识别交通指挥手势的方法技术

本发明专利技术提供一种识别交通指挥手势的方法

【技术实现步骤摘要】
识别交通指挥手势的方法、系统及电子设备


[0001]本专利技术属于计算机视觉和实时
3D
互动领域的交叉
，涉及一种识别交通指挥手势的方法
、
系统及电子设备
。

技术介绍

[0002]随着交通高速发展
、
出行日益便利，交通安全教育显得尤为重要
。
普及
、
宣传交通手势
、
提高出行安全成为重点
。
传统的安全教育基本为图片
、
文字和视频，对于用户来说趣味性低
、
体验性差
、
准确度低
、
交互性弱
。
[0003]市场上大部分的手势识别系统是基于不带深度信息的普通摄像头做
2D
手势识别
。
而
2D
手势识别主要存在以下缺点：
[0004]1)
采用二维坐标系，没有深度信息，无法判断各关节之间的前后关系；
[0005]2)
识别精度相对较低，错误率高；
[0006]3)
无交互体验，不能沉浸时体验手势在生活中的使用
。

技术实现思路

[0007]为了克服现有技术中存在的不足，本专利技术提供一种识别交通指挥手势的方法，使用
Kinect
设备获取骨骼关节点三维坐标数据，使用
Holt
双指数平滑算法平滑处理骨骼关节点三维坐标数据，能极大减轻异常手势信息的干扰，提升识别精度
。
[0008]本专利技术的技术方案包括：
[0009]本专利技术的第一方面公开一种识别交通指挥手势的方法，其包括：
[0010]步骤
S1
：获取与交通指挥手势相关的骨骼关节点三维坐标数据，所述骨骼关节点三维坐标数据的数据形式为四元数
q
＝
[w x y z]，其中，
x,y,z
分别表示
x,y,z
轴上的分量，
w
表示标量；
[0011]步骤
S2
：使用
Holt
双指数平滑算法对所述骨骼关节点三维坐标数据进行平滑处理；
[0012]步骤
S3
：将平滑处理后的骨骼关节点三维坐标数据转换为用于表示姿态信息的欧拉角，所述欧拉角表示为其中，分别对应偏航角
、
俯仰角
、
翻滚角；
[0013]步骤
S4
：将所述欧拉角与目标姿态中相同骨骼关节点的预定姿态欧拉角进行比对，若各骨骼关节点对应的比对结果均在误差范围内则表明当前姿态为目标姿态，若任意一个骨骼关节点的比对结果在误差范围外则为当前姿态为无效姿态
。
[0014]可选的，所述骨骼关节点三维坐标数据从
Kinect
设备获取
。
[0015]可选的，所述骨骼关节点包括左肩
、
左肘
、
左腕
、
右肩
、
右肘
、
右腕
。
[0016]可选的，所述步骤
S2
具体包括：
[0017]将获取的骨骼关节点三维坐标数据按照时间先后顺序排列成数列，每一个周期对应一个时间数列，每个时间数列包括一组骨骼关节点三维坐标数据；
[0018]将当前周期对应时间数列中的骨骼关节点三维坐标数据与上一个周期对应时间
数列的骨骼关节点三维坐标数据进行比较，计算相邻周期同一骨骼关节点三维坐标数据的角度值，计算公式如下：
[0019]ρ
＝
acos((w
t
*w
t
‑1+x
t
*x
t
‑1+y
t
*y
t
‑1+z
t
*z
t
‑1)/(|w
t
|*|w
t
‑1|))
ꢀꢀꢀ
(1)
；
[0020]式中，
w
t
、x
t
、y
t
、z
t
为第
t
周期的
q
t
值，
w
t
‑1、x
t
‑1、y
t
‑1、z
t
‑1为第
t
‑1周期的
q
t
‑1值；
[0021]当各个骨骼关节点对应的角度值
ρ
在第一预设范围内时，认为时间数列无明显的变化趋势时，只需计算一次指数平滑值，设置
q0为骨骼关节点对应的初始指数平滑值一次指数平滑公式为：
[0022][0023]式中，
q
t
为第
t
周期的骨骼关节点坐标值，为第
t
周期的一次指数平滑值，
α
为加权系数，为第
t
‑1周期一次指数平滑值；
[0024]当任一骨骼关节点对应的角度值
ρ
在第一预设范围外时，说明骨骼关节点三维坐标数据变化趋势明显，先通过二次指数平滑预测模型计算二次指数平滑预测值，计算公式如下：
