基于MEMS-IMU的手势识别

发布时间：2020-06-14 17:39

【摘要】：手势作为一种便捷的人机交互方式在越来越多的场景得到应用,手势识别技术也成为了一个研究热点。手势识别使用的数据采集设备主要有两类:机器视觉类和运动传感器类,运动传感器相对于机器视觉具有容易适应环境、设备便携等特有的优势。随着智能手机、智能手表和健康监护手环等可穿戴设备的迅猛发展,微机电惯性传感器(MEMS-IMU)性能越来越强,价格也越来越便宜,因此本文将研究基于MEMS-IMU的手势识别。使用MEMS-IMU作为手势数据传感器进行手势识别的方法主要有运动轨迹重构、模板匹配、隐马尔可夫模型、手势数据统计和人工神经网络,本文将人工神经网络和深度学习应用于手势识别领域。使用长短时记忆模块(LSTM)的循环神经网络(RNN)可以有效地解决手势长度不统一的问题,还能够融合加速度信息、角速度信息和姿态信息进行手势识别。本文定义并采集了八种单手手势和八种双手手势,均为动态手势,单手手势动作简单,使用右手佩戴传感器采集,如向左、向右、画圆,画叉等,双手手势动作需要双手配合完成,左右手各佩戴一个传感器采集,采用了中国交警常用八种手势。完成手势采集后,首先需要对手势数据完成坐标系转换,然后进行一系列的预处理过程使得手势数据能够满足LSTM-RNN模型的输入要求,本文对坐标系转换后的手势数据进行了样本选择、归一化、滤波和动作分割,适当的预处理能够提升手势识别系统的性能。预处理完成后可以将手势数据输入LSTM-RNN模型中训练,本文尝试设置了不同的隐藏节点并做了多组对照试验,单手手势最优识别率为97.22%,双手手势最优识别率为96.98%。文章最后通过实验验证了手势数据的完整性对于复杂手势的识别非常重要,使用加速度和角速度作为输入数据的双手手势模型识别率很低,输入数据加入姿态四元数信息后识别率有大幅提升。实验证明本文所使用的手势识别方法性能优异,在复杂手势识别方面有很大优势。
【学位授予单位】：哈尔滨工业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP212;TP183
【图文】：

哈尔滨工业大学硕士学位论文述附着其上的肌肉组成的，关节在人体，人体中相邻两个关节之间的肢体称为人体运动过程和动态手势进行数学建模和抽象，保留能够表示人体主要运动的由于人体肢体的细微形变对于人体的运的肢体看成是刚体，刚体是由很多相互人体模型可以简化为多刚体人体模型。可以根据研究的需求进行设计。是研究人员使用较多的多刚体人体模5 个环节，分别是头、上躯干、下躯干腿、左右小腿、左右脚，相邻环节通过信息时将传感器固定于该环节对应的

图 2-4 单手手势定义势集定义有许多汽车的城市，由于交通拥挤，交通堵塞很常见一起拥挤，导致“死锁”。此时，依靠固定程序执行的通流量，交通警察必须通过手动姿势指导交通流量。车辆驾驶员能够看到交警的指挥信号，这时可以通过挥手势，在后方增设提示牌或临时交通灯同步指挥车照明不良的路口，这种方式有助于交通通畅运行。手势的另一个原因是交警手势动作差异大，动作幅度性传感器的测量和手势识别。最常见的八种交警手势意手势，关键动作如图 2-5 所示。动作流程为：立正向上伸到与躯干成 135 度，左手手心向前保持与躯干立正姿势。

【相似文献】

相关期刊论文 前10条

1 穆宝良;王利;;计算机视觉下的实时手势识别技术及其应用[J];科学技术创新;2019年35期

2 翟朋辉;王静怡;;一种简易手势识别装置[J];山东工业技术;2019年12期

3 惠丹;;基于深度学习算法的可穿戴设备手势识别系统设计[J];信息技术与网络安全;2019年09期

4 杨蕊;米文辉;;手势识别装置的设计与实现[J];信息与电脑(理论版);2019年18期

5 钟习;陈益强;于汉超;杨晓东;胡子昂;;融合情境感知信息的超声波手势识别方法[J];计算机辅助设计与图形学学报;2018年01期

6 王健;朱恩成;黄四牛;任华;;基于深度学习的动态手势识别方法[J];计算机仿真;2018年02期

7 杨欣怡;李双;;基于手势识别的智能电视交互专利技术综述[J];科技创新与应用;2018年24期

8 宋昆哲;闫晓虎;田乐;王奇俊;刘珂;;基于多点特征提取的手势识别的研究[J];科技创新与应用;2018年25期

9 丁伟利;胡艳玲;申亚辉;刘洪海;;基于虚拟试验箱的康复手势识别算法研究[J];高技术通讯;2017年03期

10 袁博;查晨东;;手势识别技术发展现状与展望[J];科学技术创新;2018年32期

相关会议论文 前10条

1 祝远新;徐光佑;黄浴;林学;俞志和;;一个基于表观的孤立手势识别系统[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

