[发明专利]一种手势识别方法、装置、存储介质及数据手套

说明书

本发明提供了一种手势识别方法、装置、存储介质及数据手套，方法包括：获取数据手套完成当前动作时数据手套的各个传感器采集的传感器数据，所有传感器数据组成一个输入数据；采用主成分分析法对输入数据进行特征提取，获得第二特征数据；将第二特征数据输入训练好的多类SVM分类器，确定当前动作对应的手势；当训练好的多类SVM分类器无法识别当前动作时，对输入数据进行预处理，获得预处理后的数据；将预处理后的数据输入训练好的手势识别模型，输出当前动作对应的手势，其中，手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的。本发明的技术方案能够在提高手势识别速度的同时，保证手势识别的精度。

技术领域

本发明涉及手势识别技术领域，具体而言，涉及一种手势识别方法、装置、存储介质及数据手套。

背景技术

手语是用手势比量动作，根据手势的变化模拟形象或者音节以构成一定意思或词语，是听力障碍或者无法言语的人互相交际和交流思想的一种手的语言。因此，识别手势对于和手语使用者进行沟通非常重要，目前常采用以下两种方法来识别手势。

一种是采用摄像头捕捉手势动作，对拍摄的图片进行分析，识别手势动作，但是摄像头在拍摄手势的过程中对光线的要求很高，照明情况不好时会影响手势识别的精度。

另一种是获取手部完成手势动作时的手部表面肌电图，通过对肌电图进行分析处理，识别手势动作，但是现有的根据肌电图识别手势动作的算法比较复杂，效率低。

发明内容

本发明解决的问题是如何兼顾手势识别的效率和精度。

为解决上述问题，本发明提供一种手势识别方法、装置、存储介质及数据手套。

第一方面，本发明提供了一种手势识别方法，包括：

获取数据手套完成当前动作时所述数据手套的各个传感器采集的传感器数据，所有所述传感器数据组成一个输入数据；

采用主成分分析法对所述输入数据进行特征提取，获得第二特征数据；

将所述第二特征数据输入训练好的多类SVM分类器，确定所述当前动作对应的手势；

当所述训练好的多类SVM分类器无法识别所述当前动作时，对所述输入数据进行预处理，获得预处理后的数据；

将所述预处理后的数据输入训练好的手势识别模型，输出所述当前动作对应的手势，其中，所述手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的。

进一步，所述将所述第二特征数据输入训练好的多类SVM分类器之前，包括：

分别获取所述数据手套完成不同的标定动作时的所述输入数据；

分别对每个所述输入数据进行放大和滤波，获得滤波后的输入数据；

采用主成分分析法对所有所述滤波后的输入数据进行特征提取，获得所述第一特征数据；

采用所述第一特征数据训练多类SVM分类器，获得所述训练好的多类SVM分类器。

进一步，所述采用主成分分析法对所有所述滤波后的输入数据进行特征提取包括：

计算所有所述滤波后的输入数据的平均值；

分别确定各个所述滤波后的输入数据与所述平均值之间的差值，并根据所有所述差值确定协方差矩阵；

根据所述协方差矩阵计算特征值和特征向量，根据所述特征向量确定主成分矩阵；

根据所述主成分矩阵和所述差值确定所述第一特征数据。

进一步，所述标定动作与所述手势模板一一对应，所述采用所述特征数据训练多类SVM分类器包括：