[發明專利]基于慣性傳感的手勢識別方法

有效

• 申請號: 201611072669.7
• 申請日: 2016-11-28
• 公開（公告）號: CN106598234B
• 公開（公告）日: 2019-05-28
• 發明（設計）人: 夏侯士戟;王琳琳
• 申請（專利權）人: 電子科技大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F3/0346
• 代理公司: 成都行之專利代理事務所(普通合伙) 51220
• 代理人: 溫利平;陳靚靚

本發明公開了一種基于慣性傳感的手勢識別方法，采用三軸慣性傳感器進行手勢數據采集，對采集得到的手勢數據樣本庫中的每個手勢動作進行主軸判斷，然后對手勢數據樣本庫中的各個手勢動作下每個實驗者的手勢數據分別進行聚類，篩選出典型樣本構建該手勢動作的典型樣本集，在手勢識別時，首先對測試手勢動作的手勢數據進行主軸判斷，然后從手勢數據樣本庫的手勢動作中篩選主軸相同的手勢動作，然后計算測試手勢數據與這些手勢動作典型樣本集之間的相似度，選擇相似度最大的手勢動作作為測試手勢的所屬類別。本發明通過采用主軸判斷和典型樣本篩選，可以有效降低算法的復雜度，提高手勢識別準確率。

技術領域

本發明屬于手勢識別技術領域，更為具體地講，涉及一種基于慣性傳感的手勢識別方法。

背景技術

近年來隨著技術發展，人機交互技術在生活中已經得到較為廣泛的應用，人體手勢作為最豐富、最有含義的人體動作，可以更自然地向環境傳遞有意義的信息，有效降低學習成本。由于不同用戶個體的手勢動作在速度、幅度等多方面差異化較大，基于慣性傳感的手勢追蹤與識別方法的研究焦點集中于如何使不依賴于個體的手勢識別方法更具有個體魯棒性，同時獲得更快的動態響應。

現有學術研究中，RuizeXu等人提出一種基于手勢標識和模板匹配算法的手勢識別方法，在不依賴于個體的手勢識別問題上獲得了更高的識別率。但適于比較簡單的手勢動作，對于復雜手勢動作，標識困難。Kuang-YowLian等人提出一種基于特征提取和訓練的改進隱馬爾可夫模型的手勢識別方法，但由于用戶個體差異，同一手勢信號存在較大差異，難以建立準確的手勢模板和隱馬爾可夫模型。KBarczewska等人對比了三種不同的基于DTW(DynamicTime Warping，動態時間歸整)算法的手勢識別方法(DTW、DDTW、PDTW)的優劣，實驗結果表明：DDTW方法對信號求導處理后再進行DTW運算，增強了算法對信號局部變化的適應性，具有最高的識別準確率；PDTW方法的識別準確率最低，但對于大量數據集的處理可以有效地縮短運算時間，不同的壓縮率決定方法的運算時間。HussainSMA等人針對連續手勢識別系統，運用加速度傳感器多維數據進行DTW計算，在一定程度上提高了算法識別率，但增加了運算時間。

以上幾種方法將采集的數據隨機抽取出一部分作為DTW算法模板匹配的樣本，均未對樣本集做特殊處理，不能保證樣本的標準度、有效性及可用性。

在公布號為“CN105824420A”、名稱為“一種基于加速度傳感器的手勢識別方法”的專利中公開了一種手勢識別方法，該方法側重于可自動判斷動作的起點和終點，不需要外界的控制介入。通過三步(夾角、特征、狀態)步排除掉不符合標準的手勢，減少了總體計算量。但由于動作庫特征通過采集大量手勢標本獲得，對于實驗中不同個體特征的包容性差，手勢識別準確率不高。

發明內容

本發明的目的在于克服現有技術的不足，提供一種基于慣性傳感的手勢識別方法，通過采用主軸判斷和典型樣本篩選，可以有效降低算法的復雜度，提高手勢識別準確率。

為實現上述發明目的，本發明基于慣性傳感的手勢識別方法包括以下步驟：

S1：采用三軸慣性傳感器采集M位實驗者的Q個手勢動作數據構建手勢數據樣本庫，每個實驗者對每個手勢動作重復N次，記第m位實驗者對第q個手勢動作第n次重復的三軸手勢數據為G_q,m,n，其中q＝1,2,…,Q、m＝1,2,…,M、n＝1,2,…,N；

S2：對每個手勢動作進行主軸判斷，從三軸中篩選出主軸；