[发明专利]基于FMCW雷达系统的笔画识别方法以及系统

说明书

本发明公开了一种基于FMCW雷达系统的笔画识别方法以及系统，该方法包括：获取基于FMCW雷达系统手写汉字包含的至少一个待识别笔画的中频信号数据；对各待识别笔画的中频信号数据进行预处理，获取各待识别笔画的特征图集合；获取训练完成的汉字基本笔画识别模型；汉字基本笔画识别模型是指以特征图集合为输入参数，以基本笔画类别为输出参数的卷积神经网络模型；将各待识别笔画的特征图集合输入至汉字基本笔画识别模型中，并获取汉字基本笔画识别模型输出的与各待识别笔画匹配的基本笔画类别。本发明降低了用于表征手势运动趋势的数据量，提高了特征提取效率，且能够精确地判别出基本笔画类别。

技术领域

本发明属于手势识别技术领域，具体是涉及到一种基于FMCW雷达系统的笔画识别方法以及系统。

背景技术

目前常用的人机交互方法有键盘、鼠标、手写板、触屏输入等，这些方式都是接触式人机交互方式。在很多特殊应用场景下接触式交互设备受环境限制，比如手术室的无菌操作和视觉障碍用户的操作。但随着科技的发展，很多智能终端设备以及人机交互设备出现在市场上，一些智能手机上设置了无障碍模式，提供了语音反馈以便用户在使用设备时不用看着屏幕，这能简化视觉障碍用户的操作，但可能存在隐私问题。针对视觉障碍用户设计专用的人机交互设备，用户需要费大量时间去适应产品，其没有主动去适应用户需求，而需要用户做出变化。

在非接触式人机交互设备中，基于视觉的人机交互设备有人提出了通过手机摄像头识别汉字的方法：一个是通过摄像头框取，扫描并识别汉字的方法，这种方法需要用户不断调整摄像头的上下距离和左右位置来框取，并点击确认来获取所要识别的汉字，其操作不好控制；另一个是通过先拍得一张包含所需汉字的图片，然后涂抹所要识别汉字，再将涂抹区域进行识别的方法，这种方法步骤过多且涂抹位置不好把握。还有人提出基于计算机视觉手势的文字输入方式：一个途径是人们正常使用纸笔书写然后通过摄像头采集纸上的书写墨迹，将其识别为文字。这种方法仍然受到了外部条件（如，纸张大小等）的限制；另一个途径是直接通过手指在桌面或空中书写虚拟文字，使用摄像头或运动传感器（如，Kinect等）实时采集手指的移动轨迹，之后将轨迹识别为文字，这种方法字与字之间很难切割，只能识别最简单的文字。

基于射频的人机交互设备也只是做到了简单的手势指令操作，从目前已发表的文献资料来看，还没有利用毫米波雷达完成手写汉字基本笔画识别的相关研究。如果能够准确的识别手写汉字基本笔画，后续能发展到非接触式手写汉字人机交互设备，此项研究不仅能运用在无障碍模式中，也能运用在游戏、医疗、军事等人机交互领域。

发明内容

针对现有非接触式人机交互设备存在的上述问题，本发明提供一种基于FMCW雷达系统的笔画识别方法以及系统。

本发明的技术方案如下：

第一方面，一种基于FMCW雷达系统的笔画识别方法，包括：

获取基于FMCW雷达系统手写汉字包含的至少一个待识别笔画的中频信号数据；

对各所述待识别笔画的所述中频信号数据进行预处理，获取各所述待识别笔画的特征图集合；该预处理包括特征提取和特征增强；

获取训练完成的汉字基本笔画识别模型；所述汉字基本笔画识别模型是指以所述特征图集合为输入参数，以基本笔画类别为输出参数的卷积神经网络模型；

将各所述待识别笔画的所述特征图集合输入至所述汉字基本笔画识别模型中，并获取所述汉字基本笔画识别模型输出的与每个所述待识别笔画匹配的基本笔画类别。

优选地，所述对各所述待识别笔画的所述中频信号数据进行预处理，获取各所述待识别笔画的特征图集合，包括：

通过第一算法对各所述待识别笔画的所述中频信号数据进行特征提取，获得对应的特征矩阵集合，所述特征矩阵集合包含距离-时间矩阵和角度-时间矩阵；