[發明專利]基于改進的K-means聚類算法的機器人手勢識別方法

在審

• 申請號: 202010157400.9
• 申請日: 2020-03-09
• 公開（公告）號: CN111368762A
• 公開（公告）日: 2020-07-03
• 發明（設計）人: 楊忠;宋愛國;徐寶國;吳有龍;唐玉娟
• 申請（專利權）人: 金陵科技學院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

基于改進的K?means聚類算法的機器人手勢識別方法。步驟1，利用嵌有微納光纖傳感器的手套采集手部運動的數據，其中傳感器采集數據維度為6維；步驟2，通過手套上的WIFI模塊將微納光纖傳感器采集到的數據上傳給機器人；步驟3，機器人結合改進的K?means聚類算法預先確定不同手勢對應的聚類中心；步驟4，計算當前微納傳感器采集的數據至預先確定的不同手勢的聚類中心的歐氏距離；步驟5，將所計算的各歐氏距離與相應類別的閾值進行比較，如果歐式距離比類別閾值低，則判定為該類，否則，重新訓練模型；步驟6，機器人根據判斷的結果完成相應的動作，至此，一個完整的閉環結束。本發明通過改進的K?means聚類算法有效的實現了機器人對各類手勢精確的識別。

技術領域

本發明涉及機器人手勢識別領域，特別是涉及基于改進的K-means聚類算法的機器人手勢識別方法。

背景技術

隨著人工智能和虛擬現實技術的不斷發展，人機交互系統已經成為當前的研究熱點。現今，作為一種新興的人機交互方式，手勢識別得到了很多研究者的重視，并產生了一系列有效的成果，且在諸如智能機器人、智能駕駛等設備中得到了廣泛的應用。手勢識別，簡單的來說就是讓機器在視覺或傳感器采集系統的輔助下來理解人類所想要表達的思想，即通過無接觸的方式完成交互過程，從而通過機器人完成相應的動作，在真正意義上實現智能化。

針對機器人手勢識別的問題，國內涉及該問題解決方案的專利有“一種基于深度視覺的協作機器人手勢識別方法及裝置”(201910176271.5)，預先獲取手勢模板集合，同時獲取待識別手勢的若干張深度圖；針對每一個手勢模板，獲取所述待識別手勢與所述手勢模板的距離，并將與所述待識別手勢之間距離最小的手勢模板作為所述待識別手勢的識別結果，進而根據對應于識別結果的控制參數進行協作機器人的控制。國家發明專利“一種基于智能機器人的手勢識別方法”(201910118356.8)，通過調用機器人自帶的攝像頭獲取手勢圖像，并建立手勢模板；通過基于膚色檢測和基于最大類間方差對手勢進行分割；使用中值濾波算法對分割后的手勢圖像進行去噪，并提取手勢邊緣輪廓；而后基于手勢模板、手勢邊緣輪廓，采用歐式距離的模板匹配法，得到識別結果。以上兩個發明專利都是對手勢圖片進行識別，過大維度的圖片數據，一方面增大了模型的訓練難度，另一方面在實際應用時，也增加了模型判別的時間。

發明內容

為解決上述問題，本發明在微納光纖傳感器、K-means聚類算法的基礎上，提出了基于改進的K-means聚類算法的機器人手勢識別方法。首先利用微納光纖傳感器采集不用手勢下對應的數據；而后利用改進的K-means聚類算法依次確定不同手勢對應的聚類中心和類別閾值；同時該模型支持在線的更新優化，大大的提高了模型的泛化性；最后成功應用于實際，實現了機器人對不同手勢的精準識別。為達此目的，本發明提供基于改進的K-means聚類算法的機器人手勢識別方法，具體步驟如下，其特征在于：

步驟1，利用嵌有微納光纖傳感器的手套采集手部運動的數據，其中傳感器采集數據維度為6維；

步驟2，通過手套上的WIFI模塊將微納光纖傳感器采集到的數據上傳給機器人；

步驟3，機器人結合改進的K-means聚類算法預先確定不同手勢對應的聚類中心；

步驟4，計算當前微納傳感器采集的數據至預先確定的不同手勢的聚類中心的歐氏距離；

步驟5，將所計算的各歐氏距離與相應類別的閾值進行比較，如果歐式距離比類別閾值低，則判定為該類，否則，重新訓練模型；

步驟6，機器人根據判斷的結果完成相應的動作，至此，一個完整的閉環結束。

進一步，步驟3中利用改進的K-means聚類算法預先確定不同手勢對應的聚類中心的具體步驟為：

步驟3.1，在所有的樣本點中任意選擇一個樣本點作為第一個類別的初始聚類中心c₁；