所述移动轨迹对应的手势识别结果。
所述通过实验数据对所述神经网络模型进行训练,得到手势识别模型,包括:将所述实验数据中的移动轨迹输入到待训练的所述神经网络模型中进行迭代处理,直至输出的实际手势识别结果与所述实验数据中的所述势识别结果的差值满足收敛条件,得到手势识别模型。
这里,所述差值满足收敛条件,包括:差值小于预设值,或者,差值为预测次数的迭代处理中的最小值。
所述手势识别结果可以是以与实际中的各种手势的相似度来表示,即将移动轨迹输入到所述神经网络模型中进行处理,输出与各种手势的相似度结果,选取最大的相似度对应的手势为最终的手势识别结果。
这里,所述移动终端中由于安装有上述实施例中的所述雷达天线阵列,可以以较高的角度分辨率实现更为准确地检测到更多的目标对象的状态参数,进而实现根据所述状态参数,确定所述目标对象的操作轨迹;并可以基于手势识别模型对移动轨迹的处理,得到手势识别结果。
为了实现对多目标对象的准确检测,本公开实施例还提供一种手势识别方法,应用于如上述实施例所述的移动终端,图7是根据一示例性实施例示出的一种手势识别方法的流程示意图,如图7所示,所述方法包括:
步骤701,控制所述移动终端内的多个发射天线发射雷达波,并控制所述移动终端内的多个接收天线接收基于所述雷达波返回的回波;
步骤702,根据所述雷达波的发射参数和所述回波的接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;
步骤703,基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果;
步骤704,根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数;
步骤705,通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果。
这里,所述步骤702-705由上述实施例所述的移动终端中的处理模组执行。
在一些实施例中,所述相对运动参数包括:相对速度、相对角度和/或相对距离;
所述基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果,包括:
基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果。
在一些实施例中,所述基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果,包括:
基于预设的聚类算法,对所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系进行聚类处理,得到聚类结果。
在一些实施例中,根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数,包括:
根据所述目标对象所对应的相对角度和/或相对速度,确定出所述聚类结果中的所述未发生移动的第一类对象;
基于预设的滤波算法对所述未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数。
在一些实施例中,所述方法还包括:
根据所述相对运动参数,确定所述目标对象的移动轨迹;
通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果,包括:
通过预设的手势识别模型,对所述第二类对象的移动轨迹进行机器学习,以得到手势识别结果。
本公开实施例,可以基于移动终端中安装的雷达天线阵列,以较高的角度分辨率实现更为准确地检测到更多的目标对象的状态参数,进而实现根据所述状态参数,确定所述目标对象的移动轨迹;并可以基于手势识别模型对移动轨迹的处理,识别出手势。如此,可以改善现有方案只能检测单一目标对象的限制,实现对多目标对象检测的准确性的提高。
关于上述实施例中的方法,其中具体方式已经在有关该装置的实施例中进行了详细描述,此处将不做详细阐述说明。
图8是根据一示例性实施例示出的一种手势识别装置1800的框图。例如,装置1800可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。
参照图8,装置1800可以包括以下一个或多个组件:处理组件1802,存储器1804,电力组件1806,多媒体组件1808,音频组件1810,输入/输出(I/O)接口1812,传感器组件1814,以及通信组件1816。
处理组件1802通常控制装置1800的整体操作,诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件1802可以包括一个或多个处理器1820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件1802还可以包括一个或多个模块,便于处理组件1802和其他组件之间的交互。例如,处理组件1802可以包括多媒体模块,以方便多媒体组件1808和处理组件1802之间的交互。
存储器1804被配置为存储各种类型的数据以支持在装置1800的操作。这些数据的示例包括用于在装置1800上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器1804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘或光盘。
电力组件1806为装置1800各种组件提供电力。电力组件1806可以包括:电源管理系统,一个或多个电源,及其他与为装置1800生成、管理和分配电力相关联的组件。
多媒体组件1808包括在所述装置1800和用户之间提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件1808包括一个前置摄像头和/或后置摄像头。当装置1800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和/或后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件1810被配置为输出和/或输入音频信号。例如,音频组件1810包括一个麦克风(MIC),当装置1800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1804 或经由通信组件1816发送。在一些实施例中,音频组件1810还包括一个扬声器,用于输出音频信号。
