基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別方法及系統(tǒng)的制作方法
【專利摘要】基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別方法及系統(tǒng),針對(duì)現(xiàn)有技術(shù)中存在的問題,本發(fā)明設(shè)計(jì)了一個(gè)外觀小巧的硬件平臺(tái),用加速度計(jì)來采集用戶手勢(shì)的3軸加速度,陀螺儀來采集用戶手勢(shì)的3軸角速度,磁力計(jì)來采集用戶手勢(shì)的3軸磁感應(yīng)強(qiáng)度,使用濾波算法來消除數(shù)據(jù)誤差之后再進(jìn)行姿態(tài)解算,求出實(shí)時(shí)的三個(gè)姿態(tài)角(航向角、橫滾角、俯仰角),然后將這些信息數(shù)據(jù)通過本發(fā)明所提出的特征分析算法,在確保一定的精確度和實(shí)時(shí)性的基礎(chǔ)上,分別對(duì)移動(dòng)、旋轉(zhuǎn)、打鉤、畫叉、晃動(dòng)、敲擊等自身具有一定區(qū)分度的三維動(dòng)態(tài)手勢(shì)進(jìn)行識(shí)別,從而實(shí)現(xiàn)相應(yīng)的應(yīng)用。
【專利說明】
基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于人機(jī)交互技術(shù)領(lǐng)域,尤其涉及一種動(dòng)態(tài)手勢(shì)識(shí)別方法及系統(tǒng)。
【背景技術(shù)】
[0002] 人工智能的發(fā)展促使著與其相關(guān)的應(yīng)用層出不窮,其中作為人工智能的重要內(nèi) 容一一人機(jī)交互技術(shù),也受到越來越多的關(guān)注。人機(jī)交互研究的是人類如何與機(jī)器進(jìn)行溝 通,從而控制機(jī)器,自如地實(shí)現(xiàn)人們所希望的功能。過去傳統(tǒng)的人機(jī)交互方式有按鍵、鍵盤、 觸摸屏和語音技術(shù)等。但上述方式都在效率、準(zhǔn)確性、自然性上存在諸多局限,這也使得人 們開始尋找效率更高、交互更加自然的方式。
[0003] 現(xiàn)有的人機(jī)交互技術(shù)存在以下缺點(diǎn):
[0004] (1)機(jī)械鍵盤交互是最成熟,但同時(shí)也是最低效的交互方式,因其成本、損耗、低效 等各種原因,正在被移動(dòng)設(shè)備慢慢淘汰;
[0005] (2)觸摸屏操作作為近幾年新興的人機(jī)交互方式,以其操作簡(jiǎn)潔、符合用戶習(xí)慣、 學(xué)習(xí)成本低、可多點(diǎn)觸控等優(yōu)點(diǎn),成為新一代移動(dòng)設(shè)備有效的交互方式。但是,觸控技術(shù)不 可避免的需要用戶在觸模板上進(jìn)行操作,限制了觸控技術(shù)的應(yīng)用場(chǎng)景和范圍。
[0006] (3)語音識(shí)別目前也是一種非常成熟的交互方式,識(shí)別率較高,尤其是隨著iPhone 中Siri的出現(xiàn),基于自然語音的識(shí)別技術(shù)使得語音交互方式邁上了一個(gè)新的臺(tái)階。然而,語 音交互方式會(huì)受到地區(qū)語言差異以及個(gè)人語音差異的影響,同時(shí),自然語音識(shí)別需要時(shí)刻 聯(lián)網(wǎng)、能耗高的缺點(diǎn),大大限制了語音技術(shù)在可穿戴設(shè)備中的應(yīng)用。
[0007] 隨著各方面技術(shù)的進(jìn)步,人們希望得到更好的人機(jī)交互體驗(yàn),對(duì)交互的實(shí)時(shí)性、識(shí) 別率等硬性指標(biāo)的要求也越來越苛刻,甚至開始希望通過一些自身的微小信息,例如手指 信息、聲波信息、眼珠信息、腦電波信息、肌肉信息等來實(shí)現(xiàn)與機(jī)器的溝通。這促使許多專家 學(xué)者不斷地尋找挖掘更便捷、更快速、更準(zhǔn)確、更自然的人機(jī)交互方式,并開始關(guān)注利用人 類自身的身體語言來實(shí)現(xiàn)機(jī)器控制,而其中手勢(shì)作為變化方式最多、最能夠表達(dá)人們意愿 的方式之一,成為了關(guān)注的重點(diǎn)。在腦電波控制世界的時(shí)代來臨之前,手勢(shì)是最有可能改變 傳統(tǒng)人機(jī)交互方式的研究切入點(diǎn)。因?yàn)槭謩?shì)是身體姿態(tài)最多變、最具有表達(dá)性的一項(xiàng),它可 以最大可能地表達(dá)人們的想法和意愿。不通過任何媒介,直接利用一個(gè)簡(jiǎn)單的手勢(shì)動(dòng)作就 可以操控生活,是目前人們所追求的理想人機(jī)交互方式。這種全新的操作方式,使得人類在 這個(gè)物物相連的互聯(lián)智能時(shí)代,真正實(shí)現(xiàn)用自己的手來掌控自己的生活。手勢(shì)也會(huì)將人機(jī) 交互方式從傳統(tǒng)的平面二維識(shí)別技術(shù)擴(kuò)展到了空間三維識(shí)別技術(shù),實(shí)現(xiàn)更多技術(shù)發(fā)展的可 能性。本發(fā)明所要做的三維動(dòng)態(tài)手勢(shì)識(shí)別技術(shù),搭配一個(gè)集成了三軸加速度計(jì)、三軸陀螺 儀、磁力計(jì)、處理芯片和低功耗藍(lán)牙的微型硬件平臺(tái),來與PC端或其他終端實(shí)現(xiàn)友好的人機(jī) 交互方式。
[0008] 手勢(shì)識(shí)別技術(shù)的發(fā)展過程中產(chǎn)生過幾種主流的解決方案,例如:基于數(shù)據(jù)手套的 方案:起步最早,也是最直接處理問題的一種方案。該方案具有數(shù)據(jù)量小、速度高、受環(huán)境影 響較小和能夠直接獲取手勢(shì)數(shù)據(jù)等諸多優(yōu)點(diǎn)。但是要求用戶穿戴復(fù)雜的手套,大大降低了 用戶體驗(yàn),并且對(duì)附著其上的傳感器披覆較高硬度的保護(hù)層在技術(shù)上有一定難度,而相對(duì) 脆弱的設(shè)備在攜帶上也存在不方便?;跈C(jī)器視覺的處理方案:當(dāng)前最熱門的手勢(shì)識(shí)別技 術(shù)解決方案,也就是攝像頭圖像處理,比如說微軟的Kinect。最大的優(yōu)點(diǎn)是用戶無需佩戴任 何設(shè)備,人機(jī)交互性好。但是這種技術(shù)對(duì)于空間、環(huán)境有比較大的限制性,因此除了一些大 型的體感游戲使用,在生活中的推廣度并不高?;赟EMG的方案:處在多學(xué)科交叉的領(lǐng)域, 除了和數(shù)據(jù)手套方案一樣需要用戶佩戴電極外,和機(jī)器視覺的方案類似,該方案也容易受 外部環(huán)境和用戶等因素的干擾。外部環(huán)境的干擾包括電磁環(huán)境的干擾和環(huán)境濕度變化造成 的測(cè)量電極接觸電阻的變化。同時(shí),用戶的身體和精神狀態(tài)在不同的情況下具有不同的基 準(zhǔn)值,導(dǎo)致系統(tǒng)難以標(biāo)定。
