基于传感器的手势识别方案研究及其在可穿戴设备中的实现

发布时间：2019-11-13 10:06

【摘要】：智能可穿戴设备因为其小体积携带方便、低成本、低功耗等优点应用领域越来越广,目前已在人机交互平台里占据重要位置。动态手势作为人们日常生活中广泛使用的一种自然高效的交流方式,非常适合应用于智能可穿戴设备。手势识别应用于可穿戴设备中具有连续性、相似性、随着时间和用户变化的不稳定性,本文研究分析这些特性,并提出了实时的连续手势识别方案,并且在可穿戴设备中得以实现和应用。本文首先对加速度传感器产生的连续手势信号进行特征分析,分别从连续性、用户依赖性、时间依赖性三个方面分析了可穿戴设备的手势信号特点并提出的相应解决方案。然后论述了手势信号的预处理,包括基于手势波动数值的阈值分割方法、手势信号的滤波器设计、特征提取方法等。接下来,我们研究了传统的DTW(动态时间规整)、SVM(支持向量机)、降维+分类手势识别方法,讨论和分析在不同场景下手势识别方法的应用和优化,并重点改进了基于DTW的手势识别方法,提出了更新手势模板库的方法来提高手势的识别率。通过图表以及实验数据对比分析得出各类手势识别方法的优劣势,得出本文中手势识别算法在实际应用中的可行性和有效性。最后将文中提到的三种手势识别方案融合到一个完整的手势识别系统中,并应用到智能家居场景下,完成了手势识别系统的软件设计方案,并且在可穿戴设备硬件平台上实现了对家居设备的模拟管理控制。
【图文】：

示意图,示意图,数字传感器,电信号

的应用现状和主要问题逡逑发现传感器的诸多优势使其能够方便地、究的重点转移到传感器的设计方面。依据表面肌电信号数字传感器、数据手套和加号数字传感器是从人体的生物特性出发，电信号来完成手势识别任务的。由于肌肉，因此需要对电能的变化进行适当的引化的电压信号，如图１－１所示。目前，Ｋ0手指端的手势信号，，对９个常用的美国Ｃｈａｎ［：ｗ］等人则是在上述工作的基础是，动作的信号，识别率达到９４．邋６％。但由于皮肤的千湿程度都会严重影响着电信号人而异，很多精细化的相似手势产生的统识R%难度很大逡逑

示意图,三轴,加速度传感器,设备

肉群的收缩所产生的弱电信号来完成手势识别任务的。由于肌肉群在收缩时所产逡逑生的生物电能十分有限，因此需要对电能的变化进行适当的引导和放大，才能得逡逑到了一系列的随时间变化的电压信号，如图１－１所示。目前，Ｋ0ｓｎｉｉｄ0Ｕ［２９］等人利逡逑用双导ＳＥＭＧ电极采集手指端的手势信号，对９个常用的美国手语词进行识别，逡逑其识别率为９７．７％。而Ｃｈａｎ［：ｗ］等人则是在上述工作的基础是，利用四导ＳＥＭＧ电逡逑极识别了邋６类基于上肢动作的信号，识别率达到９４．邋６％。但由于该类可穿戴设备逡逑需要专人协助佩戴，且皮肤的千湿程度都会严重影响着电信号的采集。又由于人逡逑体的肌肉结构复杂且因人而异，很多精细化的相似手势产生的信号差异性小，可逡逑辨识性差，从而导致系统识R%难度很大逡逑图〗－１采集肌肉动作时的示意图逡逑而数据手套顾名思义，就是将若干个传感器制成手套形状，记录手掌在空间逡逑中的运动信息和指关节的弯曲信息等。Ｇｒｉｍｅｓ％首先对一些简单的精细化手势进逡逑行了识别。中科院的高文院士邋［３４］则将其应用于中文手语自动翻译系统中
【学位授予单位】：北京邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP368.33

【参考文献】