I/O接口1812为处理组件1802和外围接口模块之间提供接口,上述外围接口模块可以是键盘、点击轮、按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件1814包括一个或多个传感器,用于为装置1800提供各个方面的状态评估。例如,传感器组件1814可以检测到装置1800的打开/关闭状态、组件的相对定位,例如所述组件为装置1800的显示器和小键盘,传感器组件1814还可以检测装置1800或装置 1800一个组件的位置改变,用户与装置1800接触的存在或不存在,装置1800方位或加速/减速和装置1800的温度变化。传感器组件1814可以包括接近传感器,被配置为在没有任何的物理接触时检测附近物体的存在。传感器组件1814还可以包括光传感器,如 CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件1814 还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器。
通信组件1816被配置为便于装置1800和其他设备之间有线或无线方式的通信。装置 1800可以接入基于通信标准的无线网络,如WiFi、2G或3G,或它们的组合。在一个示例性实施例中,通信组件1816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件1816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA) 技术、超宽带(UWB)技术、蓝牙(BT)技术或其他技术来实现。
在示例性实施例中,装置1800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器1804,上述指令可由装置1800的处理器1820执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
一种非临时性计算机可读存储介质,当所述存储介质中的指令由手势识别装置的处理器执行时,使得手势识别装置能够执行上述手势识别方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由所附的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (15)
1.一种雷达天线阵列,其特征在于,应用于移动终端,包括:
多个发射天线,位于同一水平线上,用于发射雷达波;
多个接收天线,用于接收基于所述雷达波反射形成的回波;
其中,所述接收天线包括:位于水平维度的接收天线或位于俯仰维度的接收天线;所述水平维度和所述俯仰维度互相垂直;位于水平维度的接收天线与所述多个发射天线位于同一个水平线上,位于俯仰维度的接收天线与所述多个发射天线所处的水平线垂直;
所述雷达波的发射参数及所述回波的接收参数,至少用于位于所述雷达波辐射范围内的手势识别。
2.根据权利要求1所述的雷达天线阵列,其特征在于,
相邻两个所述发射天线之间的距离为所述雷达波的半个波长;
相邻两个所述位于水平维度的接收天线之间的距离为所述雷达波的一个波长;
相邻两个所述位于俯仰维度的接收天线之间的距离为所述雷达波的半个波长。
3.根据权利要求1或2所述的雷达天线阵列,其特征在于,
所述发射天线、所述位于水平维度的接收天线和所述位于俯仰维度的接收天线的个数均为两个;
其中,两个位于水平维度的接收天线中位于所述水平线最外侧,且距离位于俯仰维度的接收天线最近的所述位于水平维度的接收天线,与位于俯仰维度的接收天线处于同一直线上,且与距离最近的所述位于俯仰维度的接收天线之间的距离等于相邻两个位于俯仰维度的接收天线之间的距离。
4.一种移动终端,其特征在于,包括:
如权利要求1至3任一项所述的雷达天线阵列;
处理模组,与所述雷达天线阵列中的发射天线和接收天线连接,用于基于所述发射天线发射所述雷达波的发射参数和所述接收天线接收所述回波的接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果;
根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数;
通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果。
5.根据权利要求4所述的移动终端,其特征在于,所述相对运动参数包括:相对速度、相对角度和/或相对距离;
所述处理模组,还用于基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果。
6.根据权利要求5所述的移动终端,其特征在于,所述处理模组,还用于基于预设的聚类算法,对所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系进行聚类处理,得到聚类结果。
7.根据权利要求5所述的移动终端,其特征在于,所述处理模组,还用于根据所述目标对象所对应的相对角度和/或相对速度,确定出所述聚类结果中的所述未发生移动的第一类对象;
基于预设的滤波算法对所述未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数。
8.根据权利要求4所述的移动终端,其特征在于,所述处理模组,还用于根据所述相对运动参数,确定所述目标对象的移动轨迹;
通过预设的手势识别模型,对所述第二类对象的移动轨迹进行机器学习,以得到手势识别结果。
9.一种手势识别方法,其特征在于,应用于如权利要求4至8任一项所述的移动终端,所述方法包括:
控制所述移动终端内的多个发射天线发射雷达波,并控制所述移动终端内的多个接收天线接收基于所述雷达波返回的回波;
根据所述雷达波的发射参数和所述回波的接收参数,确定目标对象相对于所述移动终端运动的相对运动参数;
基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果;
根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数;
通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果。
10.根据权利要求9所述的方法,其特征在于,所述相对运动参数包括:相对速度、相对角度和/或相对距离;
所述基于所述相对运动参数,对所述目标对象进行聚类关联,得到聚类结果,包括:
基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果。
11.根据权利要求10所述的方法,其特征在于,所述基于预设的聚类算法,对所述目标对象所对应的相对距离和相对速度进行聚类处理,得到聚类结果,包括:
基于预设的聚类算法,对所述目标对象所对应的相对距离之间的差值与第一阈值的大小关系,以及所述目标对象所对应的相对速度之间的差值与第二阈值的大小关系进行聚类处理,得到聚类结果。
