基于運動傳感器的手勢識別.pdf

1、人工智能的發(fā)展促使著與其相關(guān)的應用層出不窮，其中作為人工智能的重要內(nèi)容——人機交互技術(shù)，也受到越來越多的關(guān)注。人機交互研究的是人類如何與機器進行溝通，從而控制機器，自如地實現(xiàn)人們所希望的功能。過去傳統(tǒng)的人機交互方式有按鍵、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。近年來，人們開始探索通過自身的身體語言就能實現(xiàn)對智能終端的控制，智能可穿戴設備的相關(guān)研究也頗

2、受關(guān)注，本文旨在設計一個三維動態(tài)手勢識別系統(tǒng)，以實現(xiàn)利用手勢來進行人機交互。
　　現(xiàn)階段比較成熟的手勢識別技術(shù)是基于機器視覺來進行的，但由于其受到設備、環(huán)境的局限而得不到推廣。因此本文設計的手勢識別系統(tǒng)輸入端采用的是運動傳感器（即MEMS慣性傳感器），實時采集用戶手勢的運動信息，包括3軸加速度、3軸角速度和3軸磁感應強度，再通過四元數(shù)法求解出3個姿態(tài)角，然后通過對這12個數(shù)據(jù)進行數(shù)據(jù)挖掘和分析來設計識別算法。目前較為常用的手勢識別

3、算法有隱形馬爾科夫模型、模板匹配等，由于本文研究的是自身具有一定區(qū)分度，并且對識別實時性、準確性都有一定要求的手勢動作集，因此本文提出的是“特征分析法”，通過選取有一定區(qū)分度和代表意義的特征值來建立手勢預分類器。本文待識別的手勢共分為六類：移動類、敲擊類、旋轉(zhuǎn)類、晃動類、打鉤類和畫叉類，其中旋轉(zhuǎn)類和移動類還進一步識別出了具體的方向。通過大量樣本的觀察與分析，本文確定了5個識別特征來建立預分類器：手勢長度、能量、波峰數(shù)（角速度波峰數(shù)、加速

4、度波峰數(shù)和姿態(tài)角波峰數(shù)）、角速度單邊性、角速度能量最大軸，通過這些特征量首先識別出手勢屬于哪一大類，進而識別出具體的運動方向。
　　為了驗證系統(tǒng)的有效性、估算其準確率，本文搭建了一個可穿戴式的硬件試驗平臺，利用這個硬件平臺來實時地采集手勢運動數(shù)據(jù)并進行數(shù)據(jù)濾波和姿態(tài)解算，然后把這些數(shù)據(jù)通過藍牙無線傳輸?shù)絇C端來進行特征分析算法處理。經(jīng)過試驗驗證，本文提出的“特征分析法”識別平均精度達到了89.2％，在保證了識別準確度的基礎上，還大