[发明专利]一种基于余弦距离与动态时间规整的手势识别方法

说明书

本发明公开了一种基于余弦距离与动态时间规整的手势识别方法，首先获取手部节点坐标值，使用倒序识别法来截取手势坐标序列，将手势坐标序列进行向量化的特征分割形成待识别序列；然后通过余弦距离和动态时间规整的方法将待识别序列与模板进行匹配，求得其累积距离矩阵以及最短距离值；最后比较DTW检测所得到的最短距离值与设定的阈值之间的大小关系，从而确定动作是否触发，达到动作识别的目标。本发明可以得到较高的识别率。

技术领域

本发明属于传感器手势检测技术领域，涉及动态时间规整算法领域以及Kinect体感交互领域；具体涉及一种在Unity3D开发环境下进行设计的基于余弦距离与动态时间规整的手势识别方法。

技术背景

Dynamic Time Warping算法，中文称动态时间规整算法。最早用于两段语音序列的优化匹配，计算两段序列最小距离，达到比较两段序列相似度的目的。后来由于其同样能识别两段特征序列相似度，也被用于动态手势的检测，有着很高的容错率和鲁棒性，在非概率和深度学习的手势识别领域具有很多的应用。但几乎所有的动态时间规整算法在进行手势识别检测时，都是对身体部位坐标或者骨骼伸展向量进行动作序列的匹配，使得动作识别时，更加趋于“相同”动作的检测。但当手势发起者做出一个相似而非相同手势时，仍需要其能够检测出来的需求也是存在的。所以在对动态时间规整算法作出改进，让它可以满足不同手势发起者的需求变得很有价值和意义。

发明内容

为了解决上述技术问题，本发明提供了一种基于余弦距离与动态时间规整的手势识别方法。

本发明所采用的技术方案是：一种基于余弦距离与动态时间规整的手势识别方法，其特征在于，包括以下步骤：

步骤1：运用Kinect深度图骨骼点坐标获取的功能获取手部节点坐标值；

步骤2：使用倒序识别法来截取手部动作序列；

步骤3：将手势坐标序列进行向量化的特征分割，并录入模板序列；

步骤4：通过余弦距离法对模板序列和待识别序列进行DTW检测，求得其累积距离矩阵以及最短距离值；

步骤5：比较DTW检测所得到的最短距离值与设定的阈值之间的大小关系，从而确定动作是否触发，达到动作识别的目标。

本发明的有益效果是：

1.采用倒序检测法来收集动作序列，这种做法规避了动作序列起始点和终止点的获取会因多余的动作造成数据序列的偏差；

2.采用动作中手部坐标在运动过程中两帧构成的向量作为动态时间规整算法模板序列与目标序列的组成元素；

3.采用余弦距离法作为DTW矩阵距离计算时的距离计算法，这种方式更加注重方向而非距离，使得其能够完成相似(包含相同)动作的检测；

4.采用Kinect作为手势交互的设备，因为Kinect成像稳定，可以获取人体的骨骼结果图以及检测到人体的骨骼节点并输出各个节点的深度图坐标，易于数据收集与坐标系的管理。

附图说明

图1是本发明实施例的倒序识别法序列收集示意图；

图2是本发明实施例的动态手势轨迹分割示意图；

图3是本发明实施例的DTW矩阵示意图；

图4是本发明实施例的累计矩阵路径示意图；

图5是本发明实施例的手势识别的程序流程图。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。