一種基于加速度傳感器的手勢識別方法
【專利摘要】本發(fā)明公開一種基于加速度傳感器的手勢識別方法。該方法首先采集三軸加速度傳感器信號，設(shè)計平滑去噪濾波器對信號進(jìn)行預(yù)處理并自動實現(xiàn)手勢信號邊界的檢測；結(jié)合非手勢過濾策略，在模版匹配之前將非手勢數(shù)據(jù)過濾；采用動態(tài)規(guī)劃以及DTW算法，對待識別的手勢數(shù)據(jù)與存儲的模板數(shù)據(jù)進(jìn)行匹配計算，從而找到與待識別手勢最近的模板手勢；通過斜率限定曲線路徑、限定路徑區(qū)域以及設(shè)定失真門限值等策略，減輕模板匹配計算量，降低識別的開銷；利用模板自適應(yīng)策略，自動更新樣本模板庫，提高手勢識別的精度。本發(fā)明能在不明顯增加終端能耗的前提下，以較高的識別效率和精度，帶來更好的用戶體驗度，促進(jìn)人機(jī)更加自由地交互。
【專利說明】一種基于加速度傳感器的手勢識別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明是一種基于加速度傳感器的手勢識別方法，屬于人機(jī)交互【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]近年來隨著計算機(jī)技術(shù)和通訊技術(shù)的發(fā)展，用戶對計算機(jī)使用方便程度和人機(jī)交互要求越來越高，尤其在虛擬現(xiàn)實和可穿戴計算領(lǐng)域，傳統(tǒng)的人機(jī)交互手段如鼠標(biāo)和鍵盤越來越顯示出它們的局限性。手勢作為一種日常生活中常用的自然直觀的交流方式，能在許多特定場景表達(dá)特定的意義，相比于傳統(tǒng)人機(jī)交互中的鍵盤和鼠標(biāo)，手勢能以更加自由、自然的形式與機(jī)器交互。目前手勢識別的研究方法主要有三種:基于視覺的方法、基于肌電信號的方法和基于慣性傳感器的方法?；趫D像的手勢識別方法對設(shè)備要求高、資金投入大，并且限于在特定場所使用，會受到背景、拍攝角度和遮擋問題的影響，實時性能差?；诩‰娦盘柕难芯糠椒ㄍㄟ^獲取手部肌電信號得到相關(guān)的動力學(xué)信息，以識別手勢。信號采集必須緊貼皮膚并在電極配置方面有較高的要求，目前僅限于實驗室研究。近年來，隨著傳感器技術(shù)的發(fā)展及其制作工藝的改進(jìn)，基于加速度傳感器的手勢識別正日益興起。加速度傳感器不僅具有尺寸小、精度高、功耗低等優(yōu)點(diǎn)，更具有不受運(yùn)動場地和環(huán)境限制的優(yōu)點(diǎn)，并不斷普及到以手機(jī)為代表的智能終端上，使智能終端具備越來越強(qiáng)大的感知能力。智能終端豐富的感知手段以及“隨時隨身”的特點(diǎn)，使得基于運(yùn)動傳感器的手勢研究更為方便，具有更為廣闊的應(yīng)用前景。
[0003]基于加速度傳感器的手勢識別的識別精度不斷提高，識別效率不斷改善，但是仍存在以下的不足:1、絕大多數(shù)研究工作都是基于專用的傳感器設(shè)備，在手勢識別的應(yīng)用中用戶需要攜帶專用設(shè)備，不適合大范圍推廣應(yīng)用。2、在手勢識別的過程中，需要用戶控制按鈕等額外操作來表示手勢的開始和結(jié)束，給用戶帶來額外的操作負(fù)擔(dān)，降低了用戶的體驗度。3、片面最求精度，開銷過大，沒有考慮到智能終端仍舊是資源受限的設(shè)備，尤其是電池續(xù)航能力。4、對手勢數(shù)據(jù)的處理過程中，沒有有效地區(qū)別手勢數(shù)據(jù)和非手勢數(shù)據(jù)，沒有在識別算法之前將非手勢數(shù)據(jù)剔除，降低手勢識別的效率，不利于智能終端的長久使用。