12.根据权利要求10所述的方法,其特征在于,根据所述聚类结果对所述目标对象中未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数,包括:
根据所述目标对象所对应的相对角度和/或相对速度,确定出所述聚类结果中的所述未发生移动的第一类对象;
基于预设的滤波算法对所述未发生移动的第一类对象进行过滤,得到所述目标对象中发生移动的第二类对象的相对运动参数。
13.根据权利要求9所述的方法,其特征在于,所述方法还包括:
根据所述相对运动参数,确定所述目标对象的移动轨迹;
通过预设的手势识别模型对所述第二类对象的相对运动参数进行机器学习,以得到手势识别结果,包括:
通过预设的手势识别模型,对所述第二类对象的移动轨迹进行机器学习,以得到手势识别结果。
14.一种手势识别装置,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行所述存储器中存储的可执行指令时,实现权利要求9至13任一项所述的方法。
15.一种非临时性计算机可读存储介质,当所述存储介质中的指令由手势识别装置的处理器执行时,使得所述手势识别装置能够执行权利要求9至13任一项所述的方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010264983.5A CN113495267A (zh) | 2020-04-07 | 2020-04-07 | 雷达天线阵列、移动终端、手势识别方法及装置 |
US17/025,728 US11789140B2 (en) | 2020-04-07 | 2020-09-18 | Radar antenna array, mobile user equipment, and method and device for identifying gesture |
EP20197525.7A EP3893019A1 (en) | 2020-04-07 | 2020-09-22 | Radar antenna array, mobile user equipment, method and device for identifying gesture, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010264983.5A CN113495267A (zh) | 2020-04-07 | 2020-04-07 | 雷达天线阵列、移动终端、手势识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113495267A true CN113495267A (zh) | 2021-10-12 |
Family
ID=72615626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010264983.5A Pending CN113495267A (zh) | 2020-04-07 | 2020-04-07 | 雷达天线阵列、移动终端、手势识别方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11789140B2 (zh) |
EP (1) | EP3893019A1 (zh) |
CN (1) | CN113495267A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918019A (zh) * | 2021-10-19 | 2022-01-11 | 亿慧云智能科技(深圳)股份有限公司 | 终端设备的手势识别控制方法、装置、终端设备及介质 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11448722B2 (en) * | 2020-03-26 | 2022-09-20 | Intel Corporation | Apparatus, system and method of communicating radar signals |
CN116345124A (zh) * | 2021-12-23 | 2023-06-27 | 荣耀终端有限公司 | 超宽带天线阵列及电子设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
CN109507653A (zh) * | 2018-10-22 | 2019-03-22 | 中国人民解放军第四军医大学 | 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法 |
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 |
Family Cites Families (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008070788A2 (en) * | 2006-12-06 | 2008-06-12 | Kirsen Technologies Corporation | System and method for detecting dangerous objects and substances |
GB0916300D0 (en) * | 2009-09-17 | 2009-10-28 | Univ Manchester Metropolitan | Remote detection of bladed objects |
US20110181510A1 (en) * | 2010-01-26 | 2011-07-28 | Nokia Corporation | Gesture Control |
KR101718016B1 (ko) * | 2010-06-04 | 2017-03-21 | 엘지전자 주식회사 | 이동 단말기 및 이동단말기 안테나의 제조방법 |
US9000973B2 (en) * | 2011-04-29 | 2015-04-07 | The Invention Science Fund I, Llc | Personal electronic device with a micro-impulse radar |
WO2013141923A2 (en) * | 2011-12-20 | 2013-09-26 | Sadar 3D, Inc. | Scanners, targets, and methods for surveying |
US10168785B2 (en) * | 2015-03-03 | 2019-01-01 | Nvidia Corporation | Multi-sensor based user interface |
