[发明专利]实时手势识别方法及系统

说明书

本发明公开了实时手势识别方法及系统。方法主要步骤为：1)建立手势分类模型。2)从智能终端实时采集手势的运动传感数据。3)服务器端对运动传感数据进行预处理，得到合加速度数据。4)对预处理后的合加速度数据进行手势分割，实时分割为手势段，并提取手势的特征数据。5)将手势的特征数据输入到手势分类模型中，实时识别手势，得到手势识别结果。系统主要包括智能终端和服务器。本发明提出的基于自适应滑动窗口的手势分段方法可以迅速而准确地将连续手势分割为单独的有效手势，提高了手势识别的准确率和速度。

技术领域

本发明涉及人机交互领域，具体是实时手势识别方法及系统。

背景技术

在现代人们的生活中，无时不刻不在与各种各样的电子设备进行交互。然而当前的交互方式还存在一定的弊端，不能够完全满足人们增加的交互体验的需求。最初的人机交互需要遥控器、鼠标、键盘等专门的硬件控制设备进行控制，脱离了它们就无法进行交互，给人机交互带来了很大的限制。通过语音发送指令对各种设备进行控制在最近几年兴起，但是也遇到了方言难以识别的难题。

通过识别手势与机器进行交互是现在研究的热点，目前最流行的是通过图像信息进行手势识别，但由于摄像头的限制，只能在有摄像头的地方进行识别和交互。现有一些研究致力于利用运动传感器采集手势运动信息，然后提取手势的特征数据，通过机器学习方法来识别手势。这种方法存在的主要问题是：(1)手势识别的准确率不是很高，特别是相近手势的识别效果不是很好，而且容易受噪声手势的影响；(2)不同人的手势幅度、力度不同，造成的因人而异的手势识别结果；(3)手势识别的实时性仍然很难满足人们对于实时交互的需求，手势识别需要花费很长的处理时间。

发明内容

本发明的目的是解决现有技术中存在的问题。

为实现本发明目的而采用的技术方案是这样的，实时手势识别方法，主要包括以下步骤：

1)建立手势分类模型，并存储在服务器端。

建立手势分类模型的主要步骤如下：

1.1)获取训练样本数据，主要步骤如下：

1.1.1)利用智能终端的运动传感器采集n个测试者的运动传感数据，记为数据集B＝[B₁，B₂，…，B_h，…，B_m]。B_h表示一组运动传感数据。

所述运动传感器主要包括三轴加速度传感器和三轴陀螺仪传感器。所述运动传感数据主要包括三轴加速度数据、三轴陀螺仪数据和运动时间。

1.1.2)智能终端将采集到的运动传感数据发送至服务器端。

1.1.3)服务器端对每组运动传感数据进行预处理，即分别截断三轴加速度数据和三轴陀螺仪数据两端的无效数据，从而将加速度数据和陀螺仪数据根据时间信息处理为相同长度，从而得到预处理后的运动传感数据。

1.1.4)分别计算预处理后的每组运动传感数据的合加速度a，并存入数据集A中。

合加速度a如下所示：

式中，x、y和z分别为三轴加速度传感器的三个轴的数据。

1.1.5)基于数据集A，建立训练集D和测试集，并为训练集D的数据打上标签。

1.2)将训练集D的数据和标签输入分类器中，迭代训练学习参数。

1.3)将测试集的数据输入到手势分类模型中，对手势分类模型进行测试，并根据测试结果调整学习参数。

2)从智能终端实时采集手势的运动传感数据，并上传至服务器端。