一种基于骨骼节点信息的手势空间域匹配方法组成比例

本发明专利技术涉及一种基于骨骼节点信息的手势空间域匹配方法，其特征在于具体步骤如下：首先以掌心为空间坐标轴原点，对数据集中的每一帧，每一个骨节点的数据，规定一个可匹配范围极值；其次进行空间域匹配&节点计数；再计算各项匹配率。其通过高精度多电极的骨骼追踪手套实现最直接的数据采集，由此避免了使用图片数据集进行手势识别过程中的图像识别这一高难度环节。

A Gesture Space Domain Matching Method Based on Skeletal Node Information

【技术实现步骤摘要】
一种基于骨骼节点信息的手势空间域匹配方法
本专利技术涉及一种基于骨骼节点信息的手势空间域匹配方法，是一种基于骨骼节点的手势空间域匹配方法属于计算方法

技术介绍
随着近年来人工智能的兴起，在计算机视觉领域产生了大量的技术分支，图像识别是其中的主要课题，而其中最能达到人机交互的核心技术概念之一便是手势识别技术。手势，是通过手的不同形势表达概念。而这个形势是由不同的骨骼运动方式所决定的，每一种手势的骨骼排布都不同。即使是看起来静止的手，其实也在时刻发生着微弱的颤动，不同大小的手，特征点之间的空间距离差也不同，这样的情况需要一种能够模糊匹配的匹配逻辑来进行手势识别。同时，手的根节点是掌根，所有的骨骼都连向掌心。因此，我决定以掌心为相对的空间坐标系原点，通过骨骼特征点之间的相对位置，并为每个特征点定制一个可浮动的空间移动范围，来作为辨别手势的主要依据，由此设计了空间域匹配算法。
技术实现思路
本专利技术的目的在于提供一种基于骨骼节点信息的手势空间域匹配方法，其通过利用骨骼节点与其可移动范围进行数据匹配的方法。本专利技术的技术方案是这样实现的：一种基于骨骼节点信息的手势空间域匹配方法，其特征在于具体步骤如下：第一部分：求解空间移动域；以掌心为空间坐标轴原点，对数据集中的每一帧，每一个骨节点的数据(x,y,z)，规定一个可匹配范围极值(dx，dy，dz)。例如：静态手势的食指前端关节浮动极值：dx＝0.01dy＝0.015dz＝0.01动态手势的拇指指尖关节浮动极值：dx＝0.02dy＝0.03dz＝0.02令该范围乘以“浮动倍率系数k”，(例如：黄金分割率0.618033988)，得出浮动上限为(Xmax,Ymax，Zmax)，浮动下限为(Xmin,Ymin,Zmin)，以上下限为立方体对角线，构造该节点的“空间移动域”。浮动倍率系数→kk∈(0，+∞)默认：k＝1ork＝0.618033988-1或1←黄金分割率保留小数点后9位Xmax＝Xbase+dx*kYmax＝Ybase+dy*kZmax＝Zbase+dz*kXmin＝Xbase-dx*kYmin＝Ybase-dy*kZmin＝Zbase-dz*k第二部分：空间域匹配&节点计数；若该节点在其“空间移动域”内，则视为该节点匹配成功，节点匹配数量+1，若该节点为掌心，则不纳入统计。即，一个骨骼节点第n帧的空间坐标位置的X，Y，Z坐标值需要同时满足以下条件：Xn∈[Xmin,Xmax]Yn∈[Ymin,Ymax]Zn∈[Zmin,Zmax]才视为该节点匹配成功。第三部分：计算各项匹配率；静态手型匹配率→SR手型节点匹配数(除去掌心)→p所有参与匹配的节点数量(除去掌心)→q即，静态手型匹配率＝手型节点匹配数p/所有参与匹配的节点数量q，但每一帧的掌心数据不参与匹配。本专利技术的积极效果是与目前
中常见的图片数据集采用不同的数据来源，同样实现了对多种不同静态手势的识别。而骨骼数据的采集可通过高精度多电极的骨骼追踪手套实现最直接的数据采集，由此避免了使用图片数据集进行手势识别过程中的图像识别这一高难度环节。附图说明图1为空间域匹配行为的概念示意图，立方体代表骨骼特征点的空间移动域，左下角为空间域最小值点，右上角为空间域最大值点。图2为匹配散点曲线示意图，其中蓝线为X轴方向的匹配范围，黑线为匹配范围中心准线，红线为实测数据曲线。具体实施方式下面结合附图和实施例对本专利技术做进一步的描述。在本实施例中，计算机系统的CPU选择Intel(R)酷睿(R)CPUI7-6500U@3.1GHz，内存选择金士顿8GBDDR31333+4GB集成主板内存，硬盘选择SSD512GB；计算机操作系统选用Windows10，软件编程工具选用VS2017以及Unity3D2017.1.1f1。将采集到的骨骼节点数据集传入本计算方法中，求解空间移动域。本计算方法将以掌心为空间坐标轴原点，对数据集中的每一帧，每一个骨节点的数据(x,y,z)，规定一个可匹配范围极值(dx，dy，dz)。例如：静态手势的食指前端关节浮动极值：dx＝0.01dy＝0.015dz＝0.01动态手势的拇指指尖关节浮动极值：dx＝0.02dy＝0.03dz＝0.02同时令该范围乘以“浮动倍率系数k”，(例如：黄金分割率0.618033988)，得出浮动上限为(Xmax,Ymax，Zmax)，浮动下限为(Xmin,Ymin,Zmin)，如图1所示，骨骼特征节点在以点(Xmin，Ymin，Zmin)与点(Xmax，Ymax，Zmax)为对角线所构成的方形“空间移动域”内，则该骨骼特征节点在当前帧视为匹配。浮动倍率系数→kk∈(0，+∞)默认：k＝1ork＝0.618033988-1或1←黄金分割率保留小数点后9位Xmax＝Xbase+dx*kYmax＝Ybase+dy*kZmax＝Zbase+dz*kXmin＝Xbase-dx*kYmin＝Ybase-dy*kZmin＝Zbase-dz*k随后执行匹配，同时在匹配过程中对匹配骨骼节点数量进行计数。若某节点在其“空间移动域”内，则视为该节点匹配成功，节点匹配数量+1，若该节点为掌心，则不纳入统计。即，一个骨骼节点第n帧的空间坐标位置的X，Y，Z坐标值需要同时满足以下条件：Xn∈[Xmin,Xmax]Yn∈[Ymin,Ymax]Zn∈[Zmin,Zmax]才视为该节点匹配成功。如图2所示，实测数据虽然没有与数据集数据产生交集，但是仍在上下限范围内，且波动轨迹与数据集相似，则该特征点实测数据对应的X方向轴上的视为匹配。最后计算各项匹配率作为本计算方法的反馈输出。定义：静态手型匹配率用SR表示手型节点匹配数(除去掌心)用p表示所有参与匹配的节点数量(除去掌心)用q表示则有匹配率计算公式：即，静态手型匹配率＝手型节点匹配数p/所有参与匹配的节点数量q，但每一帧的掌心数据不参与匹配。本文档来自技高网...

