本發(fā)明屬于通信電子技術(shù)領(lǐng)域，具體涉及一種基于智能手表的人體手指細微動作識別方法。

背景技術(shù)：

近年來智能可穿戴設(shè)備得到了快速的發(fā)展，以智能手表和智能手環(huán)為代表的各類民用可穿戴設(shè)備得到大力普及。然而由于智能手表屏幕很小以及單一的按鍵，人們在進行信息交互和使用時十分不方便。

同時，現(xiàn)有的基于智能手表人體活動識別研究主要集中在下肢簡單行為識別上，例如計步功能，智能硬件的能力并沒有得到充分發(fā)揮，導(dǎo)致用戶粘性不足。

如果智能手表能夠區(qū)分不同的手指細微動作，會給智能手表帶來巨大的商業(yè)價值，豐富智能手表的功能，簡化人機交互過程。早期在人體手指細微運動的研究工作主要是利用特殊的傳感器和專業(yè)設(shè)備等，例如肌肉電信號傳感器和定制手套，雖然這些定制設(shè)備具有很強的能力去檢測手指肌肉運動，但需要額外的硬件，增加了成本。同時，介于當(dāng)前智能手表大多只配備了單枚加速度傳感器，研究基于單枚加速度器的人體手指細微動作識別是非常有意義的。

為此本發(fā)明提出了一種基于智能手表的人體手指動作識別方法，通過智能手表內(nèi)置的加速度傳感器采集手指運動數(shù)據(jù)，在智能手表上識別手指細微動作得出手指識別結(jié)果，利用識別結(jié)果來對智能手表進行操作和控制。此發(fā)明在通用的智能手表上，不增加硬件成本，將為智能手表帶來更多的智能應(yīng)用，提高人表交互的便捷性。

技術(shù)實現(xiàn)要素：

本發(fā)明提供了一種基于智能手表的人體手指細微動作識別方法，用于解決用戶與智能手表交互信息誤操作以及依賴特殊設(shè)備對手指動作進行識別成本高等問題，利用通用智能手表理解識別人體手指動作，對智能手表進行操作和控制，提供了更加自然的交互方式，賦予智能手表新的應(yīng)用契機。

為了精確識別理解人體手指動作和對智能手表進行正確操作，本發(fā)明利用通用的智能手表的內(nèi)置加速度傳感器和運算能力對數(shù)據(jù)進行采集和處理，同時設(shè)計了一套人體手指動作識別方法，來實現(xiàn)人體手指動作的精確識別，并對智能手表進行操作和控制，主要包含以下幾個特征：

(1)精確提取手指動作片段算法。在智能手表采集人體手指細微動作過程中，通過數(shù)據(jù)預(yù)處理算法過濾原始采集數(shù)據(jù)的噪聲，得到有效的手指動作產(chǎn)生的加速度信號數(shù)據(jù)。同時，采用數(shù)據(jù)序列分割提取動作片段算法，對手指動作產(chǎn)生的連續(xù)加速度信號數(shù)據(jù)序列進行分割，得到若干長度相等的數(shù)據(jù)片段，利用加速度和均值閾值過濾提取包含完整手指動作的數(shù)據(jù)片段，實現(xiàn)手指動作片段提取的自動化，主動讓機器對動作進行認知。

(2)手指動作加速度特征值選取方法。智能手表提取到的手指動作片段仍然具有采集時的原始數(shù)據(jù)形態(tài)，要經(jīng)過特征值提取獲得該動作窗口內(nèi)的加速度數(shù)據(jù)特征值。選取特征值算法。用于從手指運動全部加速度數(shù)據(jù)特征值中選取具有一部分優(yōu)秀數(shù)據(jù)表征能力的特征值，降低系統(tǒng)開銷。

(3)根據(jù)識別手指動作對智能手表進行控制和操作方案。在該方案中，通過大量手指動作樣本訓(xùn)練集結(jié)合分類算法構(gòu)建手指動作識別分類模型，并將該分類模型保存在智能手表應(yīng)用當(dāng)中。同時，將選取的數(shù)據(jù)特征值作為手指動作識別分類模型的輸入，使智能手表正確理解識別不同的手指動作，得出識別結(jié)果。智能手表響應(yīng)識別結(jié)果對智能手表進行相應(yīng)操作和控制，達到人體手指動作控制和使用智能手表的目的。