【發(fā)明內(nèi)容】
[0009] 為了解決現(xiàn)有技術(shù)中問題,本發(fā)明設(shè)計(jì)了一個(gè)外觀小巧的硬件平臺(tái),用加速度計(jì) 采集用戶手勢(shì)的3軸加速度,陀螺儀來采集用戶手勢(shì)的3軸角速度,磁力計(jì)來采集用戶手勢(shì) 的3軸磁感應(yīng)強(qiáng)度,使用濾波算法來消除數(shù)據(jù)誤差之后再進(jìn)行姿態(tài)解算,求出實(shí)時(shí)的三個(gè)姿 態(tài)角(航向角、橫滾角、俯仰角),然后將這些信息數(shù)據(jù)通過本發(fā)明所提出的特征分析算法, 在確保一定的精確度和實(shí)時(shí)性的基礎(chǔ)上,分別對(duì)移動(dòng)、旋轉(zhuǎn)、打鉤、畫叉、晃動(dòng)、敲擊等自身 具有一定區(qū)分度的三維動(dòng)態(tài)手勢(shì)進(jìn)行識(shí)別,從而實(shí)現(xiàn)相應(yīng)的應(yīng)用。
[0010] 本發(fā)明通過如下技術(shù)方案實(shí)現(xiàn):
[0011] -種基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別方法,其特征在于,所述方法將 手勢(shì)定義為敲擊類、旋轉(zhuǎn)類、晃動(dòng)類、移動(dòng)類、打鉤類、畫叉類等六大類型,所述方法包括:
[0012] S1:采用差分法從所有讀取到的原始數(shù)據(jù)中截取從手勢(shì)的起點(diǎn)到終點(diǎn)的段落;
[0013] S2:對(duì)切割下來的數(shù)據(jù)段進(jìn)行坐標(biāo)系的轉(zhuǎn)換,從機(jī)體坐標(biāo)系轉(zhuǎn)換到用戶坐標(biāo)系;
[0014] S3:計(jì)算變換后數(shù)據(jù)的手勢(shì)長(zhǎng)度、手勢(shì)能量、波峰數(shù)、角速度能量最大軸、角速度單 邊性,并利用這五個(gè)特征量來構(gòu)造一個(gè)手勢(shì)大類的預(yù)分類器,所述預(yù)分類器利用手勢(shì)能量 來進(jìn)行粗分類,利用波峰數(shù)來區(qū)分敲擊類和移動(dòng)類,利用角速度能量最大軸來識(shí)別旋轉(zhuǎn)類, 利用線性判別函數(shù)計(jì)算細(xì)分值f來區(qū)分晃動(dòng)類、打鉤類、畫叉類;線性判別函數(shù)為;
[0015] f = a*LEN+b*E+c*P+d,
[0016] 其中,LEN為手勢(shì)長(zhǎng)度,E為手勢(shì)能量,P為加速度波峰數(shù),a,b,c,d為常系數(shù);
[0017] S4:進(jìn)一步地進(jìn)行手勢(shì)細(xì)化分,識(shí)別出移動(dòng)類和旋轉(zhuǎn)類手勢(shì)的運(yùn)動(dòng)方向。
[0018] 作為本發(fā)明的進(jìn)一步改進(jìn),所述差分法進(jìn)行手勢(shì)切割具體為,在一個(gè)長(zhǎng)度為N的窗 口內(nèi)對(duì)加速度和角速度的兩兩時(shí)刻前后數(shù)值變化量求和得到經(jīng)過平滑窗口處理后的加速 度和角速度差分值:
其中zr表時(shí)刻下的三軸加速度值,v、c表 示k時(shí)刻下的三軸角速度值;設(shè)定一個(gè)閾值,所述差分值超過了所述閾值的時(shí)間點(diǎn)是手勢(shì)的 起點(diǎn),在識(shí)別出起點(diǎn)后,若所述差分值出現(xiàn)了小于所述閾值了的時(shí)刻點(diǎn)是手勢(shì)的終點(diǎn);若加 速度和角速度分別檢測(cè)出來的起點(diǎn)或終點(diǎn)時(shí)刻差值如果超過m個(gè)采樣時(shí)間點(diǎn),則認(rèn)為該起 點(diǎn)或終點(diǎn)無效,反之則有效,其中,m為預(yù)設(shè)值。
[0021] 作為本發(fā)明的進(jìn)一步改進(jìn),所述波峰數(shù)包括加速度波峰數(shù)、角速度波峰數(shù)和姿態(tài) 角波峰數(shù)。
[0022] 作為本發(fā)明的進(jìn)一步改進(jìn),所述手勢(shì)長(zhǎng)度LEN為手勢(shì)起點(diǎn)到終點(diǎn)的采樣數(shù);手勢(shì)能 量E為起點(diǎn)到終點(diǎn)之間加速度和角速度絕對(duì)值之和;波峰數(shù)為每個(gè)手勢(shì)動(dòng)作的加速度或角 速度或者姿態(tài)角的波峰數(shù);角速度單邊性反映在某軸上的角速度呈現(xiàn)出單符號(hào)性,3個(gè)角速 度中只要其中一個(gè)滿足單邊性,就認(rèn)為其整體角速度滿足了單邊性;角速度能量最大軸為 max(Ewx、Ewy、Ewz)所在的坐標(biāo)軸,判斷軸即為判斷旋轉(zhuǎn)軸,其中,角速度能量最大值E wx、Ewy、 Ewz 為:
[0024]其中,gxi,gyi,gzi為手勢(shì)數(shù)據(jù)在x、y、z軸上的角速度。
[0025]作為本發(fā)明的進(jìn)一步改進(jìn),所述預(yù)分類器具體為:當(dāng)手勢(shì)能量E小于預(yù)設(shè)的第一閾 值,則進(jìn)行加速度波峰數(shù)判斷,當(dāng)加速度波峰數(shù)小于預(yù)設(shè)的第二閾值時(shí),則將手勢(shì)判斷為敲 擊類,否則,判斷為移動(dòng)類;當(dāng)手勢(shì)能量E大于或等于預(yù)設(shè)的第一閾值,則進(jìn)行角速度能量最 大軸判斷,若為Y軸,則將手勢(shì)判斷為旋轉(zhuǎn)類,若不為Y軸,則進(jìn)行細(xì)分特征值f的計(jì)算,若f大 于〇則進(jìn)一步根據(jù)姿態(tài)波峰數(shù)和手勢(shì)能量將手勢(shì)識(shí)別為晃動(dòng)類或畫叉類,若f?小于或等于〇 則進(jìn)一步判斷角速度單邊性,若角速度單邊性為否,則將手勢(shì)判斷為打鉤類。