【技术保护点】
1.一种基于骨骼节点信息的手势空间域匹配方法，其特征在于具体步骤如下：第一部分：求解空间移动域；以掌心为空间坐标轴原点，对数据集中的每一帧，每一个骨节点的数据(x,y,z)，规定一个可匹配范围极值(dx，dy，dz)；例如：静态手势的食指前端关节浮动极值：dx＝0.01 dy＝0.015dz＝0.01动态手势的拇指指尖关节浮动极值：dx＝0.02 dy＝0.03dz＝0.02令该范围乘以“浮动倍率系数k”，(例如：黄金分割率0.618033988)，得出浮动上限为(Xmax,Ymax，Zmax)，浮动下限为(Xmin,Ymin,Zmin)，以上下限为立方体对角线，构造该节点的“空间移动域”；浮动倍率系数→k k∈(0，+∞)默认：k＝1or k＝0.618033988

【技术特征摘要】
1.一种基于骨骼节点信息的手势空间域匹配方法，其特征在于具体步骤如下：第一部分：求解空间移动域；以掌心为空间坐标轴原点，对数据集中的每一帧，每一个骨节点的数据(x,y,z)，规定一个可匹配范围极值(dx，dy，dz)；例如：静态手势的食指前端关节浮动极值：dx＝0.01dy＝0.015dz＝0.01动态手势的拇指指尖关节浮动极值：dx＝0.02dy＝0.03dz＝0.02令该范围乘以“浮动倍率系数k”，(例如：黄金分割率0.618033988)，得出浮动上限为(Xmax,Ymax，Zmax)，浮动下限为(Xmin,Ymin,Zmin)，以上下限为立方体对角线，构造该节点的“空间移动域”；浮动倍率系数→kk∈(0，+∞)默认：k＝1ork＝0.618033988-1或1←黄金分割率保留小数点后9位X...

【专利技术属性】
技术研发人员：李华，吴立凡，权巍，韩成，张超，徐超，刘文，
申请(专利权)人：长春理工大学，
类型：发明
国别省市：吉林,22