基于慣性傳感器的手勢交互方法研究.pdf

1、智能型的用戶界面操控技術(shù)日益受到重視，手勢交互的方式具有學(xué)習(xí)成本低、自然便捷和多樣豐富的特點(diǎn)，可以為操作者提供更為直觀、舒適的自然交互體驗(yàn)。傳統(tǒng)的基于慣性傳感的手勢交互方法的研究焦點(diǎn)集中于如何使不依賴于個(gè)體的手勢識(shí)別方法更具有個(gè)體魯棒性，同時(shí)獲得更快的動(dòng)態(tài)響應(yīng)。但并未深入考慮算法中樣本集的正規(guī)性和有效性，在一定程度上影響算法的識(shí)別準(zhǔn)確率。同時(shí)，當(dāng)手勢復(fù)雜且手勢種類增多時(shí)，傳統(tǒng)方法更容易受到手勢信號(hào)中冗余信息及噪音信息的影響，造成手勢類別

2、的誤判。
　　針對(duì)傳統(tǒng)方法的不足與劣勢，為提高手勢識(shí)別的準(zhǔn)確率和降低運(yùn)算復(fù)雜度，本文進(jìn)行了算法改進(jìn)。實(shí)驗(yàn)表明，本文方法的運(yùn)算耗時(shí)較傳統(tǒng)DTW算法減少25％至31%，整體平均識(shí)別準(zhǔn)確率在96.7%至98.84%，明顯優(yōu)于其他傳統(tǒng)算法。
　　本文主要致力于以下三個(gè)方面的研究工作：
　　1.針對(duì)傳統(tǒng)方法中樣本集構(gòu)造問題，為改善樣本選取的非正規(guī)性，本文提出一種基于CDTW算法的樣本聚類訓(xùn)練方法。該方法不僅可以克服不同個(gè)體手勢動(dòng)

3、作速度差異大的問題，還改善了樣本字典的正規(guī)性和有效性。通過樣本聚類獲得的典型樣本，在一定程度上壓縮了樣本集的大小，更重要的是包含了不同個(gè)體做各個(gè)不同手勢時(shí)的典型特征，令該方法具有更強(qiáng)的個(gè)體適應(yīng)能力。
　　2.針對(duì)傳統(tǒng)手勢交互方法在識(shí)別過程中運(yùn)算量大的問題，聚類樣本的方法可以使這一問題得到一定改善，本文同時(shí)提出主軸分類思想，運(yùn)算中測試手勢序列只與主軸相同的模板進(jìn)行匹配，能夠有效減少在線模板匹配過程在整個(gè)手勢交互系統(tǒng)中的時(shí)間復(fù)雜度，從