[0026]作為本發(fā)明的進(jìn)一步改進(jìn),所述步驟S4包括:對(duì)于移動(dòng)類手勢(shì),首先通過判斷x軸 和z軸加速度平均幅值誰更大來判斷出上下還是左右移動(dòng),再根據(jù)具體的波峰波谷出現(xiàn)的 順序來識(shí)別是具體的上、下、左、右。
[0027] 作為本發(fā)明的進(jìn)一步改進(jìn),所述步驟S4包括:對(duì)于旋轉(zhuǎn)類手勢(shì),觀察y軸角速度波 峰波谷出現(xiàn)的先后順序就能識(shí)別出用戶當(dāng)前是在順時(shí)針旋轉(zhuǎn)還是逆時(shí)針旋轉(zhuǎn),如果y軸角 速度先波谷后波峰,則是逆時(shí)針旋轉(zhuǎn),反過來先波峰后波谷則是順時(shí)針旋轉(zhuǎn)。
[0028] 作為本發(fā)明的進(jìn)一步改進(jìn),所述步驟S4之前還包括對(duì)原始數(shù)據(jù)進(jìn)行數(shù)據(jù)融合,再 進(jìn)行姿態(tài)解算,求出實(shí)時(shí)的姿態(tài)角,所述數(shù)據(jù)融合算法為互補(bǔ)濾波或梯度下降法。
[0029]本發(fā)明還提供了一種基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別方法,所述手勢(shì) 為用戶根據(jù)自己的喜好定義的一系列的較復(fù)雜的手勢(shì)序列,所述方法首先利用本發(fā)明的手 勢(shì)識(shí)別方法識(shí)別出所述手勢(shì)序列中的每一個(gè)手勢(shì),然后利用隱性馬爾科夫模型HMM識(shí)別出 用戶定義的手勢(shì)序列。
[0030]本發(fā)明還提供了一種基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng),所述系統(tǒng) 包括手勢(shì)識(shí)別的硬件平臺(tái)和接收端;其中,所述手勢(shì)識(shí)別的硬件平臺(tái)作為手勢(shì)數(shù)據(jù)的采集 設(shè)備,其包括3軸加速度計(jì)、3軸陀螺儀和3軸磁力計(jì)、MCU微處理器、藍(lán)牙模塊、鋰電池充電電 路、鋰電池以及電源開關(guān);所述3軸加速度計(jì)測(cè)量加速度、3軸陀螺儀測(cè)量角速度和3軸磁力 計(jì)測(cè)量磁場(chǎng),獲得手勢(shì)的原始數(shù)據(jù);所述硬件平臺(tái)通過無線通信的方式將采集到的原始數(shù) 據(jù)傳送給所述接收端;所述接收端根據(jù)本發(fā)明的基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí) 別方法進(jìn)行數(shù)據(jù)處理及手勢(shì)識(shí)別。
【附圖說明】
[0031] 圖1是本發(fā)明的手勢(shì)識(shí)別系統(tǒng)的硬件平臺(tái)及PC接收端硬件框圖;
[0032] 圖2是本發(fā)明的手勢(shì)識(shí)別方法的具體實(shí)現(xiàn)方案流程圖;
[0033] 圖3是機(jī)體坐標(biāo)系b系和用戶坐標(biāo)系n系示意圖;
[0034] 圖4是手勢(shì)長(zhǎng)度計(jì)算流程圖;
[0035]圖5是手勢(shì)預(yù)分類結(jié)構(gòu)圖;
[0036]圖6是移動(dòng)類手勢(shì)細(xì)劃分流程圖;
[0037]圖7是旋轉(zhuǎn)類手勢(shì)細(xì)劃分流程圖。
【具體實(shí)施方式】
[0038]下面結(jié)合【附圖說明】及【具體實(shí)施方式】對(duì)本發(fā)明進(jìn)一步說明。
[0039] 本發(fā)明的手勢(shì)識(shí)別硬件平臺(tái)及PC接收端硬件框圖如附圖1所示。手勢(shì)識(shí)別硬件平 臺(tái)外觀精致小巧,不附加任何按鍵,可以手拿,也可以作為手環(huán)或者指環(huán)穿戴在手上,作為 智能可穿戴式設(shè)備來進(jìn)行手勢(shì)控制。其上集成了 9軸傳感器模塊(3軸加速度計(jì)測(cè)量加速度、 3軸陀螺儀測(cè)量角速度和3軸磁力計(jì)測(cè)量磁場(chǎng))、MCU微處理器、藍(lán)牙模塊、鋰電池充電電路、 鋰電池以及電源開關(guān)等。通過鋰電池給平臺(tái)進(jìn)行供電,當(dāng)電量過低時(shí)使用MiniUsb接口給電 池進(jìn)行充電。
[0040] 手勢(shì)識(shí)別的硬件平臺(tái)作為手勢(shì)數(shù)據(jù)的采集設(shè)備,通過藍(lán)牙通信的方式將采集到的 9軸傳感器數(shù)據(jù)以及解算后的3軸姿態(tài)數(shù)據(jù)傳送給接收端進(jìn)行數(shù)據(jù)處理及手勢(shì)識(shí)別。藍(lán)牙通 信技術(shù)可以用別的無線通信技術(shù)來代替,例如RF,wifi等。接收端可以是PC機(jī),也可以是智 能終端,接收端包括了無線通信模塊。
[0041] 因?yàn)閷?duì)實(shí)時(shí)性需求較高,本發(fā)明采用的細(xì)分特征值法,其要求每個(gè)動(dòng)作之間的特 征量或特征量集合相互獨(dú)立,因此在選擇手勢(shì)動(dòng)作時(shí),需要對(duì)手勢(shì)進(jìn)行大量的樣本觀察和 分析,通過樣本采集和波形觀察,最終確定了可以采用特征識(shí)別法的以下的6大類動(dòng)作,共 10個(gè)動(dòng)作,如表1所示:
[0042]表1手勢(shì)集定義
[0044] 上述的手勢(shì)動(dòng)作之間具有一定的區(qū)分度,它們各自的傳感器信息所構(gòu)成的特征量 之間具有比較高的可識(shí)別性,因此可以根據(jù)不同手勢(shì)的特征值建立不同的分類器。首先根 據(jù)計(jì)算出來的特征值對(duì)六大類手勢(shì)進(jìn)行預(yù)分類,識(shí)別出其所在的類別,再設(shè)計(jì)算法針對(duì)旋 轉(zhuǎn)類和移動(dòng)類動(dòng)作進(jìn)行細(xì)劃分,識(shí)別出運(yùn)動(dòng)的方向,從而是想利用細(xì)分特征值分析法快速 高效地實(shí)現(xiàn)手勢(shì)的分類和識(shí)別。
