基于TRANS-CNN的手势识别用于毫米波雷达
Huafeng Zhang1, Kang Liu1, Yuanhui Zhang1
1College of Mechanical and Electrical Engineering, China Jiliang University, Hangzhou 310018, China.
Sensors (Basel, Switzerland)
|March 28, 2024
概括
本研究介绍了基于点云的手势识别,使用毫米波雷达来提高实时性能. 新型的TRANS-CNN模型实现了高精度,在有限的数据上超过了现有的方法.
科学领域:
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
- 信号处理 信号处理
背景情况:
- 来自毫米波雷达的微多普勒地图对于手势识别至关重要.
- 实时性能限制阻碍了当前的毫米波雷达手势识别系统.
- 为了准确的手势分类,需要先进的特征提取.
研究的目的:
- 为毫米波雷达提出基于点云的手势识别方法.
- 为了提高手势识别系统的实时性能.
- 为准确的手势分类开发一个强大的模型.
主要方法:
- 使用3D-FFT和峰值分组估计了手势点云.
- 一个TRANS-CNN模型,结合多头自我注意和1D-CNN,被训练用于特征提取.
- 实验使用TI毫米波雷达传感器IWR1642和实验室开发的2Tx2Rx传感器.
主要成果:
- 拟议的方法通过基准传感器实现了98.5%的准确性.
- 实验室开发的传感器显示了97.1%的识别精度.
- 该方法在有限的培训数据下显示出优异的实时性能.
结论:
- 基于点云的手势识别方法显著提高了实时性能.
- TRANS-CNN模型有效地提取了深层特征,以准确地分类手势.
- 这种方法为基于毫米波雷达的手势识别应用提供了有前途的解决方案.