附圖說明

圖1是本發(fā)明中系統(tǒng)整體流程的示意圖

圖2智能手表采集手指動作示意圖

圖3是本發(fā)明中動作片段提取流程圖

圖4是本發(fā)明中選取特征值流程圖

圖5是本發(fā)明中操作智能手表示意圖

具體實施方式

下面結(jié)合附圖對本發(fā)明的具體實施方式進行描述，以便本領(lǐng)域的技術(shù)人員更好的理解本發(fā)明，并使本發(fā)明的上述目的、特征和優(yōu)點能夠更加明顯易懂。需要特別提醒注意的是，在以下描述中，當(dāng)已知功能和設(shè)計的詳細描述也許會淡化本發(fā)明的主要內(nèi)容時，這些描述在這里將被忽略。

在本發(fā)明中，包含對智能手表加速度傳感器采集手指動作信號精確提取手指動作片段算法、手指動作片段加速度特征值選取方法以及根據(jù)識別手指動作對智能手表進行控制和操作方案，系統(tǒng)整體流程如圖1所示，下面分別進行詳細介紹。

(1)精確提取手指動作片段算法

1)采集連續(xù)手指動作原始數(shù)據(jù)

本文的人體手指細微動作數(shù)據(jù)采集主要是通過佩戴在人體手腕處智能手表中的三維加速度感應(yīng)器獲取人體在運動瞬間產(chǎn)生的加速度值。手指做出不同的細微動作時，會有不同的傳感器變化幅度。這些不同的手指連接到手腕上肌腱組織，根據(jù)動作的不同，產(chǎn)生不同的加速度反饋至智能手表上。其中，加速度感應(yīng)器提供了x、y、z三維方向的加速度矢量數(shù)據(jù)，x、y、z三個方向是固定的，它們與手表屏幕的關(guān)系如圖2所示。

2)數(shù)據(jù)預(yù)處理(降噪和濾波)

采集到的數(shù)據(jù)會不可避免的受到噪聲的影響，受到噪聲干擾主要有兩點：第一，智能手表內(nèi)置加速度計會受到重力的影響，因此加速度輸出包含了重力加速度的分量和運動產(chǎn)生的加速度分量；第二，人體手臂和手部會有不自主的微小抖動以及佩戴手表角度和方向的不同，這些噪聲對手指細微動作識別造成了一定的干擾。為了能夠進一步獲取更加穩(wěn)定和可用的數(shù)據(jù)特征，在提取動作片段和特征值之前，需要對采集的原始數(shù)據(jù)進行一些預(yù)處理操作，主要包括降噪、濾波等操作。

i.降噪

為了測量手指運動實際產(chǎn)生的加速度，必須從加速度計數(shù)據(jù)中去除重力的貢獻。由于重力加速度分量在信號中是低頻，可以使用低通濾波器來隔離重力，從原始加速度輸出分離出了每個軸上重力加速度信號和運動產(chǎn)生加速度信號，最終得到手指運動產(chǎn)生的運動加速度信號數(shù)據(jù)。

ii.濾波

對于運動加速度信號的去噪，我們通過計算各個軸上的運動加速度平方和，如公式acc_squar＝ax²+ay²+az²，acc_squar是智能手表三維空間中的加速度向量的模，僅反映加速度大小的變化，過濾了佩戴手表角度和方向的影響，提取了不同手指動作中手腕肌腱反饋的力度；由于采集過程中人體的手臂和手指不自覺的輕微抖動，此時輸出的數(shù)據(jù)仍然摻雜了一定的噪聲信號后，毛刺和抖動較多，本發(fā)明利用移動均值濾波器消除原始數(shù)據(jù)加速度平方和acc_squar中的噪聲，使運動加速度更加平滑，過濾毛刺和隨機信號，得到過濾后的數(shù)據(jù)為acc_filter。