[0045] 基于運(yùn)動(dòng)傳感器的手勢(shì)識(shí)別方法的具體實(shí)現(xiàn)方案如附圖2所示,采用細(xì)分特征值 法,首先需要切割出手勢(shì)的有效時(shí)間段,即從所有讀取到的原始數(shù)據(jù)中截取從手勢(shì)的起點(diǎn) 到終點(diǎn)的段落,然后再對(duì)切割下來的數(shù)據(jù)段進(jìn)行坐標(biāo)系的轉(zhuǎn)換,從機(jī)體坐標(biāo)系轉(zhuǎn)換到用戶 坐標(biāo)系。進(jìn)行了切割和坐標(biāo)系轉(zhuǎn)換之后的手勢(shì)數(shù)據(jù)段才能用來提取特征進(jìn)行手勢(shì)識(shí)別。 [0046][差分法進(jìn)行手勢(shì)切割]
[0047] 在某一個(gè)時(shí)刻k下,當(dāng)前加速度和角速度相對(duì)于上一時(shí)刻k_l下的差值的絕對(duì)值之 和即為當(dāng)前的加速度和角速度的差分值: _ _ A \r^C- \rocc I . \racc /acc . ryacc r^accj
[0048] Xk -Xk-\\+Yk ~Zk-l\ ⑴
[0049] = |ZT - XZ\^\Y:sr-Y^|z- ~Z-1 ⑵ _〇]其中,^r'、zr表示k時(shí)刻下的三軸加速度值,v、c、z嚴(yán)表示讓時(shí) 刻下的三軸角速度值。
[0051 ] k時(shí)刻與k_l時(shí)刻的加速度變化值A(chǔ) a。。和角速度變化量A agr就是當(dāng)前時(shí)刻下的加 速度和角速度差分值,這個(gè)差分值可以看出手勢(shì)前后的波動(dòng)情況,只要設(shè)定一個(gè)閾值,那么 就可以認(rèn)為超過了這個(gè)閾值的時(shí)間點(diǎn)是手勢(shì)的起點(diǎn),在識(shí)別出起點(diǎn)后,若差分值出現(xiàn)了小 于閾值了的時(shí)刻點(diǎn),就是手勢(shì)的終點(diǎn)。
[0052]但是這種計(jì)算方法下用戶無意識(shí)下手勢(shì)瞬間的抖動(dòng)會(huì)造成判斷結(jié)果出現(xiàn)偏差,因 此我們將單點(diǎn)的差分法進(jìn)行算法優(yōu)化,變成滑動(dòng)窗口的差分法。我們?cè)谝粋€(gè)窗口(長(zhǎng)度為N) 內(nèi)對(duì)加速度和角速度的兩兩時(shí)刻前后數(shù)值變化量求和,并適當(dāng)提高閾值,提高對(duì)手勢(shì)起點(diǎn) 和終點(diǎn)的判別精確度,隔離抖動(dòng)誤差的效果更好。在這種情況下再去進(jìn)行判斷,可以有效地 提高準(zhǔn)確性,減少判斷失誤。由于本發(fā)明中采用的運(yùn)動(dòng)傳感器采樣率為f = 50Hz,而據(jù)大量 樣本統(tǒng)計(jì)可知一個(gè)手勢(shì)大概是Is左右,也就是50個(gè)采樣點(diǎn)左右,因此根據(jù)經(jīng)驗(yàn)設(shè)窗口長(zhǎng)度 為N=7-10均可。經(jīng)過平滑窗口處理后的加速度和角速度差分值分別為:
[0053] a_v = x(\xr -x-1+\rr -rr|+|zr -zn|) ⑶ k=i t+N
[0054] - S (|zr - XZ | + |f- - YkZ | + |z-' - z-1) (4) k=i
[0055] 因?yàn)橥瑫r(shí)采用的加速度和角速度一個(gè)窗口長(zhǎng)度內(nèi)的差分值來作為判斷依據(jù),而加 速度和角速度不一定能夠同時(shí)在一個(gè)時(shí)刻上到達(dá)閾值,因此還需要再增加一個(gè)判斷條件, 即加速度和角速度分別檢測(cè)出來的起點(diǎn)或終點(diǎn)時(shí)刻差值如果超過5個(gè)采樣時(shí)間點(diǎn),則認(rèn)為 該起點(diǎn)或終點(diǎn)無效。綜上所述,當(dāng)且僅當(dāng)同時(shí)滿足下面的判斷條件:
[0056] AaccN(M)>8thi,M=Ai,Ai+l, . . . ,Ai+N (5)
[0057] A agrN(M) >8th2,M=A2,A2+l,. . . ,A2+N (6)并且 IA1-A21〈5,貝丨jA=min(Ai,A2)為 手勢(shì)起點(diǎn)。
[0058]若滿足下面判斷條件:
[0059] AaccN(M)<8thi,M=Bi,Bi+l, . . . ,Bi+N (7)
[0060] AagrN(M)<Sth2,M = B2,B2+l,? ? ?,B2+N (8)并且 | BrB21〈5,貝丨,B2)為 手勢(shì)終點(diǎn)。
[0061][手勢(shì)數(shù)據(jù)坐標(biāo)系轉(zhuǎn)換]
[0062] 由上文可以得知,傳感器坐標(biāo)系是機(jī)體坐標(biāo)系b系,它隨著傳感器運(yùn)動(dòng)而改變,"東 北天":用戶坐標(biāo)系(即地理坐標(biāo)系)n系則固定保持不變。機(jī)體坐標(biāo)系b系和用戶坐標(biāo)系n系 分別如附圖3所示。
[0063] 用戶在做手勢(shì)動(dòng)作的途中會(huì)隨時(shí)改變傳感器機(jī)體坐標(biāo)系,而后續(xù)利用特征分析法 制定的一套判斷標(biāo)準(zhǔn)是不變的,此時(shí)如果仍使用機(jī)體坐標(biāo)系下測(cè)量出的原始數(shù)據(jù)來進(jìn)行判 斷顯然是錯(cuò)誤的。因此首先應(yīng)該把手勢(shì)切割后的所有有效測(cè)量數(shù)據(jù)通過旋轉(zhuǎn)矩陣轉(zhuǎn)換到用 戶坐標(biāo)系下,才能對(duì)這些數(shù)據(jù)使用同一套判斷標(biāo)準(zhǔn)。如上文介紹,歸一化后的四元數(shù)可以描 述剛體的定點(diǎn)運(yùn)動(dòng),因此借助四元數(shù)即可輕松實(shí)現(xiàn)向量的坐標(biāo)系轉(zhuǎn)換,b坐標(biāo)系到n坐標(biāo)系 的轉(zhuǎn)換矩陣如下: \-2{q]+q:) 2(抓 n) 2(級(jí)' + 制2)
[0064] ^ = 2{q[q1+qnq?) 1 -- 2(q{ + q:) 2(q2q:, - q.^qx) - , + Cj{)CjA) +心) (9)
[0065]已知上式,就可以將數(shù)據(jù)進(jìn)行坐標(biāo)系轉(zhuǎn)換,公式如下:
[0066] ' (|〇)
[0067]由轉(zhuǎn)換矩陣的可逆性,可求出機(jī)體坐標(biāo)系到用戶坐標(biāo)系的轉(zhuǎn)換矩陣,從而將運(yùn)動(dòng) 傳感器采集到的手勢(shì)數(shù)據(jù)進(jìn)行機(jī)體到用戶坐標(biāo)系的轉(zhuǎn)換。
