[发明专利]手势识别方法、可穿戴设备及手势控制系统

说明书

本发明公开了一种手势识别方法、可穿戴设备及手势控制系统。其中，该方法包括：采集多个加速度信号及其时序信号，其中，多个加速度信号是对目标用户的手势活动状态进行监测后得到的信号；对多个加速度信号及其时序信号进行数据处理，以生成手势特征信号；分析手势特征信号，得到手势频谱；基于手势频谱确定目标用户的活动手势。本发明解决了相关技术中设备难以识别用户的活动手势的技术问题。

技术领域

本发明涉及设备控制技术领域，具体而言，涉及一种手势识别方法、可穿戴设备及手势控制系统。

背景技术

在相关技术中，很多用户通过佩戴智能设备来检测自身的活动轨迹、活动步数，以及在活动后的心率、血压等参数，例如，当前很多智能终端或者智能手环会统计用户一天的活动步数，让用户了解自己一天能走多少步；当前，在这些智能设备中都会配备简单的陀螺仪和加速度计，以进行简单的参数检测，但是这些智能设备无法对用户更细致的活动动作进行检测，例如，检测用户的手掌摆动、手掌上翻、手指轻拈等手势，这样用户就仍然需要通过遥控器等设备控制智能设备工作，而无法通过自身的活动手势来控制智能设备，不符合当前物联网发展的要求。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种手势识别方法、可穿戴设备及手势控制系统，以至少解决相关技术中设备难以识别用户的活动手势的技术问题。

根据本发明实施例的一个方面，提供了一种手势识别方法，应用于可穿戴的目标设备上，较优地，该手势识别方法包括：采集多个加速度信号及其时序信号，其中，所述多个加速度信号是对目标用户的手势活动状态进行监测后得到的信号；对所述多个加速度信号及其时序信号进行数据处理，以生成手势特征信号；分析所述手势特征信号，得到手势频谱；基于所述手势频谱确定所述目标用户的活动手势。

进一步地，采集多个加速度信号及其时序信号的步骤，包括：通过设置在所述目标设备上的三轴加速度设备来采集所述多个加速度信号，并记录在采集所述多个加速度信号时的时序信号。

进一步地，对所述多个加速度信号及其时序信号进行数据处理，以生成手势特征信号的步骤，包括：对所述多个加速度信号及其时序信号进行数据滤波处理，以生成手势特征信号；和/或，对所述多个加速度信号及其时序信号进行数据降维处理，以生成手势特征信号。

上述对所述多个加速度信号及其时序信号进行数据处理的步骤中，当对可穿戴设备处理器如下至少之一要求较为严苛时：运算空间、数据处理速度、动作时延，优选使用数据滤波处理，和/或，当对可穿戴设备处理器的要求相对较简单时，优选使用数据融合来处理；在不对可穿戴设备处理器的运算空间、数据处理速度、动作时延等做要求时，采用数据降维处理和/或结合数据滤波处理来得到手势特征信号。

进一步地，对所述多个加速度信号及其时序信号进行数据降维处理，以生成手势特征信号的步骤，包括：对所述多个加速度信号及其时序信号进行主成分分析，和/或，对所述多个加速度信号及其时序信号进行增量主成分分析，以生成手势特征信号。

进一步地，所述时序信号为一维时序信号，较优地，所述一维时序信号至少包括：经过主成分分析或者经过增量主成分分析得到的第一主成分。

进一步地，分析所述手势特征信号，得到手势频谱的步骤，包括：对所述手势特征信号进行快速傅立叶变化分析处理，得到所述手势频谱；或者，对所述手势特征信号进行短时傅立叶变化分析处理，得到所述手势频谱；或者，对所述手势特征信号进行希尔伯特-黄变化分析处理，得到所述手势频谱。

进一步地，基于所述手势频谱确定所述目标用户的活动手势的步骤，包括：从所述手势频谱中提取手势特征，得到手势特征值或特征向量；根据所述手势特征值或特征特征向量，确定所述目标用户的活动手势。

进一步地，所述手势特征值至少包括：均值、标准差、峰值、频带比例。较优地，至少要包括，频带比例、频谱峰值。