[发明专利]一种基于惯性传感器的空中手势识别方法

摘要

本发明公开了一种基于惯性传感器的空中手势识别方法，该方法针对惯性传感器获取到的传感信号提取空中手势信号序列，然后进行数据预处理后分别获取到训练样本集、验证样本集和测试样本，同时对LSTM‑RNN模型进行参数初始化，然后通过训练样本集对LSTM‑RNN模型进行训练，并且在训练过程中，将验证样本集中的验证样本输入至迭代过程中训练得到的LSTM‑RNN模型，根据验证样本集识别的错误率对迭代次数进行控制，得到最终的LSTM‑RNN分类器；最后将测试样本输入至最终的LSTM‑RNN分类器，通过最终的LSTM‑RNN分类器识别出测试样本对应手势。本发明方法具有空中手势识别精度和准确率更高的优点。

主权项

1.一种基于惯性传感器的空中手势识别方法，其特征在于，步骤如下：S1、针对于惯性传感器采集的传感信号依次检测出空中手势信号起始采样点和结束采样点，并且根据空中手势信号起始采样点和结束采样点提取出空中手势信号序列，然后对空中手势信号序列进行数据预处理后得到空中手势信号样本；S2、通过佩带在手上的惯性传感器采集多个传感信号，并且对这些惯性传感器采集的传感信号分别标注出所属手势类别，然后将它们分别进行步骤S1处理后得到空中手势信号训练样本集和空中手势信号验证样本集；同时对LSTM‑RNN模型进行参数初始化；S3、将空中手势信号训练样本集中的各训练样本作为参数初始化后的LSTM‑RNN模型的输入对LSTM‑RNN模型进行训练，并且在LSTM‑RNN模型训练过程中，将空中手势信号验证样本集中的验证样本输入至迭代过程中训练得到的LSTM‑RNN模型，根据验证样本集识别的错误率对迭代次数进行控制，得到最终的LSTM‑RNN分类器；S4、通过佩带在手上的惯性传感器实时采集传感信号，然后将惯性传感器实时采集的传感信号经过步骤S1处理后得到空中手势信号测试样本，将测试样本输入至步骤S3中获取到的LSTM‑RNN分类器，通过LSTM‑RNN分类器识别出测试样本对应手势；其中，步骤S1中通过窗口能量阈值法依次检测出空中手势信号起始采样点和结束采样点，具体过程如下：S11、参数设置以及初始化：设置一个临时记忆窗TS、一个用于计算能量的W窗、一个用于保存W窗能量的能量窗E、手写标志位trigger、信号长度计数器N以及能量下降个数计数器；其中将手写标志位trigger初始值置为假，临时记忆窗TS、W窗、能量窗E、信号长度计数器以及能量下降个数计数器的初始值均设为0；S12、针对于惯性传感器采集的传感信号，每采集到的一个采样点信号，分别将这个采样点信号添加到临时记忆窗TS和W窗的尾部，并且去除临时记忆窗TS和W窗存储的第一个采样点信号，然后计算W窗当前能量值E_current，并且添加到能量窗E的尾部，同时去除能量窗E的第一个值；针对于能量窗E，每当有W窗当前能量值E_current添加之后，分别检测其是否有下降趋势；S13、当W窗持续一段时间出现当前能量值大于等于第一阈值时，将这段时间第一次出现当前能量值大于等于第一阈值时进入到临时记忆窗TS和W窗尾部的对应采样点信号作为空中手势信号起始采样点信号，并且在W窗第一次出现当前能量值大于等于第一阈值时，设定手写标志位trigger为真，信号长度计数器的计数值N加1；在W窗之后每次出现当前能量值大于等于第一阈值时，信号长度计数器的计数值N均加1，并且查看能量窗E是否为下降趋势；当能量窗E连续两次出现下降趋势时，则信号长度计数器停止计数，同时将第二次出现下降趋势时，对应进入到临时记忆窗TS和W窗尾部的对应采样点信号作为空中手势信号结束采样点信号；其中，步骤S3中根据验证样本集识别的错误率对迭代次数进行控制，得到最终的LSTM‑RNN分类器的具体过程如下：S3a、预设耐性值p、一个置零的计数器和一错误率记录库；S3b、每隔定值Q次迭代次数，用当前迭代过程中得到的LSTM‑RNN模型测试验证样本集，计算出当前验证样本集识别的错误率，然后进入步骤S3c；S3c、判断当前验证样本集识别的错误率是否大于错误率记录库中记录的错误率最小值；若是，则进入步骤S3d；若否，则将当前迭代过程中得到的LSTM‑RNN模型作为最终的LSTM‑RNN分类器；S3d、判断当前验证样本集识别的错误率是否均大于错误率记录库最迟记录的p个错误率中的最小值；若否，则将当前迭代过程中得到的LSTM‑RNN模型作为最终的LSTM‑RNN分类器；若是，则计数器加一，错误率记录库记录当前验证样本集识别的错误率，并且判断计数器的计算值是否超过p；若否，则返回步骤S3b，若是，则迭代停止，将迭代停止时得到的LSTM‑RNN模型作为最终的LSTM‑RNN分类器。