[0068][細(xì)分特征值法實(shí)現(xiàn)手勢(shì)識(shí)別]
[0069]本發(fā)明定義的手勢(shì)集中各個(gè)手勢(shì)都有其自己相較于其它手勢(shì)而言的比較明顯的 特征,因此采用特征分析法能夠快速、準(zhǔn)確地對(duì)其進(jìn)行識(shí)別。而特征分析法的關(guān)鍵在于選取 具有代表意義的特征量來設(shè)計(jì)預(yù)分類器,先識(shí)別手勢(shì)所屬的大類,再具體細(xì)劃分手勢(shì)具體 的動(dòng)作。不同的數(shù)據(jù)采集方式所構(gòu)成的特征量是不同的,因?yàn)槭褂玫氖沁\(yùn)動(dòng)傳感器,采集到 的數(shù)據(jù)是加速度、角速度和磁感應(yīng)強(qiáng)度,以及由姿態(tài)解算求出的姿態(tài)角,因此構(gòu)成特征量的 數(shù)據(jù)即為上述這些運(yùn)動(dòng)數(shù)據(jù)。
[0070] 手勢(shì)動(dòng)作之間具有一定的區(qū)分度,它們各自的傳感器數(shù)據(jù)信息所構(gòu)成的特征量之 間具有比較高的可辨識(shí)性,因此可以根據(jù)不同手勢(shì)的特征值建立不同的分類器,利用特征 分析法即可快速實(shí)現(xiàn)手勢(shì)的分類和識(shí)別。
[0071] 選取合適有效的特征量是特征分析法區(qū)分手勢(shì)的關(guān)鍵,好的特征量能直接降低手 勢(shì)識(shí)別算法的復(fù)雜度,并能提高識(shí)別準(zhǔn)確率,由此為基礎(chǔ)來設(shè)計(jì)一個(gè)合理有效的分類器。經(jīng) 過大量樣本采集和觀測(cè),本研究定義了五個(gè)特征量,分別是手勢(shì)長(zhǎng)度、手勢(shì)能量、波峰數(shù)(包 括加速度波峰數(shù)、角速度波峰數(shù)和姿態(tài)角波峰數(shù))、角速度能量最大軸、角速度單邊性,并利 用這五個(gè)特征量來構(gòu)造一個(gè)手勢(shì)大類的預(yù)分類器,以此來首先識(shí)別當(dāng)前的用戶手勢(shì)屬于哪 一大類:
[0072 ] (1)手勢(shì)長(zhǎng)度:手勢(shì)起點(diǎn)到終點(diǎn)的采樣數(shù);
[0073] LEN = B-A (11)其中,A、B為數(shù)據(jù)段的起點(diǎn)和終點(diǎn)。本發(fā)明采樣頻率是f = 50Hz,大量試驗(yàn)證明,手勢(shì)長(zhǎng)度必須大于20個(gè)采樣點(diǎn)才有效,若小于20個(gè)采樣點(diǎn)則不認(rèn)為是 一個(gè)手勢(shì),手勢(shì)長(zhǎng)度計(jì)算流程如附圖4所示。
[0074] (2)手勢(shì)能量:起點(diǎn)到終點(diǎn)之間加速度和角速度絕對(duì)值之和; B.
[0075] E = ^([gY/1 + |g"- + [ + |aY/1 + |<3VI- + \azi -g|) ( 12).
[0076] 其中,A、B為數(shù)據(jù)段的起點(diǎn)和終點(diǎn);gxi,gyi,gzi為手勢(shì)數(shù)據(jù)在x、y、z軸上的角速度; axi,ayi,azi為手勢(shì)數(shù)據(jù)在x、y、z軸上的加速度。
[0077] (3)波峰數(shù):每個(gè)手勢(shì)動(dòng)作的加速度或角速度或者姿態(tài)角的波峰數(shù)以及波峰波谷 的先后出現(xiàn)次序都會(huì)有所差異,波峰數(shù)可以反映出手勢(shì)的來回運(yùn)動(dòng)次數(shù)。
[0078] 計(jì)算時(shí)易將輕微抖動(dòng)也算進(jìn)去,因此本發(fā)明給變化量設(shè)定了一個(gè)閾值,加速度閾 值設(shè)為±〇. 7gm/s2,角速度閾值設(shè)為± 12dps,姿態(tài)角閾值設(shè)為± 30°,并且規(guī)定超過閾值的 采樣點(diǎn)數(shù)大于5才有效。先分別計(jì)算單軸上的波峰數(shù)(單軸上波峰數(shù)與波谷數(shù)的較大值),總 的波峰數(shù)等于三軸波峰數(shù)之和。
[0079] (4)角速度能量最大值:每個(gè)軸上的角速度能量計(jì)算分別公式為: E'rx= y~! |gn_ 1 i^--A
[0080] \Ky=t,\Sr,\ (13) i~A E^=Y\s:i\
[0081 ]因此角速度能量最大軸即max(Ewx、Ewy、Ewz)所在的坐標(biāo)軸,判斷軸即為判斷旋轉(zhuǎn) 軸,旋轉(zhuǎn)軸的準(zhǔn)確判斷對(duì)于識(shí)別旋轉(zhuǎn)類手勢(shì)十分關(guān)鍵;
[0082] (5)角速度單邊性:反映在某軸上的角速度呈現(xiàn)出單符號(hào)性,3個(gè)角速度中只要其 中一個(gè)滿足單邊性,就認(rèn)為其整體角速度滿足了單邊性。
[0083] 確定了以上這5個(gè)特征值之后,就可以根據(jù)各類手勢(shì)的特征值規(guī)律,來設(shè)計(jì)手勢(shì)動(dòng) 作的預(yù)分類器,結(jié)構(gòu)圖如附圖5所示。手勢(shì)預(yù)分類結(jié)構(gòu)圖用于識(shí)別當(dāng)前用戶的手勢(shì)屬于哪一 大類,而對(duì)于其中的移動(dòng)類和旋轉(zhuǎn)類,還需要再進(jìn)一步結(jié)合具體的特征量來進(jìn)行細(xì)劃分。從 附圖5可以看出,敲擊類和移動(dòng)類通常速度都比較慢,動(dòng)作維持時(shí)間短,因此手勢(shì)能量小。而 對(duì)于能量較大的剩余手勢(shì)中,若角速度能量最大軸出現(xiàn)在y軸,則明顯是旋轉(zhuǎn)類。但對(duì)于晃 動(dòng)、畫叉和打鉤的分類,總體而言,前兩類的長(zhǎng)度、能量和加速度波峰數(shù)大于打鉤,但由于手 勢(shì)存在隨意性,人們?cè)谧鲞@些手勢(shì)時(shí)容易產(chǎn)生類似的單個(gè)特征量,因此不能只用某個(gè)特征 量來進(jìn)行區(qū)分。本發(fā)明設(shè)計(jì)了一個(gè)線性判別函數(shù),將三個(gè)特征量換算為一種細(xì)分特征值f, 在單個(gè)特征量區(qū)分的基礎(chǔ)上再用判別函數(shù)來進(jìn)行區(qū)分,從而使分類準(zhǔn)確度達(dá)到最高。根據(jù) 特征量樣本得到的線性判別分類函數(shù)為:
[0084] f = a*LEN+b*E+c*P+d (14)
[0085] 式中LEN為手勢(shì)長(zhǎng)度,E為手勢(shì)能量,P為加速度波峰數(shù),a,b,c,d為常系數(shù)。
[0086]通過上文所述的預(yù)分類器,已經(jīng)可以較精確地識(shí)別出當(dāng)前用戶手勢(shì)屬于哪一大 類,但是對(duì)于旋轉(zhuǎn)類和移動(dòng)類,還需要進(jìn)一步地進(jìn)行手勢(shì)細(xì)化分,識(shí)別出其機(jī)體的運(yùn)動(dòng)方 向。
[0087] 1.移動(dòng)類細(xì)劃分出上、下、左、右:
[0088] 在觀察移動(dòng)類手勢(shì)的特征量時(shí)發(fā)現(xiàn),如果手勢(shì)是向左右兩個(gè)方向移動(dòng)的,那么水 平面上的加速度發(fā)生的變化比較大,而其中對(duì)于向左的手勢(shì)動(dòng)作,x軸加速度先出現(xiàn)波谷再 出現(xiàn)波峰,向右移動(dòng)的x軸加速度則剛好相反,先出現(xiàn)波峰再出現(xiàn)波谷;如果手勢(shì)是上下移 動(dòng)的,則垂直方向上的加速度發(fā)生的變化比較大,其中向上運(yùn)動(dòng)時(shí)z軸加速度先出現(xiàn)波峰再 出現(xiàn)波谷,向下運(yùn)動(dòng)時(shí)z軸加速度先出現(xiàn)波谷再出現(xiàn)波峰。
[0089] 因此可以首先通過判斷x軸和z軸加速度平均幅值誰更大來判斷出上下還是左右 移動(dòng),再根據(jù)具體的波峰波谷出現(xiàn)的順序來識(shí)別是具體的上、下、左、右。加速度在一個(gè)手勢(shì) 有效長(zhǎng)度A-B時(shí)間段內(nèi)的平均幅值計(jì)算公式如下:
(15) (16)
[0092] 其中,A、B分別是手勢(shì)動(dòng)作數(shù)據(jù)段的起點(diǎn)和終點(diǎn);axl、azl分別是手勢(shì)在x軸、z軸下 的加速度;AM X、AMZ分別是手勢(shì)在x軸、z軸中的加速度平均幅值。
[0093] 通過判斷手勢(shì)在x軸、z軸中的加速度平均幅值A(chǔ)MX、AMZ哪個(gè)更大,可以得到手勢(shì)當(dāng) 前是集中在水平面運(yùn)動(dòng)還是垂直面運(yùn)動(dòng),然后再根據(jù)x軸和z軸上各自加速度的波峰波谷出 現(xiàn)的順序來判斷具體的運(yùn)動(dòng)方向,流程圖如附圖6所示。
[0094] 2.旋轉(zhuǎn)類手勢(shì)細(xì)劃分為順時(shí)針和逆時(shí)針兩個(gè)方向:
[0095] 因?yàn)樾D(zhuǎn)類手勢(shì)是發(fā)生在水平面上的,因此只要觀察y軸角速度波峰波谷出現(xiàn)的 先后順序就能識(shí)別出用戶當(dāng)前是在順時(shí)針旋轉(zhuǎn)還是逆時(shí)針旋轉(zhuǎn),如果y軸角速度先波谷后 波峰,則是逆時(shí)針旋轉(zhuǎn),反過來先波峰后波谷則是順時(shí)針旋轉(zhuǎn),流程圖如附圖7所示。
[0096]通過在以上理論分析,我們可以更進(jìn)一步地實(shí)現(xiàn)內(nèi)容豐富、形式多樣化的功能應(yīng) 用。
[0097] 一、可自定義的復(fù)雜手勢(shì)識(shí)別
[0098]類似于編碼原理,用戶可以根據(jù)自己的喜好把一系列的較復(fù)雜的手勢(shì)設(shè)定為快捷 鍵快速打開某些應(yīng)用。由于復(fù)雜手勢(shì)識(shí)別需要大量復(fù)雜的實(shí)時(shí)計(jì)算和儲(chǔ)存,單純?cè)谑謩?shì)識(shí) 別硬件平臺(tái)上無法完成,因此需要將消除誤差后的傳感器數(shù)據(jù)以及姿態(tài)解算后的數(shù)據(jù)通過 藍(lán)牙傳輸?shù)街悄芙K端,在智能終端中進(jìn)行復(fù)雜手勢(shì)的識(shí)別。復(fù)雜手勢(shì)識(shí)別技術(shù)可以由以下 幾種方式之一來實(shí)現(xiàn)。
[0099] 1.基于隱性馬爾科夫模型(HMM)的手勢(shì)識(shí)別
[0100] 隱性馬爾科夫模型(Hidden Markov Model-HMM)是一個(gè)由馬爾科夫過程和一個(gè)一 般隨機(jī)過程組成的雙重隨機(jī)過程,HMM在語音識(shí)別中的應(yīng)用已相當(dāng)成熟,由于手勢(shì)序列和語 音序列很相似,因此HMM也逐漸被用于手勢(shì)識(shí)別中,并且獲得了比較高的識(shí)別精度。HMM分別 用三種算法解決三個(gè)問題:
[0101 ]評(píng)估問題一一前后向算法:求給定模型下觀測(cè)序列的概率;
[0102] 解碼問題一一Viterbi算法:求給定模型下對(duì)應(yīng)于觀測(cè)序列的狀態(tài)序列;
[0103] 訓(xùn)練問題一一Baum-Welch算法:產(chǎn)生該狀態(tài)序列的最優(yōu)模型;
[0104] 首先訓(xùn)練好一個(gè)手勢(shì)庫(kù)儲(chǔ)存在智能終端,包含了數(shù)字012 - 9和英文小寫字母 abc…,以及一些特殊的圖形(畫叉,打鉤,問號(hào)…),每一種手勢(shì)對(duì)應(yīng)一種HMM模型A。用戶可 以為每一種手勢(shì)自定義一個(gè)快捷功能(例如打鉤表示立刻播放最喜愛的歌曲)。在開啟快捷 鍵模式下,用戶輸入相應(yīng)手勢(shì)后,硬件平臺(tái)便利用藍(lán)牙傳輸模塊將傳感器數(shù)據(jù)傳輸?shù)街悄?終端,智能終端對(duì)數(shù)據(jù)進(jìn)行評(píng)估和解碼,識(shí)別出用戶的手勢(shì),從而進(jìn)行相應(yīng)的操作。
[0105] 復(fù)雜手勢(shì)識(shí)別中的HMM算法可以用別的手勢(shì)識(shí)別算法來取代,例如模板匹配法、神 經(jīng)網(wǎng)絡(luò)、支持向量機(jī)(SVM)等。
[0106] 2.結(jié)合語音的手勢(shì)識(shí)別
[0107]先用手勢(shì)畫出筆畫,然后通過語音確定要寫的字或句段。智能終端中可保存用戶 的自造詞包,以后對(duì)應(yīng)用戶的口音可直接打出確定的字、句或?qū)崿F(xiàn)相應(yīng)的功能。
[0108] 二、體感游戲
