基于MEMS傳感器的手勢(shì)識(shí)別算法研究.pdf

1、近年來(lái)，由于虛擬技術(shù)的迅速發(fā)展，人機(jī)交互的研究逐漸成為了熱點(diǎn)，而手勢(shì)識(shí)別在人機(jī)交互中有著很重要的位置。手勢(shì)識(shí)別主要分基于視覺(jué)和基于傳感器兩種識(shí)別方式，其中基于視覺(jué)的手勢(shì)識(shí)別對(duì)環(huán)境和硬件設(shè)備要求比較嚴(yán)格，而隨著微機(jī)電系統(tǒng)(MEMS)傳感技術(shù)的快速發(fā)展，基于傳感器的手勢(shì)識(shí)別成為當(dāng)下研究熱點(diǎn)。本文將基于MEMS傳感器，對(duì)手勢(shì)識(shí)別算法進(jìn)行研究。
　　MEMS傳感器提供的是傳感數(shù)據(jù)，不能直接提供手勢(shì)運(yùn)動(dòng)的相關(guān)數(shù)據(jù)，因此一般基于傳感器的手勢(shì)識(shí)

2、別算法是根據(jù)規(guī)定好的動(dòng)作對(duì)其加速度或角速度等信息進(jìn)行分析，通過(guò)每個(gè)手勢(shì)的運(yùn)動(dòng)學(xué)特征找到每個(gè)手勢(shì)的關(guān)鍵信息。但是這樣就需要人工干預(yù)，操作者也不能靈活的執(zhí)行手勢(shì)動(dòng)作。為了使操作者的手勢(shì)執(zhí)行的更加靈活，以及可以自己定義手勢(shì)，本文采用了空間定位的方法，即將MEMS傳感器數(shù)據(jù)轉(zhuǎn)化成空間數(shù)據(jù)，以記錄手勢(shì)在三維空間的位移坐標(biāo)點(diǎn)。
　　對(duì)于積分得到的手勢(shì)的空間數(shù)據(jù)的分類識(shí)別，本文采用深度學(xué)習(xí)算法中的限制波爾茲曼機(jī)提取數(shù)據(jù)的關(guān)鍵信息，即對(duì)數(shù)據(jù)做降維

3、處理，并通過(guò)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行分類識(shí)別。為了提取更加抽象的特征信息，本文采用由多個(gè)限制波爾茲曼機(jī)和BP神經(jīng)網(wǎng)絡(luò)組成的深信度網(wǎng)絡(luò)模型來(lái)設(shè)計(jì)算法，通過(guò)限制波爾茲曼機(jī)逐層訓(xùn)練數(shù)據(jù)樣本，得到降維后的特征信息，然后利用BP算法調(diào)整整個(gè)網(wǎng)絡(luò)以及分類識(shí)別。
　　本文實(shí)驗(yàn)結(jié)果表明，轉(zhuǎn)化過(guò)來(lái)的空間數(shù)據(jù)可以準(zhǔn)確的記錄手勢(shì)在三維空間的運(yùn)動(dòng)軌跡，說(shuō)明將MEMS傳感器數(shù)據(jù)轉(zhuǎn)化成空間數(shù)據(jù)然后在此基礎(chǔ)上進(jìn)行分類識(shí)別是完全可行的。通過(guò)深度學(xué)習(xí)算法對(duì)手勢(shì)的空間數(shù)據(jù)進(jìn)