基于MEMS傳感器的手勢識別算法研究.pdf

1、近年來，由于虛擬技術(shù)的迅速發(fā)展，人機交互的研究逐漸成為了熱點，而手勢識別在人機交互中有著很重要的位置。手勢識別主要分基于視覺和基于傳感器兩種識別方式，其中基于視覺的手勢識別對環(huán)境和硬件設(shè)備要求比較嚴格，而隨著微機電系統(tǒng)(MEMS)傳感技術(shù)的快速發(fā)展，基于傳感器的手勢識別成為當下研究熱點。本文將基于MEMS傳感器，對手勢識別算法進行研究。
　　MEMS傳感器提供的是傳感數(shù)據(jù)，不能直接提供手勢運動的相關(guān)數(shù)據(jù)，因此一般基于傳感器的手勢識

2、別算法是根據(jù)規(guī)定好的動作對其加速度或角速度等信息進行分析，通過每個手勢的運動學(xué)特征找到每個手勢的關(guān)鍵信息。但是這樣就需要人工干預(yù)，操作者也不能靈活的執(zhí)行手勢動作。為了使操作者的手勢執(zhí)行的更加靈活，以及可以自己定義手勢，本文采用了空間定位的方法，即將MEMS傳感器數(shù)據(jù)轉(zhuǎn)化成空間數(shù)據(jù)，以記錄手勢在三維空間的位移坐標點。
　　對于積分得到的手勢的空間數(shù)據(jù)的分類識別，本文采用深度學(xué)習(xí)算法中的限制波爾茲曼機提取數(shù)據(jù)的關(guān)鍵信息，即對數(shù)據(jù)做降維

3、處理，并通過BP神經(jīng)網(wǎng)絡(luò)進行分類識別。為了提取更加抽象的特征信息，本文采用由多個限制波爾茲曼機和BP神經(jīng)網(wǎng)絡(luò)組成的深信度網(wǎng)絡(luò)模型來設(shè)計算法，通過限制波爾茲曼機逐層訓(xùn)練數(shù)據(jù)樣本，得到降維后的特征信息，然后利用BP算法調(diào)整整個網(wǎng)絡(luò)以及分類識別。
　　本文實驗結(jié)果表明，轉(zhuǎn)化過來的空間數(shù)據(jù)可以準確的記錄手勢在三維空間的運動軌跡，說明將MEMS傳感器數(shù)據(jù)轉(zhuǎn)化成空間數(shù)據(jù)然后在此基礎(chǔ)上進行分類識別是完全可行的。通過深度學(xué)習(xí)算法對手勢的空間數(shù)據(jù)進