基于運(yùn)動(dòng)傳感器的手勢(shì)識(shí)別.pdf

1、人工智能的發(fā)展促使著與其相關(guān)的應(yīng)用層出不窮，其中作為人工智能的重要內(nèi)容——人機(jī)交互技術(shù)，也受到越來(lái)越多的關(guān)注。人機(jī)交互研究的是人類如何與機(jī)器進(jìn)行溝通，從而控制機(jī)器，自如地實(shí)現(xiàn)人們所希望的功能。過(guò)去傳統(tǒng)的人機(jī)交互方式有按鍵、鍵盤(pán)、觸摸屏和語(yǔ)音技術(shù)等。但上述方式都在效率、準(zhǔn)確性、自然性上存在諸多局限，這也使得人們開(kāi)始尋找效率更高、交互更加自然的方式。近年來(lái)，人們開(kāi)始探索通過(guò)自身的身體語(yǔ)言就能實(shí)現(xiàn)對(duì)智能終端的控制，智能可穿戴設(shè)備的相關(guān)研究也頗

2、受關(guān)注，本文旨在設(shè)計(jì)一個(gè)三維動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)，以實(shí)現(xiàn)利用手勢(shì)來(lái)進(jìn)行人機(jī)交互。
　　現(xiàn)階段比較成熟的手勢(shì)識(shí)別技術(shù)是基于機(jī)器視覺(jué)來(lái)進(jìn)行的，但由于其受到設(shè)備、環(huán)境的局限而得不到推廣。因此本文設(shè)計(jì)的手勢(shì)識(shí)別系統(tǒng)輸入端采用的是運(yùn)動(dòng)傳感器（即MEMS慣性傳感器），實(shí)時(shí)采集用戶手勢(shì)的運(yùn)動(dòng)信息，包括3軸加速度、3軸角速度和3軸磁感應(yīng)強(qiáng)度，再通過(guò)四元數(shù)法求解出3個(gè)姿態(tài)角，然后通過(guò)對(duì)這12個(gè)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘和分析來(lái)設(shè)計(jì)識(shí)別算法。目前較為常用的手勢(shì)識(shí)別

3、算法有隱形馬爾科夫模型、模板匹配等，由于本文研究的是自身具有一定區(qū)分度，并且對(duì)識(shí)別實(shí)時(shí)性、準(zhǔn)確性都有一定要求的手勢(shì)動(dòng)作集，因此本文提出的是“特征分析法”，通過(guò)選取有一定區(qū)分度和代表意義的特征值來(lái)建立手勢(shì)預(yù)分類器。本文待識(shí)別的手勢(shì)共分為六類：移動(dòng)類、敲擊類、旋轉(zhuǎn)類、晃動(dòng)類、打鉤類和畫(huà)叉類，其中旋轉(zhuǎn)類和移動(dòng)類還進(jìn)一步識(shí)別出了具體的方向。通過(guò)大量樣本的觀察與分析，本文確定了5個(gè)識(shí)別特征來(lái)建立預(yù)分類器：手勢(shì)長(zhǎng)度、能量、波峰數(shù)（角速度波峰數(shù)、加速

4、度波峰數(shù)和姿態(tài)角波峰數(shù)）、角速度單邊性、角速度能量最大軸，通過(guò)這些特征量首先識(shí)別出手勢(shì)屬于哪一大類，進(jìn)而識(shí)別出具體的運(yùn)動(dòng)方向。
　　為了驗(yàn)證系統(tǒng)的有效性、估算其準(zhǔn)確率，本文搭建了一個(gè)可穿戴式的硬件試驗(yàn)平臺(tái)，利用這個(gè)硬件平臺(tái)來(lái)實(shí)時(shí)地采集手勢(shì)運(yùn)動(dòng)數(shù)據(jù)并進(jìn)行數(shù)據(jù)濾波和姿態(tài)解算，然后把這些數(shù)據(jù)通過(guò)藍(lán)牙無(wú)線傳輸?shù)絇C端來(lái)進(jìn)行特征分析算法處理。經(jīng)過(guò)試驗(yàn)驗(yàn)證，本文提出的“特征分析法”識(shí)別平均精度達(dá)到了89.2％，在保證了識(shí)別準(zhǔn)確度的基礎(chǔ)上，還大