[發明專利]一種基于手勢的人機交互方法

在審

• 申請號: 201611150781.8
• 申請日: 2016-12-14
• 公開（公告）號: CN107037878A
• 公開（公告）日: 2017-08-11
• 發明（設計）人: 劉金國;王志恒;趙梓淇;曹江濤;高慶
• 申請（專利權）人: 中國科學院沈陽自動化研究所
• 主分類號: G06F3/01
• 分類號: G06F3/01
• 代理公司: 沈陽科苑專利商標代理有限公司21002
• 代理人: 李巨智

1.一種基于手勢的人機交互方法，其特征在于，包括：

步驟1：根據數據手套的彎曲度值，構建手勢初始模板，并對手勢初始模板數據進行歸一化處理，得到手勢訓練集模板；

步驟2：采用改進的PSO算法對SVM支持向量機分類器進行參數尋優，得到懲罰參數和核參數最優值；

步驟3：將尋優后的參數結果導入SVM支持向量機分類器預測函數中，對手勢訓練集模板進行訓練，對訓練后的手勢訓練集模板用測試集進行預測，得到SVM支持向量機分類預測模板；

步驟4：實時采集手勢數據，并對實時手勢數據進行歸一化處理，將歸一化處理后的數據在SVM支持向量機分類器中進行分類；

步驟5：將分類后的數據進行手勢匹配，得到匹配結果，通過控制器控制采樣機器人。

2.根據權利要求1所述的基于手勢的人機交互方法，其特征在于：構建手勢初始模板的過程為：

對每一種手勢，采集其數據手套的對應彎曲度值若干次，得到N*5的矩陣，從而建立手勢初始模板。

3.根據權利要求1所述的基于手勢的人機交互方法，其特征在于：所述歸一化處理過程為：

其中，x表示要歸一化的初始數據，y表示歸一化的結果，x_max初始數據最大值，x_min表示初始數據最小值，y_max表示歸一化結果數據最大值，y_min表示歸一化結果最小值。

4.根據權利要求1所述的基于手勢的人機交互方法，其特征在于：所述改進的PSO算法為：

其中，搜索空間為D維；總粒子數為N；第i個粒子的位置表示為P_i＝(P_i1,P_i2,…P_iD)；V_i為第i個粒子飛行位置變化率，V_i＝(V_i1,V_i2,...V_iD)；pBest_i為個體最優值，表示第i個粒子在飛行的歷史中去過的最優位置，pBest_i＝(P_i1,P_i2,…P_iD)；gBest為全局最優值，表示當前種群在飛行中全部粒子的最優位置；ω為改進的慣性權重；c₁、c₂是加速因子，是兩個正實數，分別稱為認知學習率和社會學習率，c₁和c₂取值范圍為[1,2.5]且c₁+c₂>4；rand()為[0,1]范圍內相互獨立的隨機數；T_max和T分別代表種群的最大迭代次數和當前迭代次數；ω_start和ω_end分別代表初始迭代權重和終止迭代權重，其中ω_start＝0.9，ω_end＝0.4。

5.根據權利要求2所述的基于手勢的人機交互方法，其特征在于：將對每一種手勢采集其數據手套的對應彎曲度值次數的一部分用于對手勢訓練集模板進行訓練。

6.根據權利要求1或5所述的基于手勢的人機交互方法，其特征在于：所述對手勢訓練集模板進行訓練為：

根據數據手套的對應彎曲度值，將手勢訓練集模板劃分為若干區間，作為分類區間。

7.根據權利要求1所述的基于手勢的人機交互方法，其特征在于：所述用測試集進行預測過程為：

將測試集的手勢數據輸入到手勢訓練集模板中，進行分類，判斷分類值是否滿足分類區間；

如果滿足分類區間，則得到SVM支持向量機分類預測模板；否則返回步驟3。

8.根據權利要求1所述的基于手勢的人機交互方法，其特征在于：所述手勢匹配過程為：

將分類后的數據根據分類進行編號，得到的編號與已有的控制編號進行匹配；

如果匹配成功，則根據對應的控制編號的控制狀態對采樣機器人進行控制；否則返回步驟3。

9.根據權利要求1所述的基于手勢的人機交互方法，其特征在于：所述數據手套包括在每根手指彎曲處設置彎曲傳感器，連接ARM控制器，采集彎曲度值發送到ARM控制器；分壓電路連接ARM控制器，通過串聯電阻分壓控制電流大小。