[发明专利]智能手语翻译手套及其手势识别方法

权利要求书

1.智能手语翻译手套，其特征在于：包括手套本体和手势识别装置，所述手势识别装置包括微型计算机和设置在手套本体上的控制电路板，所述微型计算机上设有语音播报装置；所述控制电路板上嵌设有arduino控制板和运动传感器；所述手套本体上设有多个指套，每个指套上均设有弯曲度传感器；所述arduino控制板分别与微型计算机、弯曲度传感器和运动传感器电连接。

2.根据权利要求1所述的智能手语翻译手套，其特征在于：所述手套本体为防静电棉布手套。

3.根据权利要求1所述的智能手语翻译手套，其特征在于：所述控制电路板与弯曲度传感器的连接处设有绝缘帽。

4.根据权利要求1所述的智能手语翻译手套，其特征在于：所述的微型计算机为树莓派。

5.根据权利要求1-4任一项所述的智能手语翻译手套的手势识别方法，其特征在于：按下述步骤进行：

a、通过运动传感器和弯曲度传感器对手语中的标准手势进行数据采集得到标准数据信息，将该标准数据信息以及该标准数据信息对应的手势解语储存至微型计算机的手势数据库中；

b、使用者戴上手套对话时，弯曲度传感器和运动传感器对实际手势进行数据采集，并将采集到的实际数据信息发送至arduino控制板；

c、arduino控制板将该实际数据信息发送至微型计算机，微型计算机将该实际数据信息与数据库中的标准数据信息进行对比识别，得到相匹配的标准数据信息及对应的手势解语，从而得到该实际手势的含义并输出该手势的解语。

6.根据权利要求5所述的智能手语翻译手套的手势识别方法，其特征在于：所述步骤a中，对手语中的标准手势进行数据采集以得到标准数据信息时，同一个手势需要重复采集得到多组标准数据信息。

7.根据权利要求5所述的智能手语翻译手套的手势识别方法，其特征在于：所述步骤c中，微型计算机接收到弯曲度传感器的实际数据信息后对该数据信息通过中值法、去极值平均法和多次取样法进行数据处理。

8.根据权利要求5所述的智能手语翻译手套的手势识别方法，其特征在于：所述步骤c中，微型计算机接收到运动传感器的实际数据信息后对该数据通过卡尔曼滤波算法进行滤波处理后再进行积分运算处理。

9.根据权利要求5所述的智能手语翻译手套的手势识别方法，其特征在于：所述步骤c中，微型计算机采用决策树算法将实际数据信息进行分类，将所有子类分为两个一级子类，每个一级子类又划分为两个二级子类，如此循环直至划分出最终所需类别，由此对于m类的实际数据信息，构造m-1个分类器。

10.根据权利要求9所述的智能手语翻译手套的手势识别方法，其特征在于：所述决策树算法为SVM决策树算法；所述SVM决策树算法是将微型计算机接收到的手势实际数据信息利用决策树的二叉分支结构和SVM的两类分类特性进行分类，构造多类分类器，再将分类后的数据信息与数据库中的标准数据信息进行匹配，从而实现实际手势的正确识别；所述的SVM决策树算法在计算时，对实际数据信息进行分析，若实际数据信息线性可分，则与手势数据库进行比对识别，输出手势解语；若实际数据信息线性不可分则对其进行升维，用非线性映射算法将二维输入空间线性不可分的实际数据信息进行特征提取，将提取的特征升到三维特征空间进行区分，使其线性可分，再将区分后的特征数据与手势数据库进行比对识别，输出优选手势解语。