[发明专利]一种基于手部运动帧数据的手势识别方法

权利要求书

1.一种基于手部运动帧数据的手势识别方法，包括以下步骤：

(1)采集LeapMotion体感传感器输出的不同手势的手部运动帧数据序列作为初始手部运动帧数据序列；

(2)对初始手部运动帧数据序列进行帧数据预处理后构成手势数据集，并将手势数据集分为训练数据集和测试数据集；

(3)使用步骤(2)中的训练数据集按单手或者双手运动手势分为单手手势训练数据集和双手手势数据训练集；

(4)分别根据单手手势训练数据集和双手手势训练数据集建立两个相应的隐条件神经场HCNF模型；

(5)取出测试数据集中手势运动帧数据序列作为观察序列，通过观察序列的长度可将观察序列判断为单手或是双手运动手势，若为单手手势，则输入单手手势动作HCNF模型；若为双手手势，则输入双手手势动作HCNF模型，输入各自模型后，采用置信度扩散算法计算出类别标签y^*，即为输入观察序列X的预测标签，即完成手部动作帧数据的手势识别；

(6)将判断完成后的观察序列，输入对应的HCNF模型中，即若为单手手势数据序列则输入到单手手势动作HCNF模型中，否则输入到双手手势动作HCNF模型中，最终得到输入手部运动帧数据序列的运动手势类型。

2.根据权利要求1所述的基于手部运动帧数据的手势识别方法，其特征在于，所述步骤(4)的方法为：

1)建立隐条件神经场(HCNF)的条件概率模型；

2)根据单手手势运动训练数据集，不断调整窗长度ω和隐状态个数n，并用梯度下降算法计算得到隐条件神经场(HCNF)模型的最优参数θ^*，以建立单手手势的HCRF模型；按照同样的方法建立双手手势的HCRF模型。