该项目基于调频连续波FMCW雷达,结合深度学习数据处理方式,实现人体姿势、手势识别的功能;并基于Jetson Nano深度学习平台,实现基于边缘计算的实时姿势、手势识别系统。本项目首先对FMCW毫米波雷达采集到的人体姿势或手势数据,提取其距离、速度和角度等相关信息,处理后构建多维参数数据集。其次,构造深度学习网络完成人体姿势、手势识别功能。具体来说,该深度学习网络包含多种模块,如融合数据多维参数特征的活动识别模块,消除背景噪声和环境干扰的域鉴别器模块,基于小样本数据的元学习模块等,可根据实际应用需求加以选取。最后,基于Jetson Nano深度学习平台,在边缘端完成姿势、手势的实时识别任务。