技术特征：
1.一种基于毫米波雷达的手势识别方法，其特征在于，应用于包括毫米波雷达的终端设备，所述方法包括：获取毫米波雷达扫描产生的回波信号；根据所述回波信号及所述毫米波雷达的参数，生成多帧初始距离多普勒矩阵，所述初始距离多普勒矩阵为二维矩阵，所述初始距离多普勒矩阵在第一维度上的位置表示反射所述回波信号的对象与所述毫米波雷达之间的距离，所述初始距离多普勒矩阵在第二维度上的位置表示所述对象相对于所述毫米波雷达的速度，所述初始距离多普勒矩阵的元素表示所述对象在对应的距离和速度下反射的回波信号的信号强度；对所述多帧初始距离多普勒矩阵进行降噪预处理，得到多帧距离多普勒矩阵；将所述多帧距离多普勒矩阵输入手势识别神经网络模型以识别出手势的类别。2.根据权利要求1所述的方法，其特征在于，所述根据所述回波信号及所述毫米波雷达的参数，生成多帧初始距离多普勒矩阵，包括：根据所述回波信号及所述毫米波雷达的参数，通过快时间维度快速傅里叶变换计算所述对象与所述毫米波雷达之间的距离，通过慢时间维度快速傅里叶变换计算所述对象相对所述毫米波雷达的速度，其中，所述快时间维度表示所述回波信号的单个线性调频序列，所述慢时间维度表示所述回波信号的信号帧，每个信号帧包括多个线性调频序列；根据所述对象与所述毫米波雷达之间的距离、所述对象相对所述毫米波雷达的速度、所述回波信号的信号强度生成多帧初始距离多普勒矩阵。3.根据权利要求2所述的方法，其特征在于，所述对所述多帧初始距离多普勒矩阵进行降噪预处理，得到多帧距离多普勒矩阵，包括：从所述多帧初始距离多普勒矩阵中确定最强信号强度大于预设阈值的第一初始距离多普勒矩阵；从所述多帧初始距离多普勒矩阵中确定最强信号强度小于等于所述预设阈值的第二初始距离多普勒矩阵；将所述第一初始距离多普勒矩阵的每一元素的信号强度除以所述第一初始距离多普勒矩阵的最强信号强度的商值设置为第三初始距离多普勒矩阵对应元素的信号强度，所述第三初始距离多普勒矩阵与所述第一初始距离多普勒矩阵具有相同维度及相同元素个数；根据所述第三初始距离多普勒矩阵、及所述第二初始距离多普勒矩阵生成所述多帧距离多普勒矩阵。4.根据权利要求3所述的方法，其特征在于，所述将所述第一初始距离多普勒矩阵的每一元素的信号强度除以所述第一初始距离多普勒矩阵的最强信号强度的商值设置为第三初始距离多普勒矩阵对应元素的信号强度，包括：根据以下公式计算第三初始距离多普勒矩阵的每一元素对应的信号强度，将计算得到信号强度设置为所述第三初始距离多普勒矩阵对应元素的信号强度；其中，x
i'j'
表示第三初始距离多普勒矩阵中第i’行第j’列元素的信号强度，x
max
表示第一初始距离多普勒矩阵的最强信号强度，x
ij
表示第一初始距离多普勒矩阵中第i行第j列元素的信号强度，a为预设阈值。
5.根据权利要求3所述的方法，其特征在于，所述根据所述第三初始距离多普勒矩阵、及所述第二初始距离多普勒矩阵生成所述多帧距离多普勒矩阵，包括：按照时间顺序，对所述第三初始距离多普勒矩阵、及所述第二初始距离多普勒矩阵进行排序，得到距离多普勒矩阵序列；依次将所述距离多普勒矩阵序列中，任意相邻两帧的后一帧距离多普勒矩阵的信号强度调整为目标信号强度，将所述距离多普勒矩阵序列中的第一帧距离多普勒矩阵及调整后的距离多普勒矩阵作为所述多帧距离多普勒矩阵，所述目标信号强度为后一帧距离多普勒矩阵的当前信号强度与前一帧距离多普勒矩阵的当前信号强度的差值。6.根据权利要求1所述的方法，其特征在于，所述将所述多帧距离多普勒矩阵输入手势识别神经网络模型以识别出手势的类别之后，所述方法还包括：计算每帧距离多普勒矩阵的信号强度总和；根据所述每帧距离多普勒矩阵的信号强度总和，生成所述多帧距离多普勒矩阵的信号强度变化曲线；将所述信号强度变化曲线中数值低于预设数值的线段去掉，得到目标曲线；在所述目标曲线的波峰的数量大于等于预设数量的情况下，确定所述对象的手势类别识别正确；在所述目标曲线的波峰的数量小于预设数量的情况下，确定所述对象的手势类型识别错误。7.根据权利要求1-6中任一项所述的基于毫米波雷达的手势识别方法，其特征在于，所述手势识别神经网络模型的建立包括以下步骤：构建lstm神经网络模型；获取所述毫米波雷达对多种手势样本扫描得到的回波信号；根据所述多种手势样本的所述回波信号，生成多种手势样本的距离多普勒矩阵；将所述多种手势样本的距离多普勒矩阵作为训练集，输入所述lstm神经网络模型进行训练，得到所述手势识别神经网络模型。8.一种基于毫米波雷达的手势识别装置，其特征在于，应用于包括毫米波雷达的终端设备，所述装置包括：获取模块，用于获取毫米波雷达扫描产生的回波信号；第一生成模块，用于根据所述回波信号及所述毫米波雷达的参数，生成多帧初始距离多普勒矩阵，所述初始距离多普勒矩阵为二维矩阵，所述初始距离多普勒矩阵在第一维度上的位置表示反射所述回波信号的对象与所述毫米波雷达之间的距离，所述初始距离多普勒矩阵在第二维度上的位置表示所述对象相对于所述毫米波雷达的速度，所述初始距离多普勒矩阵的元素表示所述对象在对应的距离和速度下反射的回波信号的信号强度；处理模块，用于对所述多帧初始距离多普勒矩阵进行降噪预处理，得到多帧距离多普勒矩阵；识别模块，用于将所述多帧距离多普勒矩阵输入手势识别神经网络模型以识别出手势的类别。9.一种终端设备，其特征在于，包括毫米波雷达、存储器以及处理器，所述存储器存储有计算机程序，所述计算机程序在所述处理器运行时执行权利要求1至8中任一项所述的基
于毫米波雷达的手势识别方法。10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序在处理器上运行时执行权利要求1至8中任一项所述的基于毫米波雷达的手势识别方法。
技术总结
本申请提供了一种基于毫米波雷达的手势识别方法、装置及终端设备，其中方法包括：获取毫米波雷达扫描产生的回波信号；根据回波信号及毫米波雷达的参数，生成多帧初始距离多普勒矩阵；对多帧初始距离多普勒矩阵进行降噪预处理，得到多帧距离多普勒矩阵；将所述多帧距离多普勒矩阵输入手势识别神经网络模型以识别出手势的类别。因此，本申请通过手势识别神经网络模型对多帧距离多普勒矩阵进行识别，提高毫米波手势识别的准确率。毫米波手势识别的准确率。毫米波手势识别的准确率。
技术研发人员：康圣博
受保护的技术使用者：深圳市万普拉斯科技有限公司
技术研发日：2021.03.09
技术公布日：2022/9/13