[发明专利]基于压力传感器阵列进行手势识别的装置与方法

说明书

技术领域

本发明涉及一种手势识别的装置和方法，具体涉及一种基于压力传感器阵列的手势识别装置与方法，属于人机交互领域。

背景技术

手势识别技术的研究，是人机交互技术研究领域的重点和热点之一。手势识别技术的输入方法主要有：基于数据手套的手势识别、基于视觉的手势识别和基于人体动作肌电信号(SEMG)的手势识别。

基于视觉的手势识别方法简便易行，设备成本低廉，非接触式的手势动作采集方式使交互的自然性和舒适性得到较大改善。但由于视觉的不确定性，使得它依赖于摄像机观测的视角，具有对背景、环境变换适应性差等缺点。基于肌电信号的手势识别不受外界环境背景变化的影响，计算量较小，具有更好的实时性。但由于肌群结构的复杂性、肌电信号的个体差异、电极位置等影响，增加了其分类难度。

联想（北京）有限公司于2012年8月提出一项名为“检测装置、检测方法以及电子设备”的发明专利（专利申请号为201210308642.9），该发明提出一种佩戴在用户手臂上的监测装置，其内侧安置有压力传感器阵列。该发明提出手部姿势识别的步骤为：

通过该装置检测当前由用户手臂引起的压力并产生当前压力的检测结果；

根据压力检测结果确定用户手臂或手部的姿势；

根据判断的手臂或手部的姿势来生成控制指令。

该发明具有以下局限性：

1、笼统地测量用户手臂引起的压力，包括手臂肌肉群、骨骼引起的压力，而没有将压力测量的重点布置于引起用户手部各部位运动的关键部位，即通过用户腕部控制手部运动的肌腱所在部位。从而造成与用户手部运动相关压力测量的低效率与高成本，也使得测量的数据中包含过多无用的干扰信息而导致手势识别准确率的降低；

2、该发明的目的仅为通过测量用户手臂压力来判断用户的手部姿势，而没有将发明的原理扩展到代表更丰富信息内容的用户手部动作识别方面，具有较大的局限性。

发明内容

为克服现有手势识别方法存在的局限性，本发明提出一种基于压力传感器阵列的手势识别方法。

人们复杂的手势动作是通过肌腱牵引手各部位的骨骼来完成，因此在人们手掌、手腕等部位分布有丰富的肌腱群。仅通过人们手腕部的肌腱就有桡侧腕屈肌腱、拇长展肌与拇短伸肌腱、桡侧腕长、短伸肌腱、拇长伸肌腱等。人们绝大多数的手势动作都与通过手腕部肌腱群的运动有关。从手部各部位运动状态的复杂程度与对应肌腱的数目来说，用户腕部与拇指运动对应的肌腱数目最多，相应的用户腕部与拇指部分对肌腱的运动最为敏感。

在用户腕部肌腱通过部位安置的压力传感器阵列，可监测到用户进行手势动作时手腕部浅表肌腱通过皮肤作用于传感器压力引起的信号。经过对传感器获得信号的分析，可以提取到用户手指、手掌、手腕运动的特征参数信息。根据特征参数可判断出各肌腱的松弛紧张情况以及肌腱在表皮下的沿横向或纵向的运动情况，通过对以上情况的分析可达到识别手部姿态与手势动作的目的，进一步可将识别的手势动作映射成各种电子设备的输入指令。

附图说明：

图1是人腕部主要肌腱分布剖面图；

图2是本发明提出腕部肌腱压力检测装置外观示意图（一）；

图3是本发明提出腕部肌腱压力检测装置外观示意图（二）：

图4是手势动作识别装置各单元连接示意图；

图5表示手势识别步骤的示意图；

图6是控制拇指伸展肌腱产生压力与拇指动作对应示意图；

图7是肌腱产生压力随时间的变化特征示意图；

图8是肌腱相对于其正常位置的偏移量特征示意图；

图9是用户有效动作识别的示意图；

图10是用户手势动作与数字字符输入的对应关系的示意图。

图1是人腕部主要肌腱分布剖面图，人的手腕主要有骨骼1、肌腱2、皮肤3等组织构成，现参照图1说明各肌腱与手部各部位动作之间简要的对应关系：

腕关节（桡腕关节）弯曲主要由挠侧腕屈肌腱101、尺侧腕屈肌腱102、掌长肌腱103收缩引起；腕关节的伸展和两侧运动主要由桡侧腕长伸肌腱104、桡侧腕短伸肌腱105、尺侧腕伸肌腱106的收缩引起。

掌指关节（手掌与手指连接的关节）的弯曲由指浅屈肌腱107的弯曲引起，而掌指关节的伸展由指伸肌腱108控制。

第2-5手指的弯曲由指浅屈肌腱107控制，而其伸展由指伸肌腱108控制，其中小指的伸展由小指伸肌腱109控制。