[发明专利]基于手部速度与轨迹分布的跟随机器人手势轨迹识别方法

摘要

本发明公开了一种基于手部速度与轨迹分布的跟随机器人手势轨迹识别方法。kinect相机朝向操作者采样拍摄，获得手部投影平面数据；对手部投影平面数据进行滑动平均平滑处理，建立速度向量，处理速度向量获得手部运动描述子；建立手部运动区域，按采样拍摄的时序遍历所有帧的手部三维位置，将每帧的手部三维位置所在的网格赋值，再计算所有被赋值网格的质心位置；建立质心指向向量，处理质心指向向量得到手部轨迹形状描述子；综合两个夹角余弦值处理获得运动描述子、轨迹形状描述子与标准描述子的共同相似度，取共同相似度最大为结果。本发明能准确识别获得人手势的类型，对手势轨迹的平移、缩放、旋转、轨迹的时序不敏感，灵活性高，节省时间和精力。

主权项

1.一种基于手部速度与轨迹分布的跟随机器人手势轨迹识别方法，其特征在于，包括以下步骤：步骤1：kinect相机朝向操作者采样拍摄获得骨骼关节的三维位置信息，根据骨骼关节的三维位置信息以及操作者和kinect相机的相对位置建立投影平面，kinect相机朝向操作者拍摄获得人手部的手部三维位置，从操作者进行开始标志手势到进行结束标志手势之间的过程中，记录手部三维位置的运动数据，将手部三维位置的运动数据投影到投影平面，获得手部投影平面数据；步骤2：对手部投影平面数据进行滑动平均平滑处理，相邻的两个手部三维位置用一个从上一帧手部三维位置出发指向下一帧手部三维位置的向量连接，该向量作为速度向量，对速度向量的角度按邻域方法分为n类，对速度向量的幅值按照大小分为m类，将每个速度向量表示如下：(q,j),q≤n,j≤m       (1)其中，q表示速度向量的角度按邻域的方法分类的类型结果，j表示速度向量的幅值按大小分类的类型结果；步骤3：处理各个速度向量的角度和幅值类别得到手部运动向量，将手部运动向量中各分量做循环移位，获得手部运动描述子；步骤4：手部投影平面数据中在手部周围建立手部运动区域，将手部运动区域网格化，按采样拍摄的时序遍历所有帧的手部三维位置，将每帧的手部三维位置所在的网格赋值，再计算所有被赋值网格的质心位置；步骤5：对从质心位置出发指向每个被赋值网格的位置作向量作为质心指向向量，然后按照步骤2中的相同方式作角度和幅值分类；接着，处理各个质心指向向量的角度和幅值类别得到手部形状向量，将手部形状向量中各分量做循环移位得到手部轨迹形状描述子；步骤6：计算手部运动描述子和标准手部运动描述子的夹角余弦值，计算手部轨迹形状描述子和标准手部轨迹形状描述子的夹角余弦值，综合两个夹角余弦值处理获得运动描述子、轨迹形状描述子与标准描述子的共同相似度，取共同相似度最大的标准手势作为手势识别的结果。