-
公开(公告)号:CN115438691B
公开(公告)日:2024-09-24
申请号:CN202210978371.1
申请日:2022-08-16
申请人: 山东科技大学
IPC分类号: G06F18/24 , G06F18/241 , G06F18/214
摘要: 本发明提供了一种基于无线信号的手势识别方法,包括以下步骤:在实验室内部署一个数据采集装置,该装置包括一个发射端和一个接收端;组织m名实验者坐在发射端和接收端中间的位置,做出规定的手势动作,每个手势动作重复n次,进行实验数据的采集;针对采集到的手势数据,提取其CSI的幅值信息,利用离散小波变换进行降噪处理,将处理后的数据集划分为训练集和测试集;构建小样本手势识别模型;构建完成后将训练集放入模型中进行训练,待模型训练完成后用测试集进行测试,查看分类效果。本发明方法解决了传统的深度学习方式中利用大量数据去训练模型的问题,实现了仅用每类很少的样本数量就能识别新的手势类别的目的,此方法大大降低了人工成本。
-
公开(公告)号:CN115630292A
公开(公告)日:2023-01-20
申请号:CN202211169252.8
申请日:2022-09-26
申请人: 山东科技大学
IPC分类号: G06F18/2135 , G06F18/2411 , G06F18/214 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明公开了一种基于WiFi网络信号的键盘击键识别系统及方法,属于人机交互领域。该系统包括CSI数据采集硬件平台、键盘;CSI数据采集硬件平台包括WiFi信号发射端、WiFi信号接收端,WiFi信号发射端和接收端分别连接三根天线,发射端连接的三根天线均位于键盘右侧,接收端连接的三根天线均位于键盘左侧;WiFi信号接收端内还安装有训练好的WiNum神经网络模型。该方法通过将数据采集硬件平台采集到的CSI数据利用所设计的击键识别算法进行处理就可推断出击键是否发生和击键的类别。本发明识别准确率和稳定性较高且不需要其它传感器的辅助,大大降低了开发成本,具有很高的可移植性,另外,该系统安装简便,维护方便,可长时间运作。
-
公开(公告)号:CN115438691A
公开(公告)日:2022-12-06
申请号:CN202210978371.1
申请日:2022-08-16
申请人: 山东科技大学
摘要: 本发明提供了一种基于无线信号的手势识别方法,包括以下步骤:在实验室内部署一个数据采集装置,该装置包括一个发射端和一个接收端;组织m名实验者坐在发射端和接收端中间的位置,做出规定的手势动作,每个手势动作重复n次,进行实验数据的采集;针对采集到的手势数据,提取其CSI的幅值信息,利用离散小波变换进行降噪处理,将处理后的数据集划分为训练集和测试集;构建小样本手势识别模型;构建完成后将训练集放入模型中进行训练,待模型训练完成后用测试集进行测试,查看分类效果。本发明方法解决了传统的深度学习方式中利用大量数据去训练模型的问题,实现了仅用每类很少的样本数量就能识别新的手势类别的目的,此方法大大降低了人工成本。
-
-