[发明专利]一种加入符号序列匹配的基于三维加速度的手势识别方法

权利要求书

1.一种加入符号序列匹配的基于三维加速度的手势识别方法，其特征在于该方法包括以下具体步骤：

第一步：对于包含N种手势的手势集，设定每种手势的标准符号序列模版                                                ；

第二步：使用隐马尔科夫模型中的Baum-Welch算法训练出每种手势的隐马尔科夫参数，得到所有手势对应的隐马尔科夫模型为；

第三步：输入一个待识别手势G的三维加速度序列L，假设，其中 为手势G某一时刻的三维加速度值；

第四步：根据第三步输入的三维加速度序列L，得到待识别手势的符号序列；

第五步：将第四步中得到的待识别手势的符号序列与第一步中设定的每一种手势的标准符号序列模版进行对比：如果某一手势类别 j的标准符号序列模版包含待识别手势的符号序列，则将此手势的类别 j 加入待识别手势的初始候选手势类型列表 EarlyCandiList 中，否则不加入；

第六步：对于第五步中得到的初步手势候选列表EarlyCandiList，按初步候选手势列表的长度即初步候选手势列表中候选手势类别的个数，分为以下几种情况：

a、初步候选手势列表的长度为1即EarlyCandiList 只包含一个元素，将EarlyCandiList中的手势类型作为最终结果，转到第十步结束；

b、初步候选手势列表的长度为0即EarlyCandiList 不包含任何元素，将所有手势类型都加入到候选手势列表中，得到最终手势候选列表 LateCandiList，即；

c、初步候选手势列表的长度大于1，初步手势类型候选列表即为最终手势类别候选列表，即LateCandiList = EarlyCandiList；

第七步：根据第三步输入的三维加速度序列L，使用向量量化方法得到待识别手势的一维观察向量序列O；

第八步：使用隐马尔科夫模型中的Forward算法计算第八步中得到的待识别手势的一维观察向量O在第七步中得到的最终手势候选列表LateCandiList中的候选手势类别所对应的隐马尔科夫模型所产生的概率；

第九步：将第八步中最大概率所对应的候选手势类别作为最终的识别结果，即待识别手势的类型；

第十步： 结束。