[发明专利]一种基于惯性传感器的空中手势识别方法

说明书

本发明公开了一种基于惯性传感器的空中手势识别方法，该方法针对惯性传感器获取到的传感信号提取空中手势信号序列，然后进行数据预处理后分别获取到训练样本集、验证样本集和测试样本，同时对LSTM‑RNN模型进行参数初始化，然后通过训练样本集对LSTM‑RNN模型进行训练，并且在训练过程中，将验证样本集中的验证样本输入至迭代过程中训练得到的LSTM‑RNN模型，根据验证样本集识别的错误率对迭代次数进行控制，得到最终的LSTM‑RNN分类器；最后将测试样本输入至最终的LSTM‑RNN分类器，通过最终的LSTM‑RNN分类器识别出测试样本对应手势。本发明方法具有空中手势识别精度和准确率更高的优点。

技术领域

本发明属于模式识别与人工智能技术领域，特别涉及一种基于惯性传感器的空中手势识别方法。

背景技术

基于惯性传感器(加速度计和陀螺仪)的空中手写识别是近年来计算机领域中新兴起的研究前沿方向之一，利用用户身上可穿戴设备或智能手持设备内置的惯性传感器采集用户空中书写过程中的加速度信号和角速度信号，通过机器学习和深度学习方法来识别用户的书写内容，它属于穿戴式计算(WearableComputing)和普适计算(UbiquitousComputing)的重要研究内容之一。

目前，基于惯性传感器的空中手势识别在智能家居、自动驾驶、教育、医疗、工业生产、辅助交流等方面有广泛的应用。由于惯性传感器信号波形很抽象，单纯通过肉眼观察波形很难区分不同空中手势，而且由于不同用户行为习惯的差异，同一个手势的信号波形也有较大差异，因此手势识别时无法仅根据信号数值变化做出判别，而是需要挖掘信号潜在的变化规律。

基于惯性传感器的空中手势识别相比基于视觉设备的手势识别，前者既不受某个特定的空间条件限制(如到摄像头的距离、角度等)，也不需要其他外挂设备(如摄像头)，对环境变化、光照、肤色等因素不敏感。用户只需要佩戴内置惯性传感器的设备在空中自由做出手势即可。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种识别精度高的基于惯性传感器的空中手势识别方法，该方法提供了一种全新的人机交互方式，具有很好的应用研究价值。

本发明的目的通过下述技术方案实现：一种基于惯性传感器的空中手势识别方法，步骤如下：

S1、针对于惯性传感器采集的传感信号依次检测出空中手势信号起始采样点和结束采样点，并且根据空中手势信号起始采样点和结束采样点提取出空中手势信号序列，然后对空中手势信号序列进行数据预处理后得到空中手势信号样本；

S2、通过佩带在手上的惯性传感器采集多个传感信号，并且对这些惯性传感器采集的传感信号分别标注出所属手势类别，然后将它们分别进行步骤S1处理后得到空中手势信号训练样本集和空中手势信号验证样本集；同时对LSTM-RNN模型进行参数初始化；

S3、将空中手势信号训练样本集中的各训练样本作为参数初始化后的LSTM-RNN模型(RNN(递归神经网络，Recurrent Neural Networks)隐藏层的非线性单元用LSTM(LongShort-Term Memory，长短时间记忆)记忆块代替而得到的模型)的输入对LSTM-RNN模型进行训练，并且在LSTM-RNN模型训练过程中，将空中手势信号验证样本集中的验证样本输入至迭代过程中训练得到的LSTM-RNN模型，根据验证样本集识别的错误率对迭代次数进行控制，得到最终的LSTM-RNN分类器；

S4、通过佩带在手上的惯性传感器实时采集传感信号，然后将惯性传感器实时采集的传感信号经过步骤S1处理后得到空中手势信号测试样本，将测试样本输入至步骤S3中获取到的LSTM-RNN分类器，通过LSTM-RNN分类器识别出测试样本对应手势。

优选的，步骤S1中通过窗口能量阈值法依次检测出空中手势信号起始采样点和结束采样点，具体过程如下：