[0109] 目前大部分的智能終端都包含有體感游戲,因此可以結(jié)合硬件平臺(tái)上的傳感器, 把9軸模塊濾波處理后的數(shù)據(jù)通過藍(lán)牙發(fā)送給智能終端,即可把手勢(shì)識(shí)別硬件平臺(tái)當(dāng)做迷 你游戲手柄來使用。此外,目前市面上流行的基于機(jī)器視覺的體感游戲(如kinect)靈敏度 仍不夠,體驗(yàn)效果不佳,但是通過在智能終端上集成攝像頭,再結(jié)合硬件平臺(tái),大體定位出 硬件平臺(tái)的位置,再進(jìn)一步通過硬件平臺(tái)上的陀螺儀等數(shù)據(jù)進(jìn)行精細(xì)定位,在很大程度上 提高了識(shí)別精度和靈敏度。
[0110] 三、AR現(xiàn)實(shí)增強(qiáng)
[0111] 結(jié)合智能終端上的攝像頭以及手勢(shì)識(shí)別硬件平臺(tái),在智能終端上實(shí)現(xiàn)AR現(xiàn)實(shí)增強(qiáng) 的效果。實(shí)現(xiàn)過程:
[0112] 首先硬件平臺(tái)的形狀和顏色都是為了攝像頭更好定位而設(shè)計(jì)。圓形的色圈,簡(jiǎn)單 的輪廓外形,都有利于攝像頭對(duì)硬件平臺(tái)更快,更準(zhǔn)確的定位,為AR技術(shù)的實(shí)現(xiàn)做好虛擬物 品定位準(zhǔn)備,其次就是只能終端預(yù)先存好虛擬物品素材,最后就在攝像畫面顯不的同時(shí),在 標(biāo)定位置顯示出相應(yīng)的文字或者虛擬物品。
[0113] 現(xiàn)實(shí)效果包括:
[0114] 1.攝像對(duì)硬件平臺(tái)的定位跟蹤,終端上的攝像畫面隨著硬件平臺(tái)的移動(dòng)而改變。
[0115] 2.攝像頭可以對(duì)持有硬件平臺(tái)的人定位,并通過衣服圖庫(kù)的選取實(shí)現(xiàn)用戶換衣試 衣體驗(yàn),讓終端變成試衣鏡。
[0116] 3.通過對(duì)硬件平臺(tái)的定位,還可以實(shí)現(xiàn)硬件平臺(tái)的變身,例如變成一捧花,一個(gè)茶 壺,一把劍等等,達(dá)到神奇的AR效果。
[0117] 四、控制PPT等應(yīng)用的播放
[0118] PC端廣泛存在需要方向性控制的操作,如PPT的播放、圖片的切換、網(wǎng)頁(yè)的上下滑 動(dòng)等,傳統(tǒng)的鼠標(biāo)控制在距離上限制較大,操控性低,影響人與PC端的友好交互。
[0119]目前流行的控制PPT的播放方式(其他應(yīng)用類似)有兩種:通過鍵盤或者PPT翻頁(yè) 筆。當(dāng)通過鍵盤控制PPT播放時(shí),操縱者必須站在電腦旁邊,這樣就不利于與講臺(tái)下的觀眾 進(jìn)行交流與互動(dòng),用戶體驗(yàn)性差;雖然使用PPT翻頁(yè)筆可以實(shí)現(xiàn)遠(yuǎn)程操控PPT,但是其同樣是 以按鍵的形式,必須隨時(shí)拿在手上,用戶體驗(yàn)同樣不是太好。
[0120] 通過分析,我們發(fā)現(xiàn)PPT的操控命令大致存在四種:開始播放,上翻頁(yè),下翻頁(yè)以及 結(jié)束播放。于是我們定義了四種手勢(shì),分別與這四種命令相對(duì)應(yīng),
[0121] 最終通過手勢(shì)就達(dá)到了控制PPT播放的目的,且由于手勢(shì)識(shí)別硬件平臺(tái)精致小巧, 可直接穿戴在手上,不影響正常的手勢(shì)交流,進(jìn)一步提高了用戶體驗(yàn)。
[0122] 五、手語識(shí)別系統(tǒng)
[0123] 由于先天或者后天的不幸導(dǎo)致我們身邊可能有殘疾的朋友,往往需要學(xué)習(xí)手語才 能和他們進(jìn)行交流。手語的研究有助于改善和提高聾啞人的生活學(xué)習(xí)和工作條件,為他們 提供更好的服務(wù)。
[0124] 通過穿戴手勢(shì)識(shí)別硬件平臺(tái),采集手語樣本,然后通過自定義復(fù)雜手勢(shì)識(shí)別對(duì)每 種手語進(jìn)行建模,最后進(jìn)行手語識(shí)別。通過借助于智能終端強(qiáng)大的計(jì)算能力以及對(duì)識(shí)別算 法的改進(jìn),可以達(dá)到很高的識(shí)別精度,極大的改善聾啞人的生活質(zhì)量,使得其可以用手語和 正常人進(jìn)行交流。
[0125] 以上內(nèi)容是結(jié)合具體的優(yōu)選實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說明,不能認(rèn)定 本發(fā)明的具體實(shí)施只局限于這些說明。對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說,在 不脫離本發(fā)明構(gòu)思的前提下,還可以做出若干簡(jiǎn)單推演或替換,都應(yīng)當(dāng)視為屬于本發(fā)明的 保護(hù)范圍。
【主權(quán)項(xiàng)】
1. 一種基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別方法,其特征在于:所述方法將手 勢(shì)定義為敲擊類、旋轉(zhuǎn)類、晃動(dòng)類、移動(dòng)類、打鉤類、畫叉類等六大類型,所述方法包括: S1:采用差分法從所有讀取到的原始數(shù)據(jù)中截取從手勢(shì)的起點(diǎn)到終點(diǎn)的段落; S2:對(duì)切割下來的數(shù)據(jù)段進(jìn)行坐標(biāo)系的轉(zhuǎn)換,從機(jī)體坐標(biāo)系轉(zhuǎn)換到用戶坐標(biāo)系; S3:計(jì)算變換后數(shù)據(jù)的手勢(shì)長(zhǎng)度、手勢(shì)能量、波峰數(shù)、角速度能量最大軸、角速度單邊 性,并利用這五個(gè)特征量來構(gòu)造一個(gè)手勢(shì)大類的預(yù)分類器,所述預(yù)分類器利用手勢(shì)能量來 進(jìn)行粗分類,利用波峰數(shù)來區(qū)分敲擊類和移動(dòng)類,利用角速度能量最大軸來識(shí)別旋轉(zhuǎn)類,利 用線性判別函數(shù)計(jì)算細(xì)分值f來區(qū)分晃動(dòng)類、打鉤類、畫叉類;線性判別函數(shù)為; f = a*LEN+b*E+c*P+d, 其中,LEN為手勢(shì)長(zhǎng)度,E為手勢(shì)能量,P為加速度波峰數(shù),a,b,c,d為常系數(shù); S4:進(jìn)一步地進(jìn)行手勢(shì)細(xì)化分,識(shí)別出移動(dòng)類和旋轉(zhuǎn)類手勢(shì)的運(yùn)動(dòng)方向。