2 张宏源;袁家政;;基于视觉的手势识别新方法综述[A];中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集[C];2017年

3 邓智方;袁家政;;基于深度学习的视觉手势识别综述[A];中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集[C];2017年

4 丁勇;苏坪;潘超群;沈石松;;毫米波非接触式手势识别雷达[A];2019年全国微波毫米波会议论文集（上册）[C];2019年

5 郑颖;姚登峰;鲍泓;乔良;;基于机器学习的手势识别研究进展[A];中国计算机用户协会网络应用分会2017年第二十一届网络新技术与应用年会论文集[C];2017年

6 管珊珊;张益农;;基于Kinect的手势识别研究进展[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年

7 易晓;秦圣峰;康金胜;;基于手势识别技术的快速三维建模(英文)[A];第十届中国科协年会论文集（三）[C];2008年

8 郑颖;李培峰;罗恒杰;徐成;鲍泓;;交警手势识别的研究进展[A];中国计算机用户协会网络应用分会2018年第二十二届网络新技术与应用年会论文集[C];2018年

9 沈世宏;李蔚清;;基于Kinect的体感手势识别系统的研究[A];第八届和谐人机环境联合学术会议（HHME2012)论文集CHCI[C];2012年

10 王鼎衡;赵广社;李国齐;邓磊;;基于张量链压缩的卷积神经网络及手势识别应用研究[A];2018中国自动化大会(CAC2018)论文集[C];2018年

相关重要报纸文章 前10条

1 实习生 张燕;挥手玩“苹果”的高三男孩[N];中国青年报;2011年

2 本报记者 王伟;巨头看上的“手势识别”能照进现实吗？[N];中国电子报;2019年

3 记者 郝晓明;国内首套手势识别智能无人飞行系统亮相[N];科技日报;2017年

4 本报记者 喻思娈;操作手机，挥挥手就行[N];人民日报;2017年

5 本报记者 董添;谷歌申请手势识别专利引关注[N];中国证券报;2017年

6 倪明 段郴群;谷歌等巨头布局手势识别市场[N];企业家日报;2017年

7 肖思思;TCL新型数字家电可进行手势识别[N];中国税务报;2007年

8 华凌;首个无电池手势识别系统有望替代触摸屏[N];科技日报;2014年

9 本报记者 张晓丽;未来智能家电真能一“手”掌控[N];辽宁日报;2014年

10 记者 张潇;“创新，让学习不仅仅止于课本”[N];西安日报;2015年

相关博士学位论文 前10条

1 徐军;基于计算机视觉的手势识别及人机交互技术的应用研究[D];东南大学;2018年

2 佴威至;手势交互中的手势识别算法及交互参数研究[D];北京理工大学;2017年

3 Isack Emmanuel Bulugu;基于高阶局部自相关的特征提取方法及其在手势识别中的应用[D];中国科学技术大学;2018年

4 卫文韬;肌电手势识别中的多流融合和多视图深度学习方法研究[D];浙江大学;2018年

5 周航;基于计算机视觉的手势识别系统研究[D];北京交通大学;2008年

6 顾立忠;基于表观的手势识别及人机交互研究[D];上海交通大学;2008年

7 万军;动态手势识别中的时空特征表示和字典优化研究[D];北京交通大学;2014年

8 成可立;数据驱动的虚拟试衣系统若干关键技术研究[D];浙江大学;2016年

9 赵守伟;增强现实辅助维修关键技术研究[D];河北工业大学;2016年

10 覃文军;基于视觉信息的手势识别算法与模型研究[D];东北大学;2010年

相关硕士学位论文 前10条

1 金珂;基于深度信息的复杂场景下手势识别关键技术研究[D];上海交通大学;2018年

2 郭锦辉;手势识别及其在人机交互系统中的应用[D];华南理工大学;2019年

3 代雨锟;基于可穿戴数据手套的手势识别方法研究[D];华南理工大学;2019年

4 王宇杰;基于MEMS-IMU的手势识别[D];哈尔滨工业大学;2019年

5 王威;智能试衣镜关键技术研究[D];华侨大学;2018年

6 罗昆;基于神经网络的交警动态手势识别方法研究与实现[D];东华理工大学;2019年

7 杨刚;基于Wi-Fi的手部动作识别算法研究[D];西北大学;2019年

8 刘峰;手势识别毫米波雷达硬件的设计与实现[D];重庆邮电大学;2018年

9 袁菲;基于Kinect的手势识别系统设计与应用[D];西安科技大学;2018年

10 张雅琪;基于Kinect的手势识别研究及应用[D];电子科技大学;2019年

本文编号：2713130