[發明專利]一種手勢識別方法、裝置、存儲介質及數據手套

有效

• 申請號: 202011253584.5
• 申請日: 2020-11-11
• 公開（公告）號: CN112347951B
• 公開（公告）日: 2023-07-11
• 發明（設計）人: 王勃然;姜京池;劉劼
• 申請（專利權）人: 哈爾濱工業大學（深圳）
• 主分類號: G06V40/20
• 分類號: G06V40/20;G06V10/764;G06V10/77;G06V10/774;G06F3/01;G06V10/30;G06V10/82;G06N3/0464
• 代理公司: 北京隆源天恒知識產權代理有限公司 11473
• 代理人: 徐蘇明

本發明提供了一種手勢識別方法、裝置、存儲介質及數據手套，方法包括：獲取數據手套完成當前動作時數據手套的各個傳感器采集的傳感器數據，所有傳感器數據組成一個輸入數據；采用主成分分析法對輸入數據進行特征提取，獲得第二特征數據；將第二特征數據輸入訓練好的多類SVM分類器，確定當前動作對應的手勢；當訓練好的多類SVM分類器無法識別當前動作時，對輸入數據進行預處理，獲得預處理后的數據；將預處理后的數據輸入訓練好的手勢識別模型，輸出當前動作對應的手勢，其中，手勢識別模型是基于卷積神經網絡和長短期記憶循環網絡建立的。本發明的技術方案能夠在提高手勢識別速度的同時，保證手勢識別的精度。

技術領域

本發明涉及手勢識別技術領域，具體而言，涉及一種手勢識別方法、裝置、存儲介質及數據手套。

背景技術

手語是用手勢比量動作，根據手勢的變化模擬形象或者音節以構成一定意思或詞語，是聽力障礙或者無法言語的人互相交際和交流思想的一種手的語言。因此，識別手勢對于和手語使用者進行溝通非常重要，目前常采用以下兩種方法來識別手勢。

一種是采用攝像頭捕捉手勢動作，對拍攝的圖片進行分析，識別手勢動作，但是攝像頭在拍攝手勢的過程中對光線的要求很高，照明情況不好時會影響手勢識別的精度。

另一種是獲取手部完成手勢動作時的手部表面肌電圖，通過對肌電圖進行分析處理，識別手勢動作，但是現有的根據肌電圖識別手勢動作的算法比較復雜，效率低。

發明內容

本發明解決的問題是如何兼顧手勢識別的效率和精度。

為解決上述問題，本發明提供一種手勢識別方法、裝置、存儲介質及數據手套。

第一方面，本發明提供了一種手勢識別方法，包括：

獲取數據手套完成當前動作時所述數據手套的各個傳感器采集的傳感器數據，所有所述傳感器數據組成一個輸入數據；

采用主成分分析法對所述輸入數據進行特征提取，獲得第二特征數據；

將所述第二特征數據輸入訓練好的多類SVM分類器，確定所述當前動作對應的手勢；

當所述訓練好的多類SVM分類器無法識別所述當前動作時，對所述輸入數據進行預處理，獲得預處理后的數據；

將所述預處理后的數據輸入訓練好的手勢識別模型，輸出所述當前動作對應的手勢，其中，所述手勢識別模型是基于卷積神經網絡和長短期記憶循環網絡建立的。

進一步，所述將所述第二特征數據輸入訓練好的多類SVM分類器之前，包括：

分別獲取所述數據手套完成不同的標定動作時的所述輸入數據；

分別對每個所述輸入數據進行放大和濾波，獲得濾波后的輸入數據；

采用主成分分析法對所有所述濾波后的輸入數據進行特征提取，獲得所述第一特征數據；

采用所述第一特征數據訓練多類SVM分類器，獲得所述訓練好的多類SVM分類器。

進一步，所述采用主成分分析法對所有所述濾波后的輸入數據進行特征提取包括：

計算所有所述濾波后的輸入數據的平均值；

分別確定各個所述濾波后的輸入數據與所述平均值之間的差值，并根據所有所述差值確定協方差矩陣；

根據所述協方差矩陣計算特征值和特征向量，根據所述特征向量確定主成分矩陣；

根據所述主成分矩陣和所述差值確定所述第一特征數據。

進一步，所述標定動作與所述手勢模板一一對應，所述采用所述特征數據訓練多類SVM分類器包括：