JP6396244B2 (ja) * | 2015-03-25 | 2018-09-26 | パナソニック株式会社 | レーダ装置 |
US10817065B1 (en) * | 2015-10-06 | 2020-10-27 | Google Llc | Gesture recognition using multiple antenna |
DE102016109342B4 (de) * | 2016-05-20 | 2024-02-22 | Infineon Technologies Ag | Radarsensorsystem zur gestenerkennung und verfahren zur radarbasierten gestenerkennung |
KR102471197B1 (ko) * | 2016-08-25 | 2022-11-28 | 삼성전자 주식회사 | 안테나 장치 및 이를 포함하는 전자 장치 |
US10219389B2 (en) * | 2017-02-27 | 2019-02-26 | Motorola Mobility Llc | Electronic device having millimeter wave antennas |
US10381750B2 (en) * | 2017-08-17 | 2019-08-13 | Lg Electronics Inc. | Electronic device |
US11346936B2 (en) * | 2018-01-16 | 2022-05-31 | Infineon Technologies Ag | System and method for vital signal sensing using a millimeter-wave radar sensor |
JP6990850B2 (ja) * | 2018-03-23 | 2022-01-12 | パナソニックIpマネジメント株式会社 | レーダ装置 |
US11573311B2 (en) * | 2018-04-05 | 2023-02-07 | Google Llc | Smart-device-based radar system performing angular estimation using machine learning |
US10772511B2 (en) * | 2018-05-16 | 2020-09-15 | Qualcomm Incorporated | Motion sensor using cross coupling |
US10749272B2 (en) * | 2018-06-15 | 2020-08-18 | Shenzhen Sunway Communication Co., Ltd. | Dual-polarized millimeter-wave antenna system applicable to 5G communications and mobile terminal |
US20200026360A1 (en) * | 2018-07-19 | 2020-01-23 | Infineon Technologies Ag | Gesture Detection System and Method Using Radar Sensors |
US11416077B2 (en) * | 2018-07-19 | 2022-08-16 | Infineon Technologies Ag | Gesture detection system and method using a radar sensor |
US10579154B1 (en) * | 2018-08-20 | 2020-03-03 | Google Llc | Smartphone-based radar system detecting user gestures using coherent multi-look radar processing |
KR102422664B1 (ko) * | 2018-10-05 | 2022-07-18 | 동우 화인켐 주식회사 | 안테나 구조체 및 이를 포함하는 디스플레이 장치 |
US10788880B2 (en) * | 2018-10-22 | 2020-09-29 | Google Llc | Smartphone-based radar system for determining user intention in a lower-power mode |
KR102577295B1 (ko) * | 2018-10-23 | 2023-09-12 | 삼성전자주식회사 | 다중 대역의 신호를 송수신하는 안테나 엘리먼트들이 중첩되어 형성된 안테나 및 이를 포함하는 전자 장치 |
US11194031B2 (en) * | 2018-11-27 | 2021-12-07 | Qualcomm Incorporated | Apparatus and techniques for 3D reconstruction with coordinated beam scan using millimeter wave radar |
KR102505071B1 (ko) * | 2018-12-17 | 2023-03-02 | 삼성전자주식회사 | 전자 장치의 상태에 기반하여 빔포밍 신호를 출력하는 장치 및 방법 |
US20200280120A1 (en) * | 2019-03-01 | 2020-09-03 | Microsoft Technology Licensing, Llc | High Frequency Antenna Integration in Electronic Devices |
US11693086B2 (en) * | 2019-06-28 | 2023-07-04 | Google Llc | Smart device with an integrated radar system |
KR20210054632A (ko) * | 2019-11-05 | 2021-05-14 | 삼성디스플레이 주식회사 | 전자 장치 |
KR102596294B1 (ko) * | 2020-02-04 | 2023-10-31 | 엘지전자 주식회사 | 안테나를 구비하는 전자 기기 |
US20210239788A1 (en) * | 2020-02-05 | 2021-08-05 | Alps Alpine Co., Ltd. | Radar with virtual planar array (vpa) antenna |
