-
公开(公告)号：CN110765974B
公开(公告)日：2023-05-02
申请号：CN201911054117.7
申请日：2019-10-31
Applicant: 复旦大学
IPC: G06V40/20 , G06V10/774 , G06V10/764 , G01S13/88 , G06V10/82 , G06N3/0464
Abstract: 本发明属于人机交互技术领域，具体为基于毫米波雷达和卷积神经网络的微动手势识别方法。本发明的主要步骤包括：根据应用场景设计雷达参数和微动手势；利用毫米波雷达周期性地发射具有确定雷达参数的线性调频信号同时接收人体手部反射的回波信号，与发射信号进行差频后进行ADC采样得到数字中频信号；对数字中频信号进行处理，计算微动手势的特征参数；选取某一特征，建立多种手势的数据集；针对毫米波雷达特征图像设计卷积神经网络，输入手势数据集训练得到分类模型；调用分类模型实现多种手势的分类识别。本发明实用性强，可用于智能家居、隔空输入、手语翻译、机械控制、VR、AR等领域，应用前景广阔。
-
Patent Agency Ranking
公开(公告)号：CN110988861B
公开(公告)日：2022-09-16
申请号：CN201911056144.8
申请日：2019-10-31
Applicant: 复旦大学
IPC: G01S13/42 , G01S13/58 , G01S13/88 , G06V40/20 , G06V40/10 , G06V10/74 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/02
Abstract: 本发明属于模式识别技术领域，具体为一种基于毫米波雷达的人体姿态识别系统。本发明系统包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；毫米波雷达子系统向检测范围内发射线性调频连续波信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换采样后输出中频原始数据；数据处理与跟踪定位子系统从原始数据中提取能够表征人体姿态的多种特征，包括距离、速度、加速度、方位特征等，实时跟踪定位人体所在位置；人工智能分类子系统对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态。本发明着眼于现实生活中的人体姿态识别和状态监测，可以适用于家庭、办公室、工厂车间、医院病房、养老院等场景。
-
公开(公告)号：CN112444805A
公开(公告)日：2021-03-05
申请号：CN202011198445.7
申请日：2020-11-01
Applicant: 复旦大学
Abstract: 本发明属于定位跟踪与身份识别技术领域，具体为基于雷达的分布式多目标检测、定位跟踪与身份识别系统。本发明系统包括雷达数据采集子系统、数据处理子系统、多目标跟踪子系统、身份识别子系统和智能交互子系统；雷达数据采集子系统获取包含场景和多目标信息的原始雷达数据；数据处理子系统对原始雷达数据进行数字信号处理，得到包含场景和多目标信息的雷达特征数据；多目标跟踪子系统采用多目标跟踪与身份识别子系统的双向反馈机制对多目标进行检测跟踪；身份识别子系统对多目标的身份和轨迹识别；本发明适用于智能家居、智能楼宇、智慧医疗、智慧城市等多种领域。
-
公开(公告)号：CN110988861A
公开(公告)日：2020-04-10
申请号：CN201911056144.8
申请日：2019-10-31
Applicant: 复旦大学
Abstract: 本发明属于模式识别技术领域，具体为一种基于毫米波雷达的人体姿态识别系统。本发明系统包括毫米波雷达子系统、数据处理与跟踪定位子系统、人工智能分类子系统；毫米波雷达子系统向检测范围内发射线性调频连续波信号，并采集人体反射的雷达回波数据，经混频、滤波和模数转换采样后输出中频原始数据；数据处理与跟踪定位子系统从原始数据中提取能够表征人体姿态的多种特征，包括距离、速度、加速度、方位特征等，实时跟踪定位人体所在位置；人工智能分类子系统对特征信息进行过滤、分类和判决，综合分类和判决结果确定人体姿态。本发明着眼于现实生活中的人体姿态识别和状态监测，可以适用于家庭、办公室、工厂车间、医院病房、养老院等场景。
-
公开(公告)号：CN110765974A
公开(公告)日：2020-02-07
申请号：CN201911054117.7
申请日：2019-10-31
Applicant: 复旦大学
Abstract: 本发明属于人机交互技术领域，具体为基于毫米波雷达和卷积神经网络的微动手势识别方法。本发明的主要步骤包括：根据应用场景设计雷达参数和微动手势；利用毫米波雷达周期性地发射具有确定雷达参数的线性调频信号同时接收人体手部反射的回波信号，与发射信号进行差频后进行ADC采样得到数字中频信号；对数字中频信号进行处理，计算微动手势的特征参数；选取某一特征，建立多种手势的数据集；针对毫米波雷达特征图像设计卷积神经网络，输入手势数据集训练得到分类模型；调用分类模型实现多种手势的分类识别。本发明实用性强，可用于智能家居、隔空输入、手语翻译、机械控制、VR、AR等领域，应用前景广阔。
-
公开(公告)号：CN110687816A
公开(公告)日：2020-01-14
申请号：CN201911052118.8
申请日：2019-10-31
Applicant: 复旦大学
IPC: G05B15/02 , G05B19/418
Abstract: 本发明属于智能识别与控制技术领域，具体为一种基于毫米波雷达的智能家居控制系统和方法。本发明系统包括毫米波雷达系统、信号处理系统、人工智能分类系统、中央控制系统；毫米波雷达系统向雷达照射场景发射线性调频连续波信号，并接收场景反射的回波信号，经处理得到中频原始数据；信号处理系统对原始数据进行处理得到特征数据，并将特征数据传输至人工智能分类系统；人工智能分类系统对毫米波雷达特征数据进行离线训练和在线分类，并传输至中央控制系统；中央控制系统对系统实时控制、监测与通信。本发明利用毫米波雷达实现智能家居领域的非接触式远程控制，提高日常生活的便捷性、舒适性和智能性，适用于普通家庭、办公室、会议室等场所。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