3)精確提取單個手指動作片段

i.滑動窗口分割

由于從加速度傳感器采集的連續(xù)性原始數(shù)據(jù)序列，經(jīng)過預(yù)處理之后，仍不能直接地表征人體的行為活動，需要重新變換數(shù)據(jù)形式，對數(shù)據(jù)進行分割提取手指細微動作片段。本發(fā)明采用了滑動窗口分割法來進行動作片段分割，滑動窗口大小為n,覆蓋率為cov,對手指細微動作數(shù)據(jù)序列進行數(shù)據(jù)片段分割。

ii.提取手指動作數(shù)據(jù)片段

滑動窗口分割的數(shù)據(jù)片段{d1,d2,d3...dn}也包含了靜止行為或者其他動作干擾片段，因此需要提取到合適的手指動作數(shù)據(jù)片段di。本發(fā)明采用滑動窗口內(nèi)的加速度方差閾值vt和均值閾值mt作為數(shù)據(jù)波動的具體衡量標準，當(dāng)滑動窗口內(nèi)的所有采樣點加速度方差va和均值ma滿足于va＞vt∩ma＞mt時，分割出滿足條件的細微手指動作片段di。精確提取手指動作片段流程如圖3所示。

(2)手指動作片段加速度特征值選取方法

1)特征提取

經(jīng)過處理的傳感數(shù)據(jù)仍然具有采集時的數(shù)據(jù)形態(tài)，需要經(jīng)過特征值提取獲得該動作窗口內(nèi)的行為特征，從而通過分類模型準確的判斷行為類別。通過3維加速度數(shù)據(jù)(x軸，y軸，z軸)、acc_filter數(shù)據(jù)共4個維度分別提取出均值、方差、標準差、偏度、峰度、均方根、最大值、峰谷值間距等8個時域特征，共32個特征值來進行動作的表征和分類。

2)選取最優(yōu)特征值

為了計算這些特征值的價值，我們使用基于信息增益的特征評估。在劃分數(shù)據(jù)集之前之后信息發(fā)生的變化成為信息增益，通過計算每個特征值劃分數(shù)據(jù)集獲得的信息增益，獲得信息增益最高的特征就是最好的選擇。選取特征值過程如圖4所示：

(3)根據(jù)識別手指動作對智能手表進行控制和操作方案

1)分類識別模型構(gòu)建

為了對人體手指細微動作進行識別，首先要構(gòu)建分類器模型來手指動作進行分類。通過對大量的手指動作訓(xùn)練樣本集進行處理和選取特征值之后，結(jié)合分類算法構(gòu)建優(yōu)秀的手指識別分類模型將其保存在智能手表上。

2)操作控制智能手表

智能手表正確識別手指動類別，得到手指動作結(jié)果，發(fā)送給操作智能手表模塊，用于接收手指動作的識別結(jié)果，對結(jié)果作出響應(yīng)，控制操作智能手表。操作過程如圖5所示。

本發(fā)明手指動作在智能手表的應(yīng)用與識別方法具有以下優(yōu)點：

1)精確提取手指動作片段

本發(fā)明中，智能手表采集人體手指動作原始數(shù)據(jù)是連續(xù)的數(shù)據(jù)序列且受到了外界噪聲干擾，利用精確提取手指動作片段算法，采用數(shù)據(jù)預(yù)處理技術(shù)對采集的手原始數(shù)據(jù)進行降噪和過濾，得到處理后連續(xù)的有效數(shù)據(jù)序列。通過數(shù)據(jù)序列分割提取動作片段算法，將連續(xù)序列分割成長度相等的數(shù)據(jù)片段，采用閾值比較的方式精確提取出手指動作片段。

2)準確理解識別手指動作而且對設(shè)備要求低

本發(fā)明中，基于通用的智能手表內(nèi)置的單枚加速度傳感器對人體手指動作進行準確識別，相對于早期利用定制設(shè)備來識別手指動作，不僅降低了成本、而且簡化人機交互過程，豐富智能手表的功能。

3)通過手指動作對智能手表進行操作，交互方便自然

本發(fā)明中，用戶可在佩戴智能手表不使用細小屏幕按鍵的情況下，僅僅通過人體手指動作對智能手表進行控制和操作。

盡管上面對本發(fā)明的具體實施方式進行了描述，以便于本技術(shù)領(lǐng)域的技術(shù)人員理解本發(fā)明，但應(yīng)該清楚，本發(fā)明不限于具體實施方式的范圍，對本領(lǐng)域的普通技術(shù)人員來講，只要各種變化在所附的權(quán)利要求限定和確定的本發(fā)明的精神和范圍內(nèi)，這些變化是顯而易見的，一切利用本發(fā)明構(gòu)思的發(fā)明創(chuàng)造均在保護之列。