面向边缘端 FMCW 雷达的手势识别
机器学习
2024-02-29 v2 信号处理
摘要
本文介绍一种基于 60 GHz 调频连续波（FMCW）雷达的轻量级手势识别系统。我们表明手势可由一组五个特征高效刻画，并提出一种精简雷达处理算法来提取这些特征。与先前方法不同，我们避免繁重的二维处理（即距离-多普勒成像），而是执行早期目标检测——这使我们能将系统移植到对内存、算力和功耗有严格限制的完全嵌入式平台。一种基于循环神经网络（RNN）的架构利用这些特征联合检测并分类五种不同的手势。所提系统在留出测试数据集上以 98.4% 的 F1 分数识别手势，它运行于 Arm Cortex-M4 微控制器，所需闪存低于 280 kB、RAM 低于 120 kB，且功耗 75 mW。
引用
@article{arxiv.2310.08876,
title = {Gesture Recognition for FMCW Radar on the Edge},
author = {Maximilian Strobel and Stephan Schoenfeldt and Jonas Daugalas},
journal= {arXiv preprint arXiv:2310.08876},
year = {2024}
}
备注
4 pages, 5 figures, accepted in 2024 IEEE Topical Conference on Wireless Sensors and Sensor Networks (WiSNeT)