تشخیص انواع حرکت دست (Gesture) با استفاده از رادار FMCW
محور پژوهش
فناوری اطلاعات و ارتباطات و نرم‌افزارهای رایانه‌ای
پژوهشکده/دانشکده
مهندسی برق و کامپیوتر
حوزه پژوهش
تشخیص نوع حرکت در رادار
عنوان
تشخیص انواع حرکت دست (Gesture) با استفاده از رادار FMCW
هدف از اجرای پژوهش، کاربردها، مزیت‌ها و ضرورت انجام پروژه
: هدف از اجرای این پروژه، مشاهده و پردازش سیگنال دریافتی از انوع حرکت های دست در رادار FMCW و پردازش سیگنال دریافتی و پیاده سازی بلوک پردازشی است که بتواند انواع حرکت انگشتان دست را از یکدیگر تفکیک کرده و برای هر حرکت دست عکس العمل مناسب نشان دهد و در واقع برنامه کاربردی طراحی کرد که توسط رادار FMCW از حرکات مختلف دست انسان فرمان بگیرد و نیاز به لمس مستقیم صفحه نمایش یا استفاده از موس نباشد. گزارش و شرح زیرساخت‌ها، فعالیت‌ها، و دستاوردها برای تشخیص حرکت دست ابتدا از روش های پردازش تصویر استفاده می شد [1]اما بار پردازشی روش های پردازش تصویر زیاد بوده و همچنین این روش‌ها در محیط‌های تاریک کارایی خود را از دست می‌دهند. در مقاله[2] پیشنهاد شد که با استفاده رادار و پردازش های زمان_فرکانسی مانند STFT بر روی سیگنال دریافتی از رادار، تصویری بدست می‌آید که به آن امضاء مایکروداپلر گویند، با استفاده از این تصویر می‌توان بین حرکات مختلف انگشتان دست تفاوت قائل شد. بدین منظور بعد از بدست آوردن تصویر امضاء مایکروداپلر، از روش هایی PCA(Principal Component Analysis) یا... استفاده کرده و اطلاعات موجود در تصویر امضاء مایکروداپلر را تحت عنوان بردار ویژگی بدست آورده و این بردار ویژگی ها را به یک الگوریتم کلاسبندی مانند: SVM(Support Vector Machine) یا ... داده و نوع حرکت دست و انگشتان را تشخیص خواهیم داد. لازم به ذکر است که امروزه چیپ های رادار FMCW در ابعاد بسیار کوچک پیاده سازی شده اند که قابلیت نصب در داخل تجهیزاتی مانند لپ تاپ و حتی موبایل را دارا می باشند. در حال حاضر 2 پروژه پژوهشی/ساخت در این زمینه تعریف شده و پیاده سازی سخت افزار نمونه گیری انجام و آزمایشات اولیه انجام شده است. تصاویر و محتوای گرافیکی مرتبط تصویرهایی از امضاء های مایکروداپلر در انواع مختلف حرکت انگشتان دست: .


مراجع: [1]:Ohn-Bar, Eshed, and Mohan Manubhai Trivedi. "Hand gesture recognition in real time for automotive interfaces: A multimodal vision-based approach and evaluations." IEEE transactions on intelligent transportation systems 15.6 (2014): 2368-2377. [2]:Amin, Moeness G., Zhengxin Zeng, and Tao Shan. "Hand gesture recognition based on radar micro-Doppler signature envelopes." 2019 IEEE Radar Conference (RadarConf). IEEE, 2019.