[发明专利]一种智能识别方法

说明书

本发明公开一种智能识别方法，使用热释电红外传感器，依据压缩传感理论中观测矩阵的随机性和不相关性是正确恢复原始信号的保证,对传感器前面所装的菲涅尔透镜采用随机编码的调制方式,得到传感器随机阵列的视场。

技术领域

本技术方法是使用压缩红外感知技术进行手势的语义识别,依据人的运动特性,使用热释电红外传感器随机阵列获得人的运动特性数据,通过数据压缩提取、机器学习获得手势的语义信息,它所属分析及测量控制技术中的G01D非专属于特定设备的测量。

背景技术

近两年兴起的压缩感知理论表明, 可以在不丢失逼近原信号所需信息的情况下, 用最少的观测次数来采样信号,实现信号的降维处理, 即直接对信号进行较少采样得到信号的压缩表示,从而在节约采样和传输成本的情况下, 达到了在采样的同时进行压缩的目的. 研究表明，只要信号是可压缩的或在某个变换域是稀疏的,那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上,然后通过求解一个优化问题就可以从这些少量的投影中以高概率重构出原信号,可以证明这样的投影包含了重构信号的足够信息。大部分一致分布的随机矩阵都符合观测矩阵所必需具备的上述条件,例如随机高斯分布矩阵即可作为观测矩阵, 并能保证以很高的概率去恢复信号。

通常手的运动特征数据是通过光学影像感应器例如CCD 和CMOS获取。识别的过程主要是先获得影像数据，然后提取目标的运动区域并进行跟踪，基于运动特性对空间信息进行编码，对既包含空间又包含时间域的高维数据进行分类处理从而识别出手势语义。缺点是需要使用高分辨率的传感器，获得样本数量大；对视频序列需要鲁棒地提取运动目标，还要对运动目标的运动方式和运动轨迹进行建模；把运动特性编码成包含时间域的高维空间数据，增加了数据处理难度。

发明内容

本发明要解决的技术问题是为了克服现有技术中的上述缺点和不足，提供一种结构简单、成本较低的智能识别方法。

本发明通过以下技术方案予以实现的：

基于光路复用使用热释电红外传感器模型进行人体手部运动信息获取以及语义识别。

采用随机编码的菲涅尔透镜调制传感器掩模阵列，每个传感器前装有一个菲涅尔透镜，利用掩模可以调制菲涅尔透镜使它只能感应到需要区域的热辐射源变化，即对应透明部分被感应，遮挡部分则感应不到辐射源,对菲涅尔可见区域的位置采用伪随机序列生成。16个装有菲涅尔透镜的传感器组成具有不同传感视场（FOV）的随机掩模阵列。

用矢量量化方法为每个具有特殊动作的语义运动序列做特征参数估计，并为每个特征序列分配一个码本作为其语义表达的模板。由分类器进行决策其表示的的语义。

本发明的技术方案还提供一种手势识别的方法，所述方法如下：

1）通过传感器获取手的运动特征数据；

2）对获取的手的运动特征数据编码；

3）由分类器对编码后的手的运动特征数据用矢量量化方法为每个具有特殊动作的语义运动序列做特征参数估计，并为每个特征序列分配一个码本作为其语义表达的模板，用所有的注册码书进行重建运算，做一对多的匹配，找出与之动作匹配的码书，从而识别出其语义。

与现有技术相比，本发明的技术方案具有如下优点：