基于惯性传感的手势识别方法技术

本发明专利技术公开了一种基于惯性传感的手势识别方法，采用三轴惯性传感器进行手势数据采集，对采集得到的手势数据样本库中的每个手势动作进行主轴判断，然后对手势数据样本库中的各个手势动作下每个实验者的手势数据分别进行聚类，筛选出典型样本构建该手势动作的典型样本集，在手势识别时，首先对测试手势动作的手势数据进行主轴判断，然后从手势数据样本库的手势动作中筛选主轴相同的手势动作，然后计算测试手势数据与这些手势动作典型样本集之间的相似度，选择相似度最大的手势动作作为测试手势的所属类别。本发明专利技术通过采用主轴判断和典型样本筛选，可以有效降低算法的复杂度，提高手势识别准确率。

Gesture recognition method based on inertial sensor

The invention discloses a gesture recognition method based on inertial sensing, gesture data acquisition using three axis inertial sensor, the spindle judgment of gesture data sample library collected in every gesture, and then each gesture gesture data in the database dynamic gesture data under each experimenter cluster respectively, screening a typical sample of typical samples to construct the gesture set in gesture recognition, gesture data to test the first gesture of spindle judgment, then screen gestures to choose the same gesture gesture from the main data sample database, and then calculate the similarity between the test data and the gesture gestures typical samples, selection the gesture of maximum similarity as category test gestures. The invention can effectively reduce the complexity of the algorithm and improve the accuracy of gesture recognition by using the principal axis judgment and the typical sample selection.

【技术实现步骤摘要】

本专利技术属于手势识别
，更为具体地讲，涉及一种基于惯性传感的手势识别方法。
技术介绍
近年来随着技术发展，人机交互技术在生活中已经得到较为广泛的应用，人体手势作为最丰富、最有含义的人体动作，可以更自然地向环境传递有意义的信息，有效降低学习成本。由于不同用户个体的手势动作在速度、幅度等多方面差异化较大，基于惯性传感的手势追踪与识别方法的研究焦点集中于如何使不依赖于个体的手势识别方法更具有个体鲁棒性，同时获得更快的动态响应。现有学术研究中，RuizeXu等人提出一种基于手势标识和模板匹配算法的手势识别方法，在不依赖于个体的手势识别问题上获得了更高的识别率。但适于比较简单的手势动作，对于复杂手势动作，标识困难。Kuang-YowLian等人提出一种基于特征提取和训练的改进隐马尔可夫模型的手势识别方法，但由于用户个体差异，同一手势信号存在较大差异，难以建立准确的手势模板和隐马尔可夫模型。KBarczewska等人对比了三种不同的基于DTW(DynamicTimeWarping，动态时间归整)算法的手势识别方法(DTW、DDTW、PDTW)的优劣，实验结果表明：DDTW方法对信号求导处理后再进行DTW运算，增强了算法对信号局部变化的适应性，具有最高的识别准确率；PDTW方法的识别准确率最低，但对于大量数据集的处理可以有效地缩短运算时间，不同的压缩率决定方法的运算时间。HussainSMA等人针对连续手势识别系统，运用加速度传感器多维数据进行DTW计算，在一定程度上提高了算法识别率，但增加了运算时间。以上几种方法将采集的数据随机抽取出一部分作为DTW算法模板匹配的样本，均未对样本集做特殊处理，不能保证样本的标准度、有效性及可用性。在公布号为“CN105824420A”、名称为“一种基于加速度传感器的手势识别方法”的专利中公开了一种手势识别方法，该方法侧重于可自动判断动作的起点和终点，不需要外界的控制介入。通过三步(夹角、特征、状态)步排除掉不符合标准的手势，减少了总体计算量。但由于动作库特征通过采集大量手势标本获得，对于实验中不同个体特征的包容性差，手势识别准确率不高。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于惯性传感的手势识别方法，通过采用主轴判断和典型样本筛选，可以有效降低算法的复杂度，提高手势识别准确率。为实现上述专利技术目的，本专利技术基于惯性传感的手势识别方法包括以下步骤：S1：采用三轴惯性传感器采集M位实验者的Q个手势动作数据构建手势数据样本库，每个实验者对每个手势动作重复N次，记第m位实验者对第q个手势动作第n次重复的三轴手势数据为Gq,m,n，其中q＝1,2,…,Q、m＝1,2,…,M、n＝1,2,…,N；S2：对每个手势动作进行主轴判断，从三轴中筛选出主轴；S3：记各个手势动作下每个实验者的N次手势数据样本集为Gq,m＝{Gq,m,1,…,Gq,m,N本文档来自技高网...

【技术保护点】
一种基于惯性传感的手势识别方法，其特征在于包括以下步骤：S1：采用三轴惯性传感器采集M位实验者的Q个手势动作数据构建手势数据样本库，每个实验者对每个手势动作重复N次，记第m位实验者对第q个手势动作第n次重复的三轴手势数据为Gq,m,n，其中q＝1,2,…,Q、m＝1,2,…,M、n＝1,2,…,N；S2：对每个手势动作进行主轴判断，从三轴中筛选出主轴；S3：记各个手势动作下每个实验者的N次手势数据样本集为Gq,m＝{Gq,m,1,…,Gq,m,N}，分别对每个样本集Gq,m采用聚类数不定的聚类算法进行聚类，将得到的聚类数记为Kq,m，在每个聚类中选择距离聚类中心最近的手势数据样本作为典型样本，从而得到各个手势动作的典型样本集Yq＝{Yq,1,Yq,2,…,Yq,M}，其中，表示第q个手势动作下第m个实验者的第k个典型样本，k＝1,2,…,Kq,m；S4：采用三轴惯性传感器采集测试者的某个测试手势动作的手势数据C；S5：根据测试手势动作数据C对测试手势动作进行主轴判断，从三轴中筛选出主轴；S6：从手势数据样本库的Q个手势动作中筛选出与测试手势动作主轴相同的P个手势动作，然后分别计算测试手势动作数据C与P个手势动作的典型样本集Yp的相似度D(C,Yp)：D(C,Yp)=Σm=1MΣk=1Kp,mD(C,Gp,m,k*)Σm=1MKp,m]]>其中，p＝1,2,…,P，表示测试手势动作数据G′与典型样本集Yp中典型样本之间的相似度；然后选择D(C,Yp)最小值所对应的手势动作作为该测试手势动作的所属类别，完成手势识别。...

【技术特征摘要】
1.一种基于惯性传感的手势识别方法，其特征在于包括以下步骤：S1：采用三轴惯性传感器采集M位实验者的Q个手势动作数据构建手势数据样本库，每个实验者对每个手势动作重复N次，记第m位实验者对第q个手势动作第n次重复的三轴手势数据为...

【专利技术属性】
技术研发人员：夏侯士戟，王琳琳，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51