5、由于手勢多樣性以及執(zhí)行手勢個體的差異，同一識別方法，在不同人群中的識別率不同，需根據(jù)手勢的多樣性和手勢個體的差異性，采取有效的識別策略，提高手勢識別的效率和精度。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的:設(shè)計適合資源受限的智能終端的手勢識別算法，采用手勢邊界檢測策略，自動判定手勢的開始和結(jié)束，并結(jié)合非手勢過濾策略，有效地過濾非手勢數(shù)據(jù)，采用動態(tài)規(guī)劃以及DWT (Dynamic Time Warping,動態(tài)時間規(guī)整)算法的思想,設(shè)計手勢識別算法，提高手勢識別的效率；采用模板處適應(yīng)策略，提高手勢識別的精度。
[0005]本發(fā)明為了達(dá)到上述目的采用的技術(shù)方案為:一種基于加速度傳感器的手勢識別算法，其步驟如下:
[0006]步驟(I)、手勢數(shù)據(jù)采集:利用智能終端上的加速度傳感器采集動態(tài)手勢的三維加速度信息；
[0007]步驟(2)、手勢數(shù)據(jù)平滑去噪:設(shè)計平滑濾波器對手勢過程中獲取的三軸加速度數(shù)據(jù)進(jìn)行平穩(wěn)去噪處理，剔除由于手勢過程中手的抖動及傳感器本身精度的噪聲干擾；
[0008]步驟(3)、手勢邊界檢測:采取手勢運(yùn)動判定策略，自動檢測手勢的開始和結(jié)束，不需要用戶額外手動指定，提高用戶體驗度；
[0009]步驟(4)、非手勢數(shù)據(jù)過濾:經(jīng)過手勢邊界檢測的手勢數(shù)據(jù)送入非手勢過濾階段。非手勢過濾機(jī)制雖然不能判斷出具體手勢，但是能夠以較高的準(zhǔn)確度判斷數(shù)據(jù)流是手勢數(shù)據(jù)還是非手勢數(shù)據(jù)；
[0010]步驟(5)、手勢數(shù)據(jù)量化:在手勢識別匹配計算之前，需要對手勢數(shù)據(jù)進(jìn)行量化，減少手勢數(shù)據(jù)序列長度，提高計算效率；對于資源受限的智能終端來說非常實用；
[0011]步驟(6)、DTW算法匹配計算:利用DTW算法，對待識別的手勢數(shù)據(jù)與存儲的樣本模板數(shù)據(jù)進(jìn)行匹配計算，從而找到與待識別手勢最近的樣本模板手勢，完成手勢識別的目的；
[0012]步驟(7)、模板自適應(yīng):手勢由于多義性和多樣性，不同的用戶在執(zhí)行同一個手勢時，手勢數(shù)據(jù)序列會表現(xiàn)出明顯不同，需要根據(jù)用戶手勢習(xí)慣的變化，對樣本模板采取有效的自適應(yīng)策略，選擇最適合的樣本模板。
[0013]進(jìn)一步的，所述步驟(I)中的手勢數(shù)據(jù)采集的具體過程如下:人類手勢活動一般在IOHz左右，根據(jù)奈奎斯特定律，當(dāng)采樣頻率大于信號中最高頻率的2倍時，采樣之后的數(shù)字信號完整地保留了原始信號的信息。本發(fā)明采用的加速度傳感器的采樣頻率為50Hz。
[0014]進(jìn)一步的，所述步驟⑵中的手勢數(shù)據(jù)平滑去噪的具體過程如下:采用SMA (Simple Moving Average,簡單移動平均線)濾波器的方法對獲取的加速度數(shù)據(jù)進(jìn)行平穩(wěn)地去噪處理，濾去由于手勢過程中不可避免的手的抖動以及傳感器本身精度所引起的噪聲干擾。SMA濾波器中的數(shù)據(jù)序列長度η的大小關(guān)系到平滑的效果。η太小，平穩(wěn)效果不明顯；η過大，平穩(wěn)效果好，但是容易導(dǎo)致手勢信息丟失。參照經(jīng)驗，數(shù)據(jù)序列的長度η去5至15。
