[发明专利]一种基于电荷感应的数字9宫格手势动作识别的装置和方法

说明书

本发明提出了一种基于电荷感应的数字9宫格手势动作识别的装置和方法，包括9个电极、硬件采集电路、上位机，其特征在于，所述9个电极和硬件采集电路用于采集人指尖的运动信号；所述上位机，包括手写、方向、按键三种工作模式，手写模式下对指尖在数字极板阵列上方描绘的数字轨迹进行数字识别，包括数字0‑9，方向模式下对指尖在数字极板阵列上方描绘的方向轨迹进行方向识别，包括上下左右四个方向，按键模式下对指尖在数字极板阵列上方选中的按键进行识别，包括数字极板阵列上的九个按键。其显著优势在于：装置可非接触识别指尖运动方向，且抗遮挡、成本低、系统简单。

技术领域

本发明涉及数字识别、方向识别和非接触按键识别领域，具体涉及一种新型的实时非接触识别手写数字、方向、按键的装置和方法。

背景技术

在信息时代的今天，随着科技的进步人们的信息安全越来越重要。在使用数字密码键盘的环境下，如手机的虚拟数字键盘、保险柜密码键盘等大多使用接触面板键盘作为主要输入设备。但是接触式的输入会留下指纹信息，从而可能造成个人信息的泄露，也有公共输入设备的卫生问题。所以需要一个非接触的输入设备，且可以识别输入信息，如手写数字，手势和隔空按键输入等。

《Development of a Prototype for Non-contact Keyboard》文献中采用LeapMotion实现非接触的PC端非接触式键盘，虽然仪器精密，但成本很高，而且仅能追踪10个手指的运动姿态。Leap传感器根据内置的两个摄像头从不同角度捕捉的画面，重建出手掌在真实世界三维空间的运动信息。检测的范围大体在传感器上方25毫米到600毫米之间，检测的空间大体是一个倒四棱锥体。

对于手写数字识别，多是基于摄像头采集数据，使用神经网络算法和深度学习算法进行识别或者应用数字图像处理算法进行识别。。《Recognition of English andArabic Numerals Using a Dynamic Number of Hidden Neurons》文献中介绍了一种确定单隐层误差反向传播神经网络最优隐神经元数邻域的方法，该方法避免了局部极小，保证了收敛性。

关于手势识别，目前也大多都基于图像和视频进行手势信号采集，并使用深度学习算法进行识别。在《Real-time gesture recognition by learning and selectivecontrol of visual interest points》文献中针对任意人对未指定手势的实时识别，提出了一个综合框架，应用四重视觉兴趣点策略和选择性控制方法，使识别系统具有自负荷监控功能，实现了包括服装的类型、姿势类型、运动轨迹的范围以及运动特性的个体差异等因素下的鲁棒识别。

综上所述，目前对于手写数字信号的采集，大多基于图像方法，但是成本和复杂度较高。为此，本文提出一种基于电荷感应的数字9宫格手势动作识别的装置和方法，该方法通过感应手部运动时产生的空间电荷并采用反向(BP)神经网络进行分类识别数字、按键和左右上下滑动等组合手势。该方法具有非接触、抗遮挡、成本低、系统简单等显著优势。

发明内容

本发明的目的在于克服上述现有技术中存在的不足，提出一种基于电荷感应的数字9宫格手势动作识别的装置和方法。

为实现上述发明目的，本发明提出的技术方案为：一种基于电荷感应的数字9宫格手势动作识别的装置，如附图1所示，所述硬件采集电路，包括电荷传感器、放大滤波电路、单片机，用于采集人指尖的运动信号，并通过单片机串口连接上位机；所述上位机，包括手写、方向、按键三种工作模式，手写模式下对指尖在探测电极阵列上方描绘的数字轨迹进行数字识别，包括数字0-9，对数据预处理后运用BP神经网络进行识别，方向模式下对指尖在探测电极阵列上方描绘的方向轨迹进行方向识别，包括上下左右四个方向，对数据预处理后运用BP神经网络进行识别，按键模式下对指尖在探测电极阵列上方选中的按键进行识别，对信号的幅值进行分析进行识别。