[发明专利]一种基于隐马尔科夫模型的动态手势切分识别方法

说明书

本发明涉及一种基于隐马尔科夫模型的动态手势切分识别方法，包括训练隐马尔科夫模型(HMM)和连续动态手势切分与识别；本发明可以有效实时的检测出连续动态手势的起始点和终止点，进一步提高了手势别人的实时性，符合人们正常手势交流的习惯，使手势交流更加自然流畅，并且本发明结合加权处理，有效切分复杂手势序列，减少冗余数据，进一步识别提取出动态手势中能量较大的有效手势，提高了手势切分后手势识别的识别率，从而进一步提高手势识别精度和效率，并且能有效的解决实时场景下，连续动态手势的时空差异性问题和手势开始到结束间的手势切分问题。

技术领域

本发明涉及人工智能及模式识别技术领域，尤其是一种基于隐马尔科夫模型的动态手势切分识别方法。

背景技术

随着手机触摸操作和人体跟踪识别的发展，人们体会到了手势交互方式具有以人为中心的自然性，简洁性，和直接性等优势，基于人手智能输入的交互界面正在成为新的技术趋势，尤其是随着沉浸式虚拟现实新设备的兴起，各种交互方案被用来提高沉浸式体验，其中以手势交互最为简洁、直接、自然。

手势识别作为一种人机交互手段，已广泛应用于增强现实，虚拟现实，体感游戏等场景，对于这些应用场景，操作手势是随机嵌入在连续动作流当中的，目前许多基于视觉的手势识别系统都假设输入的各个动作间存在停顿或已经切分好的独立手势，而在实时场景下的应用研究相对较少，在实际应用条件下难以在复杂手势流中定位具有操作意义手势的开始和结束关键点；并且同一种手势由于执行速度不同和动作幅度不同而不可避免地带有时空差异性，对识别的准确率和鲁棒性会造成很大影响，造成了自动切分困难，实时性差，以及手势识别率不高的问题。

发明内容

针对现有技术的不足，本发明提供一种基于隐马尔科夫模型的动态手势切分识别方法。

本发明的技术方案为：一种基于隐马尔科夫模型的动态手势切分识别方法，包括训练隐马尔科夫模型(HMM)和连续动态手势切分与识别；

S1)、训练隐马尔科夫模型(HMM)

S101)、通过数据手套获取K个手势的手部姿态数据作为训练样本数据，其中，每个手势的手部姿态数据包括M个子训练样本，每个训练样本包括t个时刻，每个时刻包含n个特征数据，每个子训练样本的数据表示为S＝(s_1,1,s_1,2,...s_1,t；s_2,1,s_2,2,...s_2,t；...；s_n,1,s_n,2,...s_n,t)，其中，s_i,j表示该样本S第j时刻第i个特征的数据；

S102)、对每个子训练样本S进行差分预处理，得到同一特征数据相邻两时刻数据之间的差距d_i,j，同一手势相邻两时刻之间的差距d_i,j＝s_i,j+1-s_i,j，差分预处理后的子训练样本的数据为D＝(d_1,1,d_1,2,...d_1,t-1；d_2,1,d_2,2,...d_2,t-1；...；d_n,1,d_n,2,...d_n,t-1)；

S103)、针对每个差分预处理后的子训练样本的数据D计算得到其总能量W，其表达式为：

其中，w_i表示子训练样本D第i维特征的能量，W表示该子训练样本D的总能量，其第i维特征数据的能量为：