基于MEMS传感器的手势识别算法研究

发布时间：2017-06-08 12:09

  本文关键词：基于MEMS传感器的手势识别算法研究，，由笔耕文化传播整理发布。

【摘要】：近年来,由于虚拟技术的迅速发展,人机交互的研究逐渐成为了热点,而手势识别在人机交互中有着很重要的位置。手势识别主要分基于视觉和基于传感器两种识别方式,其中基于视觉的手势识别对环境和硬件设备要求比较严格,而随着微机电系统(MEMS)传感技术的快速发展,基于传感器的手势识别成为当下研究热点。本文将基于MEMS传感器,对手势识别算法进行研究。MEMS传感器提供的是传感数据,不能直接提供手势运动的相关数据,因此一般基于传感器的手势识别算法是根据规定好的动作对其加速度或角速度等信息进行分析,通过每个手势的运动学特征找到每个手势的关键信息。但是这样就需要人工干预,操作者也不能灵活的执行手势动作。为了使操作者的手势执行的更加灵活,以及可以自己定义手势,本文采用了空间定位的方法,即将MEMS传感器数据转化成空间数据,以记录手势在三维空间的位移坐标点。对于积分得到的手势的空间数据的分类识别,本文采用深度学习算法中的限制波尔兹曼机提取数据的关键信息,即对数据做降维处理,并通过BP神经网络进行分类识别。为了提取更加抽象的特征信息,本文采用由多个限制波尔兹曼机和BP神经网络组成的深信度网络模型来设计算法,通过限制波尔兹曼机逐层训练数据样本,得到降维后的特征信息,然后利用BP算法调整整个网络以及分类识别。本文实验结果表明,转化过来的空间数据可以准确的记录手势在三维空间的运动轨迹,说明将MEMS传感器数据转化成空间数据然后在此基础上进行分类识别是完全可行的。通过深度学习算法对手势的空间数据进行训练和分类识别可以避免人工的参与,达到操作者自定义手势的目的。
【关键词】：MEMS传感器 手势识别 空间定位 深度学习
【学位授予单位】：北京化工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;TP212
【目录】：

• 学位论文数据集4-5
• 摘要5-7
• ABSTRACT7-15
• 第一章 绪论15-21
• 1.1 研究背景及意义15-16
• 1.1.1 研究背景15-16
• 1.1.2 研究意义16
• 1.2 研究发展现状16-18
• 1.2.1 基于视觉的手势识别技术研究现状17
• 1.2.2 基于传感器的手势识别技术研究现状17-18
• 1.3 论文研究内容及主要成果18-19
• 1.3.1 论文研究内容18-19
• 1.3.2 论文主要成果19
• 1.4 论文组织结构19-21
• 第二章 传感器与手势识别方法简介21-31
• 2.1 MEMS传感器相关技术简介21-25
• 2.1.1 MEMS传感器的应用21-22
• 2.1.2 MEMS传感器的工作原理22-24
• 2.1.3 传感器发展前景24-25
• 2.2 机器学习相关技术简介25-28
• 2.2.1 神经网络算法简介25-26
• 2.2.2 深度学习算法简介26-28
• 2.3 手势识别方法概述28-30
• 2.3.1 基于视觉的手势识别28-29
• 2.3.2 基于传感器的手势识别29-30
• 2.4 本章小结30-31
• 第三章 基于MEMS传感器的三维空间定位技术31-41
• 3.1 传感器数据的采集31-34
• 3.1.1 加速度32-33
• 3.1.2 角速度33-34
• 3.2 传感器数据的滤波处理34-37
• 3.2.1 误差分析与处理34-35
• 3.2.2 卡尔曼滤波算法35-37
• 3.3 基于加速度积分计算的空间定位37-38
• 3.4 重力加速度分量滤除38-40
• 3.5 本章小结40-41
• 第四章 基于深度学习和神经网络的手势识别41-55
• 4.1 基于深度学习算法的特征提取41-48
• 4.1.1 限制波尔兹曼机算法41-44
• 4.1.2 特征提取44-46
• 4.1.3 深信度网络46-48
• 4.2 基于BP神经网络的手势识别48-53
• 4.2.1 BP神经网络算法48-49
• 4.2.2 数据训练49-53
• 4.3 本章小结53-55
• 第五章 实验及分析55-65
• 5.1 空间定位法的验证55-57
• 5.1.1 数据获取55-56
• 5.1.2 数据处理56-57
• 5.2 基于深信度网络的动作识别实验结果及分析57-63
• 5.2.1 动作的定义57-59
• 5.2.2 实验结果及分析59-63
• 5.3 本章小结63-65
• 第六章 总结与展望65-67
• 6.1 总结65-66
• 6.2 未来展望66-67
• 参考文献67-71
• 致谢71-73
• 研究成果及发表的学术论文73-75
• 作者和导师简介75-76
• 硕士研究生学位论文答辩委员会决议书76-77

