公开(公告)号：CN110163130A

公开(公告)日：2019-08-23

申请号：CN201910381675.8

申请日：2019-05-08

Applicant: 清华大学

Inventor： 李翔宇 ,  周飞飞

IPC: G06K9/00 ,  G06K9/62 ,  G06T3/40 ,  G06T7/38

Abstract: 本发明公开了一种用于基于雷达的手势识别的分类器。通过信号处理，获得每一帧信号的距离多普勒图(Range Doppler Map，RDM)，从而得到RDM序列，并提取特征用于手势识别。为了解决手势数据在时间维度上的扭曲带来的特征错位问题，发明了一种特征预对齐的手势识别算法。首先基于DTW(Dynamic Time Warping)，为每个类别生成一个模板，然后根据每类的模板，将每帧的特征对齐，并训练一个二分类的随机森林，用于判断测试样本是否属于该类别，最后，根据测试样本属于各个类别的概率，对手势进行分类。实验证明，本发明提高了分类器对于未提供过训练样本的用户的手势识别准确率，对8种不同手势的识别率为91.9％，同时需要较少的训练样本和较低的计算复杂度。

公开(公告)号：CN110163130B

公开(公告)日：2021-05-28

申请号：CN201910381675.8

申请日：2019-05-08

Applicant: 清华大学

Inventor： 李翔宇 ,  周飞飞

IPC: G06K9/00 ,  G06K9/62 ,  G06T3/40 ,  G06T7/38

Abstract: 本发明公开了一种用于基于雷达的手势识别的分类器。通过信号处理，获得每一帧信号的距离多普勒图(Range Doppler Map，RDM)，从而得到RDM序列，并提取特征用于手势识别。为了解决手势数据在时间维度上的扭曲带来的特征错位问题，发明了一种特征预对齐的手势识别算法。首先基于DTW(Dynamic Time Warping)，为每个类别生成一个模板，然后根据每类的模板，将每帧的特征对齐，并训练一个二分类的随机森林，用于判断测试样本是否属于该类别，最后，根据测试样本属于各个类别的概率，对手势进行分类。实验证明，本发明提高了分类器对于未提供过训练样本的用户的手势识别准确率，对8种不同手势的识别率为91.9％，同时需要较少的训练样本和较低的计算复杂度。