US20230161027A1 (en) * | 2020-03-04 | 2023-05-25 | Google Llc | Smart-Device-Based Radar System Performing Near-Range Detection |
-
2020
- 2020-04-07 CN CN202010264983.5A patent/CN113495267A/zh active Pending
- 2020-09-18 US US17/025,728 patent/US11789140B2/en active Active
- 2020-09-22 EP EP20197525.7A patent/EP3893019A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106054156A (zh) * | 2016-06-22 | 2016-10-26 | 中国人民解放军第四军医大学 | 一种基于uwb mimo生物雷达的静止人体目标识别与定位方法 |
CN109507653A (zh) * | 2018-10-22 | 2019-03-22 | 中国人民解放军第四军医大学 | 一种基于uwb的多信息感知生物雷达系统及其获取目标信息的方法 |
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 |
Non-Patent Citations (1)
Title |
---|
赵望宇等: "融合毫米波雷达与单目视觉的前车检测与跟踪", 《武汉大学学报(信息科学版)》, vol. 44, no. 12, pages 1832 - 1840 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113918019A (zh) * | 2021-10-19 | 2022-01-11 | 亿慧云智能科技(深圳)股份有限公司 | 终端设备的手势识别控制方法、装置、终端设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
US11789140B2 (en) | 2023-10-17 |
US20210311180A1 (en) | 2021-10-07 |
EP3893019A1 (en) | 2021-10-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | M-gesture: Person-independent real-time in-air gesture recognition using commodity millimeter wave radar | |
CN113495267A (zh) | 雷达天线阵列、移动终端、手势识别方法及装置 | |
WO2020258106A1 (zh) | 手势识别的方法和设备、定位追踪的方法和设备 | |
CN110163380B (zh) | 数据分析方法、模型训练方法、装置、设备及存储介质 | |
CN106445242B (zh) | 压力触控装置和电子设备 | |
Alanwar et al. | Selecon: Scalable iot device selection and control using hand gestures | |
Ren et al. | Hand gesture recognition using 802.11 ad mmWave sensor in the mobile device | |
CN113253908B (zh) | 按键功能执行方法、装置、设备及存储介质 | |
WO2020093278A1 (zh) | 一种基于多天线的手势识别方法及装置 | |
CN105306819A (zh) | 一种基于手势控制拍照的方法及装置 | |
CN112540696A (zh) | 屏幕触控管理方法、智能终端、装置及可读存储介质 | |
CN111599273B (zh) | 显示屏的控制方法、装置、终端设备及存储介质 | |
US9229556B2 (en) | Apparatus and method for sensing 3D object | |
Zhao et al. | Wear-free gesture recognition based on residual features of RFID signals | |
US20230205351A1 (en) | Electronic device comprising flexible display and operation method thereof | |
US20230213978A1 (en) | Electronic device for outputting content, and electronic device operating method | |
US20230156116A1 (en) | Electronic device including rollable or slidable display | |
CN111124175A (zh) | 终端、显示处理方法、装置及存储介质 | |
US11644970B2 (en) | Number input method, apparatus, and storage medium | |
US11403871B2 (en) | Method for fingerprint identification, terminal device and storage medium | |
CN112929832A (zh) | 位置追踪方法、装置、电子设备和可读存储介质 | |
US20230259169A1 (en) | Electronic device comprising flexible display | |
KR102261141B1 (ko) | 전자 기기 및 전자 기기의 제어 방법 | |
Salami et al. | Tesla-Rapture: A Lightweight Gesture Recognition System from mmWave Radar Point Clouds | |
US20210311555A1 (en) | Method and device for gesture detection, mobile terminal and storage medium |
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 |