2. 根據(jù)權(quán)利要求1所述的手勢(shì)識(shí)別方法,其特征在于:所述差分法進(jìn)行手勢(shì)切割具體 為,在一個(gè)長(zhǎng)度為N的窗口內(nèi)對(duì)加速度和角速度的兩兩時(shí)刻前后數(shù)值變化量求和得到經(jīng)過 平滑窗口處理后的加速度和角速度差分值:示k時(shí)刻下的三軸角速度值;設(shè)定一個(gè)閾值,所述差分值超過了所述閾值的時(shí)間點(diǎn)是手勢(shì)的 起點(diǎn),在識(shí)別出起點(diǎn)后,若所述差分值出現(xiàn)了小于所述閾值了的時(shí)刻點(diǎn)是手勢(shì)的終點(diǎn);若加 速度和角速度分別檢測(cè)出來的起點(diǎn)或終點(diǎn)時(shí)刻差值如果超過m個(gè)采樣時(shí)間點(diǎn),則認(rèn)為該起 點(diǎn)或終點(diǎn)無效,反之則有效,其中,m為預(yù)設(shè)值。3. 根據(jù)權(quán)利要求1所述的手勢(shì)識(shí)別方法,其特征在于:所述波峰數(shù)包括加速度波峰數(shù)、 角速度波峰數(shù)和姿態(tài)角波峰數(shù)。4. 根據(jù)權(quán)利要求1所述的手勢(shì)識(shí)別方法,其特征在于:所述手勢(shì)長(zhǎng)度LEN為手勢(shì)起點(diǎn)到 終點(diǎn)的采樣數(shù);手勢(shì)能量E為起點(diǎn)到終點(diǎn)之間加速度和角速度絕對(duì)值之和;波峰數(shù)為每個(gè)手 勢(shì)動(dòng)作的加速度或角速度或者姿態(tài)角的波峰數(shù);角速度單邊性反映在某軸上的角速度呈現(xiàn) 出單符號(hào)性,3個(gè)角速度中只要其中一個(gè)滿足單邊性,就認(rèn)為其整體角速度滿足了單邊性; 角速度能量最大軸為ma X(Ewx、Ewy、Ewz)所在的坐標(biāo)軸,判斷軸即為判斷旋轉(zhuǎn)軸,其中,角速度 能量最大值Ewx、E Wy、EWZ為:其中,gxi,gyi,gzi為手勢(shì)數(shù)據(jù)在x、y、z軸上的角速度。5. 根據(jù)權(quán)利要求1所述的手勢(shì)識(shí)別方法,其特征在于:所述預(yù)分類器具體為:當(dāng)手勢(shì)能 量E小于預(yù)設(shè)的第一閾值,則進(jìn)行加速度波峰數(shù)判斷,當(dāng)加速度波峰數(shù)小于預(yù)設(shè)的第二閾值 時(shí),則將手勢(shì)判斷為敲擊類,否則,判斷為移動(dòng)類;當(dāng)手勢(shì)能量E大于或等于預(yù)設(shè)的第一閾 值,則進(jìn)行角速度能量最大軸判斷,若為Y軸,則將手勢(shì)判斷為旋轉(zhuǎn)類,若不為Y軸,則進(jìn)行細(xì) 分特征值f的計(jì)算,若f大于〇則進(jìn)一步根據(jù)姿態(tài)波峰數(shù)和手勢(shì)能量將手勢(shì)識(shí)別為晃動(dòng)類或 畫叉類,若f小于或等于〇則進(jìn)一步判斷角速度單邊性,若角速度單邊性為否,則將手勢(shì)判斷 為打鉤類。6. 根據(jù)權(quán)利要求1所述的手勢(shì)識(shí)別方法,其特征在于:所述步驟S4包括:對(duì)于移動(dòng)類手 勢(shì),首先通過判斷X軸和z軸加速度平均幅值誰更大來判斷出上下還是左右移動(dòng),再根據(jù)具 體的波峰波谷出現(xiàn)的順序來識(shí)別是具體的上、下、左、右。7. 根據(jù)權(quán)利要求1所述的手勢(shì)識(shí)別方法,其特征在于:所述步驟S4包括:對(duì)于旋轉(zhuǎn)類手 勢(shì),觀察y軸角速度波峰波谷出現(xiàn)的先后順序就能識(shí)別出用戶當(dāng)前是在順時(shí)針旋轉(zhuǎn)還是逆 時(shí)針旋轉(zhuǎn),如果y軸角速度先波谷后波峰,則是逆時(shí)針旋轉(zhuǎn),反過來先波峰后波谷則是順時(shí) 針旋轉(zhuǎn)。8. 根據(jù)權(quán)利要求1所述的手勢(shì)識(shí)別方法,其特征在于:所述步驟S4之前還包括對(duì)原始數(shù) 據(jù)進(jìn)行數(shù)據(jù)融合,再進(jìn)行姿態(tài)解算,求出實(shí)時(shí)的姿態(tài)角,所述數(shù)據(jù)融合算法為互補(bǔ)濾波或梯 度下降法。9. 一種基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別方法,所述手勢(shì)為用戶根據(jù)自己的 喜好定義的一系列的較復(fù)雜的手勢(shì)序列,其特征在于:所述方法首先利用如權(quán)利要求1-9任 一項(xiàng)所述的識(shí)別方法識(shí)別出所述手勢(shì)序列中的每一個(gè)手勢(shì),然后利用隱性馬爾科夫模型 HMM識(shí)別出用戶定義的手勢(shì)序列。10. -種基于細(xì)分特征值法的快速三維動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng),所述系統(tǒng)包括手勢(shì)識(shí)別的 硬件平臺(tái)和接收端;其中,所述手勢(shì)識(shí)別的硬件平臺(tái)作為手勢(shì)數(shù)據(jù)的采集設(shè)備,其包括3軸 加速度計(jì)、3軸陀螺儀和3軸磁力計(jì)、MCU微處理器、藍(lán)牙模塊、鋰電池充電電路、鋰電池以及 電源開關(guān);所述3軸加速度計(jì)測(cè)量加速度、3軸陀螺儀測(cè)量角速度和3軸磁力計(jì)測(cè)量磁場(chǎng),獲 得手勢(shì)的原始數(shù)據(jù);所述硬件平臺(tái)通過無線通信的方式將采集到的原始數(shù)據(jù)傳送給所述接 收端;所述接收端采用如權(quán)利要求1-9任一項(xiàng)所述的基于細(xì)分特征值法的快速三維動(dòng)態(tài)手 勢(shì)識(shí)別方法進(jìn)行數(shù)據(jù)處理及手勢(shì)識(shí)別。
【文檔編號(hào)】G06K9/00GK105929940SQ201610227105
【公開日】2016年9月7日
【申請(qǐng)日】2016年4月13日
【發(fā)明人】韓嘯, 張欽宇, 劉易, 謝國(guó)超, 趙國(guó)欽, 劉元震
【申請(qǐng)人】哈爾濱工業(yè)大學(xué)深圳研究生院