基于DenseNet和卷积注意力模块的高精度手势识别

来源：电子与信息学报杂志2024年第3期北京时间：

作者：赵雅琴, 宋雨晴, 吴晗, 何胜阳, 刘璞秋, 吴龙文

单位：1.哈尔滨工业大学电子与信息工程学院 哈尔滨 1500012.中国航天科工集团八五一一研究所 南京 211100

摘要：非接触的手势识别是一种新型人机交互方式，在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景，近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别，该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波，对手势回波进行时频分析，基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理，提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM)，更加全面地表征手势的运动特征，并形成混合特征谱图(FTM)，对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络，将混合特征谱图作为网络的输入，创新性地融合了卷积注意力模块(CBAM)，实验表明，识别准确率达到99.03%，且该网络将注意力放在手势动作的前半段，实现了高精度的手势识别。

关键词：手势识别, 毫米波雷达, 卷积神经网络, 卷积注意力模块

基金资助：国家自然科学基金(61671185, 62071153)