【相似文献】

中国期刊全文数据库 前10条

1 樊建勋;;MEMS传感器及其在航空领域的应用[J];电子技术与软件工程;2014年04期

2 殷春燕;;室内导航带来智能手机新商机,MEMS传感器加速系统融合[J];集成电路应用;2012年08期

3 程海林;黄昌正;郝志峰;张娜;王磊;陈曦;周智恒;;基于弯曲与组合MEMS传感器的数据手套设计[J];广东科技;2013年06期

4 李铮;;MEMS传感器在车辆运动状态监测系统中的应用[J];计算机光盘软件与应用;2012年22期

5 桂志鹏;黄德昌;肖湘;谢晓峰;;基于MEMS传感器的军民两用戒指型无线麦克风系统的设计[J];中国科技信息;2012年07期

6 江兴;;2012年MEMS传感器和执行器市场将达97亿美元[J];半导体信息;2008年05期

7 王铁流;沈京;张强永;王瑛;;基于MEMS传感器的输电杆塔倾摆安全监测技术[J];测控技术;2013年05期

8 欧毅;白宏磊;石莎莉;焦斌斌;李超波;黄钦文;董立军;景玉鹏;陈大鹏;叶甜春;申功;;应用于流动控制的MEMS传感器和执行器[J];电子工业专用设备;2006年01期

9 许晓青;王宝光;孙春生;;基于MEMS传感器技术的微型化、数字式倾角仪的研究[J];电子测量技术;2008年02期

10 王玲;;博世公司MEMS传感器累计产量突破30亿个[J];微纳电子技术;2013年09期

中国重要会议论文全文数据库 前2条

1 宋渤;徐龙起;张桂铭;赵立波;王晓坡;刘志刚;;MEMS传感器测量正庚烷密度和黏度的实验研究[A];高等学校工程热物理第十九届全国学术会议论文集[C];2013年

2 杜勇;庹先国;李怀良;朱丽丽;刘勇;;基于MEMS传感器的数字高灵敏度VSP测井技术研究[A];中国地球物理学会第二十七届年会论文集[C];2011年

中国重要报纸全文数据库 前1条

1 ADI微机械产品线高级应用工程师 赵延辉;MEMS传感器走向低功耗、集成化[N];中国电子报;2012年

中国硕士学位论文全文数据库 前9条

1 马瑞涛;基于MEMS传感器的自适应振动监测系统的设计[D];长安大学;2015年

2 庄猛;MEMS传感器三维引线键合系统研制[D];苏州大学;2016年

3 仇立杰;基于MEMS传感器的手势识别算法研究[D];北京化工大学;2016年

4 李哲;基于MEMS传感器技术的数字式倾角仪的研究[D];天津大学;2008年

5 刘博;基于MEMS传感器的动作捕捉系统开发设计[D];北京理工大学;2011年

6 何超;捷联惯性导航系统MEMS传感器误差补偿[D];哈尔滨工业大学;2010年

7 杨辉;基于MEMS传感器的高精度行人导航算法研究[D];厦门大学;2014年

8 施湛;基于MEMS传感器的高精度地震波采集系统研究[D];杭州电子科技大学;2014年

9 吴艳;基于MEMS传感器的无线传感网络研究[D];杭州电子科技大学;2012年

  本文关键词：基于MEMS传感器的手势识别算法研究，由笔耕文化传播整理发布。

本文编号：432457