[0025][0026]式中，为第
t+m
周期的二次指数平滑预测值，
a
t
、b
t
均为平滑模型参数，
[0027]将获取的骨骼关节点三维坐标数据与二次指数平滑预测值进行比较，如果差别在第二预设范围内，直接将获取的骨骼关节点三维坐标数据进行二次指数平滑，如果在第二预设范围之外，则对获取的骨骼关节点三维坐标数据修正后再进行二次指数平滑，二次指数平滑公式为：
[0028][0029]式中，为第
t
周期的二次指数平滑值；为第
t
周期的一次指数平滑值；为第
t
‑1周期的二次指数平滑值；
α
为加权系数
。
[0030]可选的，所述步骤
S2
中：
[0031]若骨骼关节点三维坐标数据变化趋势明显，先对修正后的值再进行二次指数平滑，修正公式如下：
[0032][0033]其中，
r
t
为原始骨骼关节数据的趋势增量，其值为
β
为
r
t
的平滑系数
。
[0034]可选的，所述步骤
S3
具体包括：
[0035]当俯仰角
θ
为
±
90
°
时，
wy
‑
xz
的值等于
±
0.5
，将阈值设置无限接近
0.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种识别交通指挥手势的方法，其特征在于，包括：步骤
S1
：获取与交通指挥手势相关的骨骼关节点三维坐标数据，所述骨骼关节点三维坐标数据的数据形式为四元数
q
＝
[w x y z]
，其中，
x,y,z
分别表示
x,y,z
轴上的分量，
w
表示标量；步骤
S2
：使用
Holt
双指数平滑算法对所述骨骼关节点三维坐标数据进行平滑处理；步骤
S3
：将平滑处理后的骨骼关节点三维坐标数据转换为用于表示姿态信息的欧拉角，所述欧拉角表示为其中，
φ
、
θ
、
分别对应偏航角
、
俯仰角
、
翻滚角；步骤
S4
：将所述欧拉角与目标姿态中相同骨骼关节点的预定姿态欧拉角进行比对，若各骨骼关节点对应的比对结果均在误差范围内则表明当前姿态为目标姿态，若任意一个骨骼关节点的比对结果在误差范围外则为当前姿态为无效姿态
。2.
如权利要求1所述的识别交通指挥手势的方法，其特征在于，所述骨骼关节点三维坐标数据从
Kinect
设备获取
。3.
如权利要求1所述的识别交通指挥手势的方法，其特征在于，所述骨骼关节点包括左肩
、
左肘
、
左腕
、
右肩
、
右肘
、
右腕
。4.
如权利要求1所述的识别交通指挥手势的方法，其特征在于，所述步骤
S2
具体包括：将获取的骨骼关节点三维坐标数据按照时间先后顺序排列成数列，每一个周期对应一个时间数列，每个时间数列包括一组骨骼关节点三维坐标数据；将当前周期对应时间数列中的骨骼关节点三维坐标数据与上一个周期对应时间数列的骨骼关节点三维坐标数据进行比较，计算相邻周期同一骨骼关节点三维坐标数据的角度值，计算公式如下：
ρ
＝
acos((w
t
*w
t
‑1+x
t
*x
t
‑1+y
t
*y
t
‑1+z
t
*z
t
‑1)/(|w
t
|*|w
t
‑1|))
ꢀꢀꢀꢀ
(1)
；式中，
w
t
、x
t
、y
t
、z
t
为第
t
周期的
q
t
值，
w
t
‑1、x
t
‑1、y
t
‑1、z
t
‑1为第
t
‑1周期的
q
t
‑1值；当各个骨骼关节点对应的角度值
ρ
在第一预设范围内时，认为时间数列无明显的变化趋势时，只需计算一次指数平滑值，设置
q0为骨骼关节点对应的初始指数平滑值一次指数平滑公式为：式中，
q
t
为第
t
周期的骨骼关节点坐标值，为第
t
周期的一次指数平滑值，
α
为加权系数，为第
t
‑1周期一次指数平滑值；当任一骨骼关节点对应的角度值
ρ
在第一预设范围外时，说明骨骼关节点三维坐...

【专利技术属性】
技术研发人员：王君，张铁监，章道扬，章安强，吴美娟，简永恒，孔令亮，叶剑，成钢，姚伟，
申请(专利权)人：多伦科技股份有限公司，
类型：发明
国别省市：