[发明专利]一种基于方向链码的三维笔势识别方法

说明书

本发明涉及一种基于方向链码的三维笔势识别方法，属于人机交互领域，通过采集笔式输入通道中笔的空间位置信息，采用方向链码来描述笔的运动轨迹，进而建立三维笔势的模型，通过与系统中设定好的模型进行匹配，来实时地识别用户的交互意图。本发明可以实时地识别出用户在三维空间中的一些笔势操作，具有一定的通用性以及扩展性，支持三维书空识别，增强人机交互平台的自然性，运用方向链码的编码方式，算法简便，计算量小，实时性高，通过对方向链码的去噪以及整合处理，可以进行精准识别。

技术领域

本发明属于人机交互领域，具体涉及三维笔式交互领域，提供一种基于方向链码的三维笔势识别方法。

背景技术

随着人机交互技术的不断发展，以人为中心的自然人机交互方法成为研究热点。目前以鼠标、键盘为代表的平面交互方法难以描绘三维空间信息，限制了自然人机交互的发展。三维书空笔式交互，不但符合人类长期以来的纸笔使用习惯，而且这种交互方式具有灵活、自然、表达丰富的特点，更可以满足三维空间交互的需求，所以受到越来越多人的重视，相应的笔势识别方法也逐渐成为该领域必须解决的问题。

目前已有一些关于三维空间笔势或者手势的识别方法。

中国专利“基于GL优化的神经网络手势识别人机交互方法”(申请号201610811148.2)公开了一种基于深度学习神经网络的手势识别方法，从大量标签数据中提取数据特征，并消除背景环境变化对识别效果产生的不良影响。中国专利“一种基于多级深度卷积神经网络的手势识别方法”(申请号201610983244.5)公开了一种基于多级深度卷积的识别方法，将人体图像数据输入深度神经网络模型，进行操作开始状态的初步判断，进一步与构建的混合模型进行匹配识别，并将输入数据与识别结果进行误差判定，得到相应的识别概率。刘杰等(参考文献：模板匹配的三维手势识别算法.计算机辅助设计与图形学学报,2016,28(8):1365-1372.)将二维平面手势识别算法拓展到三维空间，实现平面手势和立体手势的同步识别。但以上方法需要运用大量样本进行训练或对矩阵进行奇异值分解，具有较大的计算复杂度，难以实现实时、快速的识别。

发明内容

本发明提供一种基于方向链码的三维笔势识别方法，以解决运用机器学习或者图像识别的方法虽然只需要根据手势或者笔势就可以实现识别功能，但此类算法需要大量的训练样本建立模板库，且存在复杂的非线性映射等过程，具有较重的计算负担，难以保证识别的实时性和快速性的问题。

本发明采取的技术方案是，包括下列步骤：

1)基于三维空间的方向链码，建立三维笔势模板库；

2)采集笔的空间坐标信息，用户在操作笔的同时，笔式交互系统以一定的频率采集笔的空间坐标信息P_n(x_n,y_n,z_n)，其中n＝1,2,3…，将最近时刻采样点P_i(x_i,y_i,z_i)及上一时刻采样点P_i-1(x_i-1,y_i-1,z_i-1)送到处理单元进行处理，其中i＝2,3,4…；

3)确定所对应的方向链码，计算在x-y平面的投影向量确定方向链码的第一个分量a_i，然后分别计算在x-z平面、y-z平面的投影向量并确定方向链码的第二个分量b_i以及第三个分量c_i，得到的方向链码为(a_i,b_i,c_i)，用M_i表示；