基于Trans-CNN模型的毫米波雷达手势识别方法

本发明公开了基于Trans‑CNN模型的毫米波雷达手势识别方法，实现过程包括：通过毫米波雷达获取不同人、背景、手势的原始数据；对原始数据处理，获取时间帧、X坐标、Y坐标、速度、距离、方位角6个特征，形成点云数据集；对点云数据进行统一化处理，生成30*45*5的特征张量；将点云数据传入模型进行学习；连接毫米波雷达采集手势数据，处理得到点云数据，输入手势识别模型，得到手势结果。本发明通过点云数据充分提取手势特征，克服了目前特征图数据量大、特征提取不足的问题，同时多头自注意力机制的引入，克服了网络训练时间长的问题。本发明用于汽车自动驾驶、智能家居等领域。