[0015]進(jìn)一步的，所述步驟(3)中的手勢邊界檢測的具體過程如下:通過門限值的策略，自動檢測手勢的開始和結(jié)束，而不需要用戶手動指定，從而提高用戶體驗度。如果采集的手勢數(shù)據(jù)能量值超過了某一門限值，則認(rèn)為手勢運(yùn)動開始；手勢開始之后，如果采集的手勢數(shù)據(jù)能量值在某一規(guī)定的時間段內(nèi)沒有超過某一預(yù)定閥值，則認(rèn)為手勢結(jié)束?；陂T限值的手勢動作判定中，閥值的設(shè)置很大程度決定了判定的準(zhǔn)確性。如果閥值過低，用戶不經(jīng)意的細(xì)微動作都會判定為手勢的開始，閥值過高，則會錯過正常手勢的開始判定。本發(fā)明利用一個較強(qiáng)的閥值來檢測手勢的運(yùn)動，在此基礎(chǔ)上通過向前和向后的兩個較小的閥值來判定手勢的開始和結(jié)束。
[0016]進(jìn)一步的，所述步驟(4)中的非手勢數(shù)據(jù)過濾的具體過程如下:利用基于邊界限定的非手勢過濾主要考察手勢加速度的最大值、最小值是否在某一限定的范圍內(nèi)，以及手勢的持續(xù)時長是否在某一限定范圍內(nèi)。如果加速度大小和時間長度在限定范圍內(nèi)，則認(rèn)為是手勢數(shù)據(jù)；否則判定為非手勢數(shù)據(jù)，直接丟棄。判定范圍邊界值在訓(xùn)練樣本模板數(shù)據(jù)時確定。
[0017]進(jìn)一步的，所述步驟(5)中的手勢數(shù)據(jù)量化的具體過程如下:量化過程分兩步進(jìn)行:一是重采樣，這樣既可保留手勢動作的信息，又大大減少了手勢數(shù)據(jù)序列的長度，從而減輕了后續(xù)模板匹配計算。二是將為浮點(diǎn)值的加速度數(shù)據(jù)轉(zhuǎn)換為整形數(shù)據(jù)，從而避免了浮點(diǎn)計算。這對于資源受限的智能終端來說是非常實用的。[0018]進(jìn)一步的，所述步驟(6)的DTW算法匹配計算的具體實現(xiàn)過程如下:由于手勢存在多樣性，即使是重復(fù)同一個手勢，每次所獲取的手勢數(shù)據(jù)在空間和時間上也會表現(xiàn)出差異性。DTW算法基于動態(tài)規(guī)劃的思想，采用時間規(guī)整，消除待識別手勢數(shù)據(jù)以及樣本模板手勢數(shù)據(jù)時間上的差異性；利用DTW累積距離度量待識別手勢數(shù)據(jù)以及樣本模板手勢數(shù)據(jù)空間上的差異性，根據(jù)DTW累積距離的大小，識別出具體的手勢。
[0019]進(jìn)一步的，所述步驟(7)的模板白適應(yīng)的具體實現(xiàn)過程如下:DTW匹配算法將采集的數(shù)據(jù)與訓(xùn)練的樣本模板進(jìn)行匹配計算，樣本模板的好壞必然關(guān)系到匹配的精度。手勢由于其多義性和多樣性，不同的用戶在執(zhí)行同一個手勢時，手勢數(shù)據(jù)序列會表現(xiàn)出明顯的不同；即使是同一個用戶執(zhí)行同一個手勢，每次都有明顯的差別，需要根據(jù)用戶手勢習(xí)慣的變化，對樣本模板采取有效的自適應(yīng)策略，選擇最適合的樣本模板，從而減少因用戶行為習(xí)慣對手勢識別系統(tǒng)的影響，提高手勢識別的精度。
【專利附圖】

【附圖說明】
[0020]圖1基于加速度傳感器的手勢識別方法框架；
[0021]圖2平滑去噪后右甩手勢三軸加速度測量值圖；
[0022]圖3右甩手勢三軸加速度能量值，變化值和加權(quán)總和值圖；
[0023]圖4基于能量閥值分割的右甩手勢邊界起止檢測圖。
【具體實施方式】
[0024]下面結(jié)合附圖與實施例對本發(fā)明作進(jìn)一步的詳細(xì)描述:
