[發明專利]一種微手勢識別方法

有效

• 申請號: 201910496492.0
• 申請日: 2019-06-10
• 公開（公告）號: CN110309726B
• 公開（公告）日: 2022-09-13
• 發明（設計）人: 孫元功;郭小沛;馮志全
• 申請（專利權）人: 濟南大學
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06F3/01
• 代理公司: 北京中索知識產權代理有限公司 11640
• 代理人: 商金婷

1.一種微手勢識別方法，采用收據手套作為輸入設備，所述的數據手套可獲取m個關節的旋轉角度數據，其特征在于，包括以下步驟：

a.首先進行數據預處理，將獲取的數據使用最小二乘法進行曲線擬合處理，擬合曲線的多項式的公式為其中n為多項式的階數，并經實驗分析取得擬合效果最好即曲線值與真實值的平方差和最小的多項式階數且無過擬合現象；

b.進行手勢建模，由于采集的手勢數據均為手部關節的微小的運動變化，每種手勢都可看做m組確定時間序列，每組數據的長度為步驟a中獲得的曲線采樣數據數量n，記為TI＝{(t₁,Y₁),(t₂,Y₂),…,(t_n,Y_n)}，t_i代表第i幀，Y_i為該時刻的取值，為對每組數據的變化趨勢進行定量描述，每種手勢包括m組數據，也即m個序列區間，并記為s₁,s₂,L,s_m，每種手勢在區間s_i(1≤i≤m)內的變化趨勢記為sc_i，且sc_i∈{sc_up,sc_dw,sc_st,sc_pk,sc_th}，并分別量化且對應于1，2，3，4，5，其中sc_up表示呈現上升趨勢，sc_dw表示呈現下降趨勢，sc_st表示呈現平緩趨勢，sc_pk表示取得峰值，sc_th表示取得谷值，這樣對于一種手勢的m組數據，都需要首先獲取該段曲線上的數據的起始點、中間點及結束點的取值，分別記為V₁、V₂和V₃，并獲得該組數據的最大值V_max和最小值V_min，判斷每段曲線的序列趨勢，將各個序列趨勢組合起來便獲得該種手勢的趨勢符號隊列，記為SL(T)＝{(s₁,sc₁),(s₂,sc₂),…,(s_i,sc_i)}，其中sc_i∈{sc_up,sc_dw,sc_st,sc_pk,sc_th}(1≤i≤m)，由于五種狀態已經分別量化為1～5的整數，故每種手勢都可以用一個包含m個元素的離散子序列SLZ來表示；

c.進行手勢識別，使用基于模板匹配的編輯距離進行手勢的匹配與識別，編輯距離的動態規劃方程可表示為：

其中，手勢1與手勢2的編輯距離表示為Dis(1,2)，那么兩種手勢的相似度用ρ(ρ∈[0,1]})來表示，如果ρ＞ε，則將手勢1和手勢2看做微同一種手勢，反之亦然，其中ε為相似性閾值，ρ如式(3)所示，

其中X、Y分別為手勢1和手勢2的序列長度，若兩組數據被識別為一種手勢，那么其相似度應無限接近或等于1。

2.根據權利要求1所述的一種微手勢識別方法，其特征在于，所述的數據手套可獲取關節旋轉角度數據的數量m為15個。