[發明專利]一種智能手套手語識別方法

在審

• 申請號: 202011046159.9
• 申請日: 2020-09-29
• 公開（公告）號: CN112181145A
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 房宥達
• 申請（專利權）人: 房宥達
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種智能手套手語識別方法，其特征在于：首先通過傳感器對手勢姿態進行數據采集，然后根據歐拉角的參數和手指彎曲度數據尋找手勢的起點、終點的變化程度、趨勢及特征點，從而確定有效數據段；最后將此有效數據段的參數與手語匹配通用數據庫進行匹配，判定識別手勢語言，具體包括以下步驟：

步驟1：數據實時采集

步驟1.1對采集到的數據分段處理，設分段數據為x_n，手勢姿態為x(i)i≥1

x_n＝[x(n*L+1)，x(n*L+2)，…，x(n*L+L)]n≥0且為整數 (1)

其中L為采集時間；計算均值M_n，其中M₀為數據段均值；

步驟1.2對x_n計算一階差分絕對值均值

其中，S₀為信號序列的一階差分絕對值均值；

步驟1.3數據歸一化到[0，1]

X^*為歸一化值，x_min為采集數據最小值，x_min為采集數據最大值，分別對彎曲度、加速度和姿態角進行數據歸一化。

步驟2：提取特征量

步驟2.1根據歐拉角的參數和手指彎曲度數據尋找手勢的起點、終點的變化程度、趨勢及特征點，從而確定有效數據段

其中為i個手指l時刻的手指彎曲度采樣值，分別為l時刻的三維加速度值，分別為l時刻的三維角度值，當數據均滿足起始終止條件，判斷手勢開始和結束，其他情況下，判定為有效數據段。

手勢姿態開始：σ_f≤Δfd，σ_f≤Δsd，σ_f≤Δjd

手勢姿態結束：σ_f＞Δfd，σ_f＞Δsd，σ_f＞Δjd

步驟2.2利用有效數據段斜率上的峰值判斷提取特征量

以每個數據的斜率計算數組中的元素值為數據源，進行最小二乘法的單變量擬合，利用如下公式進行斜率求解：

其中K代表某數據斜率；m為計算數據點的個數；σ_fd為斜率計算數組中手勢姿態對應的數組元素值，增加時域上的判斷特征點，可使手語數據識別匹配的時候能實現更好的識別效果，該特征量出現時間可以由數據達到第一次最大峰值段的時間點體現出；

步驟3：手勢識別匹配

步驟3.1構建矩陣網格

設目標數據庫中的模板手勢時間序列Q＝{q₁，...，q_i，...，q_m}和輸入手勢時間序列P＝{p₁，...，p_j，...，p_n}，規整序列γ＝{γ(1)，γ(2)，...，γ(x)}，規整點組γ(x)＝(γ_q(x)，γ_p(x))，其中γ_q(x)∈(1，2，...m)，γ_p(x)∈(1，2，...n)，識別手勢與目標數據庫模板手勢的相似度用歐式距離來評價，即：

構建一個的矩陣網格，每一個網格代表輸入與模板序列的歐拉距離值，

r(λ_q(x)，λ_p(x)，)＝(q_i-p_j)² (9)

R為輸入與模板手勢的總歐拉距離值，R越小兩者越相似，反之越不相似。

步驟3.2加權遞進

對有效數據段中每個采樣點的彎曲度、角度和加速度進行三維加權，得歐式距離遞推式：

R’(i_q，j_p)＝p(x)*d(i_q，j_p)+min{R’(i_q+1，j_p)，R’(i_q+1，j_p+1)，R’(i_q，j_p+1)} (11)

其中，R’(i_q，j_p)為權重函數，由加速度、角度的混合式組成；

式中、R’_sd(x)、R’_jd(x)分別為加速度、角度在加權中比重；計算出輸入識別手勢與目標數據庫模板手勢間的歐式總距離R’(m，n)，與設定的閾值e比較，當加權和小于閾值，則判定為匹配成功，反之，返回與目標數據庫中模板下一個手勢重新匹配，

步驟3.3HaSh優化識別

將目標數據庫中每組數據都用關鍵字k_m標記；網絡中的每個節點也通過哈希節點IP得到節點標志符ID；關鍵字標志符和節點標志符都是惟一的；將關鍵字標志符映射到節點標志符上，該節點標志符對應的節點就存儲此關鍵字標志符的對應信息；所有的(k_m，value)對構成文件索引散列表，k_m是關鍵字哈希；value是要存儲的信息地址；用戶搜索時，根據每個關鍵字的標志符k_m，則知道該關鍵字標志對應信息的存儲位置，從而能夠快速定位資源的位置。