[0025]本發(fā)明實施過程包括五個主要階段:對加速度傳感器信號預(yù)處理；在線對加速度信號序列進(jìn)行分割分離出對應(yīng)手勢運(yùn)動序列；判別待測試的手勢運(yùn)動序列是否為手勢運(yùn)動數(shù)據(jù)還是非手勢運(yùn)動序列；利用DTW算法和模板匹配原理識別出具體的手勢；手勢模板自適應(yīng)調(diào)整。
[0026]階段一，即對加速度傳感器信號預(yù)處理，由于用戶移動或者在手勢過程中手不可避免的抖動以及傳感器本身精度的影響，加速度傳感器采集的手勢動作數(shù)據(jù)不可避免受到噪聲干擾，利用SMA(Simple Moving Average,簡單移動平均線)濾波器的方法對獲取的加速度數(shù)據(jù)進(jìn)行平穩(wěn)去噪處理。SMA濾波器的推導(dǎo)公式如下所示:
[0027]Yi= (Xi+Xi^+AX^^!))/]! n = 1,2,3,4, A
[0028]上式中η表示數(shù)據(jù)序列的長度。η的大小關(guān)系到平滑的效果。η太小，平穩(wěn)效果不明顯；η過大，平穩(wěn)效果好，但是容易導(dǎo)致手勢信息丟失。參照經(jīng)驗，視不同的情況，η—般取5 至 15。
[0029]計算的時候，可以直接使用下式:
[0030]Ynow = Yprevious-X1-n/n+Xi/n
[0031]手勢I的原始數(shù)據(jù)經(jīng)過SM過濾器平穩(wěn)后的數(shù)據(jù)如圖所示。
[0032]階段二，分割加速度信號序列分離出手勢加速度信號序列。通過門限值的策略，自動檢測手勢的開始和結(jié)束，而不需要用戶手動指定，從而提高用戶體驗度。如果采集的手勢數(shù)據(jù)能量值超過了某一門限值，則認(rèn)為手勢運(yùn)動開始；手勢開始之后，如果采集的手勢數(shù)據(jù)在某一規(guī)定的時間段內(nèi)沒有超過某一預(yù)定閥值，則認(rèn)為手勢結(jié)束?；陂T限值的判定策略公式如下:
[0033]
【權(quán)利要求】
1.一種基于加速度傳感器的手勢識別方法，其特征在于該方法步驟如下: 步驟(1)、手勢數(shù)據(jù)采集:利用智能終端上的加速度傳感器采集動態(tài)手勢的三維加速度?目息; 步驟(2)、手勢數(shù)據(jù)平滑濾波器:設(shè)計平滑濾波器對手勢過程中獲取的三軸加速度數(shù)據(jù)進(jìn)行平穩(wěn)去噪處理，剔除由于手勢過程中手的抖動及傳感器本身精度的噪聲干擾； 步驟(3)、手勢邊界檢測:采取手勢運(yùn)動判定策略，自動檢測手勢的開始和結(jié)束，不需要用戶額外手動指定，提高用戶體驗度； 步驟(4)、非手勢數(shù)據(jù)過濾:經(jīng)過手勢邊界檢測的手勢數(shù)據(jù)送入非手勢過濾階段。非手勢過濾機(jī)制雖然不能判斷出具體手勢，但是能夠以較高的準(zhǔn)確度判斷數(shù)據(jù)流是手勢數(shù)據(jù)還是非手勢數(shù)據(jù)； 步驟(5)、手勢數(shù)據(jù)量化:在手勢識別匹配計算之前，需要對手勢數(shù)據(jù)進(jìn)行量化，減少手勢數(shù)據(jù)序列長度，提高計算效率；對于資源受限的智能終端來說非常實用； 步驟(6)、DTW算法匹配計算:利用DTW算法，對待識別的手勢數(shù)據(jù)與存儲的樣本模板數(shù)據(jù)進(jìn)行匹配計算，從而找到與待識別手勢最近的樣本模板手勢，完成手勢識別的目的； 步驟(7)、模板自適應(yīng):手勢由于多義性和多樣性，不同的用戶在執(zhí)行同一個手勢時，手勢數(shù)據(jù)序列會表現(xiàn)出明顯不同，需要根據(jù)用戶于勢習(xí)慣的變化，對樣本模板采取有效的自適應(yīng)策略，選擇最適合的樣本模板。
