基于Vision Transformer的毫米波雷达手势识别算法

作者：郭剑; 张姝; 王书轩; 韩崇; 孙力娟

来源：现代雷达, 2023, 45(12): 79-86.

DOI：10.16592/j.cnki.1004-7859.2023.12.012

• 手势识别
• 调频连续波雷达
• 自注意力机制
• 卷积神经网络

基于毫米波雷达的手势识别在体感游戏、远程操控、医疗监护等领域具有广阔的应用前景，现有的研究大多利用卷积神经网络、循环神经网络等对雷达提取到的二维手势特征图进行处理，以实现手势分类。对于复杂的动态手势，存在训练效率低、并行能力差等不足。针对上述问题，文中提出了一种基于距离-多普勒-角度多维特征的卷积自注意力机制网络(CVTNet)模型。CVTNet模型针对射频手势信号，先利用卷积层对距离-多普勒-角度图进行特征提取，再使用Vision Transformer进行手势的识别与分类。仿真结果表明，基于CVTNet的手势识别算法拥有更高的识别准确率，达到96.29%。同时，该算法在微手势及静态手势的识别上具有更大的优势。

• 单位
  南京邮电大学