[发明专利]一种面向互动电视的手势交互方法和系统

权利要求书

1.一种面向互动电视的手势交互方法，其特征在于具体步骤如下：

（1）特征提取

设一个手势G定义为：

         (1)

其中，a_T代表X, Y, Z三维加速度向量，L是手势序列的长度，即采样点数；采集的手势加速度数据序列是X, Y, Z三维方向上以时间为横轴的向量，且三轴向量的长度相等； 

（1.1）平稳降噪

采用均值滤波的方法对手势加速度数据序列进行平稳降噪处理，以减缓短时波动，使得加速度数据更好地反映手势动作的整体运动趋势；

（1.2）去冗余

采用移动窗口算法，具体步骤为：

(1.2.1)从起始点开始计算窗口振动幅度ξ₁，如公式(2)： 

   (2)

当ξ₁的值大于0，记录下样本点i的值；

(1.2.2)从结束点开始计算窗口振动幅度ξ₂，如公式(3)： 

  (3)

当ξ₂的值大于0，记录下样本点j的值；

(1.2.3)截取样本中从i到j段的手势数据，即为去冗余之后的手势信号；

其中，参数α=9，β=0.2m/s²；

（1.3） 归一化

对所有特征数据值进行归一化，以消除采样点长度和加速度信号幅度的差异对识别结果的影响，具体计算方式如下：

（1.3.1）长度归一化

加速度传感器采集的数据序列的长度，对于归一化长度，采用手势序列长度的均值；对于第个采样点，归一化结果为：

                     (4)

(1.3.2) 振幅归一化

对于加速度幅值，将其归一化至[-1,+1]的区间，即归一化结果为：

   (5)

（2） 基于SVM手势分类和识别

采用一对多SVM分类器，即将某个手势类别从多类中区分出来，这可以通过转化为两类分类问题来解决；对于k类手势，构造k个SVM子分类器，在构造第j个SVM子分类器时，将属于第j类别的样本数据标记为正类，不属于j类别的样本数据标记为负类；然后对手势数据分别计算各个子分类器的决策函数值，并选取函数值最大所对应的类别即是相应识别的手势动作。

2.根据权利要求1所述的面向互动电视的手势交互方法，其特征在于所述基于SVM手势分类和识别，使用LIBSVM开源库作为SVM算法包进行手势数据的分类及识别，其算法步骤如下： 

 （1）将特征提取后的手势数据按照如下格式进行标记，生成特征值向量：

<label> <index1>:<value1> <index2>:<value2> …

其中，<label>用来标识当前数据所属的类别，类别值共有6种，0为“向右”，1为“向左”，2为“向上”，3为“向下”，4为“确定”，5为“返回”；<index>是从1开始的连续整数，代表采样序列；<value>为实数，是实际记录的加速度向量值；

 （2）选取径向基函数(RBF), 即，作为SVM的核函数；采用交叉验证法确定SVM的误差惩罚系数和RBF核参数的最佳值：；

（3）使用最佳参数对整个训练集进行训练，获得支持向量机模型；

（4）利用训练的模型对手势数据进行预测识别。