2.根據(jù)權(quán)利要 求1所述的基于加速傳感器的運(yùn)動識別方法，其特征在于:所述步驟(2)中的手勢數(shù)據(jù)平滑去噪的具體過程如下:采用SMA(Simple Moving Average,簡單移動平均線)濾波器的方法對獲取的手勢加速度數(shù)據(jù)進(jìn)行平穩(wěn)去噪處理，濾去由于手勢過程中不可避免的手的抖動以及傳感器本身精度所引起的噪聲干擾。
3.根據(jù)權(quán)利要求1所述的基于加速度傳感器的運(yùn)動識別方法，其特征在于:所述步驟(3)中的手勢邊界檢測的具體過程如下:通過門限值的策略，自動檢測手勢的開始和結(jié)束，而不需要用戶手動指定，從而提高用戶體驗度。如果采集的手勢數(shù)據(jù)能量值超過了某一門限值，則認(rèn)為手勢運(yùn)動開始；手勢開始之后，如果采集的手勢數(shù)據(jù)能量值在某一規(guī)定的時間段內(nèi)沒有超過某一預(yù)定閥值，則認(rèn)為手勢結(jié)束。
4.根據(jù)權(quán)利要求1所述的基于加速度傳感器的運(yùn)動識別方法，其特征在于:所述步驟(4)中的非手勢數(shù)據(jù)過濾的具體過程如下:利用基于邊界限定的非手勢過濾主要考察手勢加速度的最大值、最小值是否在某一限定的范圍內(nèi)，以及手勢的持續(xù)時長是否在某一限定范圍內(nèi)。如果加速度大小和時間長度在限定范圍內(nèi)，則認(rèn)為是手勢數(shù)據(jù)；否則判定為非手勢數(shù)據(jù)，直接丟棄。
5.根據(jù)權(quán)利要求1所述的基于加速度傳感器的運(yùn)動識別方法，其特征在于:所述步驟(5)中的手勢數(shù)據(jù)量化的具體過程如下:量化過程分兩步進(jìn)行:一是重采樣，這樣既可保留手勢動作的信息，又大大減少了于勢數(shù)據(jù)序列的長度，從而減輕了后續(xù)模板匹配計算。二是將為浮點(diǎn)值的加速度數(shù)據(jù)轉(zhuǎn)換為整形數(shù)據(jù)，從而避免了浮點(diǎn)計算。
6.根據(jù)權(quán)利要求1所述的基于加速度傳感器的運(yùn)動識別方法，其特征在于:所述步驟(6)中的DTW匹配算法計算具體過程如下:由于手勢存在多樣性，即使是重復(fù)同一個手勢，每次所獲取的手勢數(shù)據(jù)在空間和時間上也會表現(xiàn)出差異性。DTW算法基于動態(tài)規(guī)劃的思想，采用時間規(guī)整，消除待識別手勢數(shù)據(jù)以及樣本模板手勢數(shù)據(jù)時間上的差異性；利用DTW累積距離度量待識別手勢數(shù)據(jù)以及樣本模板手勢數(shù)據(jù)空間上的差異性，根據(jù)DTW累積距離的大小，識別出具體的手勢。通過斜率限定曲線路徑、限定路徑區(qū)域以及設(shè)定失真門限值等策略，減輕模板匹配的計算量，降低手勢識別的開銷。
7.根據(jù)權(quán)利要求1所述的基于加速度傳感器的運(yùn)動識別方法，其特征在于:所述步驟(7)中的模板自適應(yīng)具體過程如下:1、系統(tǒng)每天自動為每個手勢采集一個樣本模板，自動選擇當(dāng)天DTW匹配距離最小的手勢數(shù)據(jù)作為該類手勢的樣本模板；2、當(dāng)手勢識別錯誤時，有用戶指定對應(yīng)手勢的樣本模板 。
【文檔編號】G06F3/01GK103543826SQ201310337137
【公開日】2014年1月29日 申請日期:2013年7月30日 優(yōu)先權(quán)日:2013年7月30日
【發(fā)明者】章云, 陳偉韜, 劉治, 陳泓屺 申請人:廣東工業(yè)大學(xué)