[发明专利]一种基于手势的人机交互方法

权利要求书

1.一种基于手势的人机交互方法，其特征在于，包括：

步骤1：根据数据手套的弯曲度值，构建手势初始模板，并对手势初始模板数据进行归一化处理，得到手势训练集模板；

步骤2：采用改进的PSO算法对SVM支持向量机分类器进行参数寻优，得到惩罚参数和核参数最优值；

步骤3：将寻优后的参数结果导入SVM支持向量机分类器预测函数中，对手势训练集模板进行训练，对训练后的手势训练集模板用测试集进行预测，得到SVM支持向量机分类预测模板；

步骤4：实时采集手势数据，并对实时手势数据进行归一化处理，将归一化处理后的数据在SVM支持向量机分类器中进行分类；

步骤5：将分类后的数据进行手势匹配，得到匹配结果，通过控制器控制采样机器人。

2.根据权利要求1所述的基于手势的人机交互方法，其特征在于：构建手势初始模板的过程为：

对每一种手势，采集其数据手套的对应弯曲度值若干次，得到N*5的矩阵，从而建立手势初始模板。

3.根据权利要求1所述的基于手势的人机交互方法，其特征在于：所述归一化处理过程为：

其中，x表示要归一化的初始数据，y表示归一化的结果，x_max初始数据最大值，x_min表示初始数据最小值，y_max表示归一化结果数据最大值，y_min表示归一化结果最小值。

4.根据权利要求1所述的基于手势的人机交互方法，其特征在于：所述改进的PSO算法为：

其中，搜索空间为D维；总粒子数为N；第i个粒子的位置表示为P_i＝(P_i1,P_i2,…P_iD)；V_i为第i个粒子飞行位置变化率，V_i＝(V_i1,V_i2,...V_iD)；pBest_i为个体最优值，表示第i个粒子在飞行的历史中去过的最优位置，pBest_i＝(P_i1,P_i2,…P_iD)；gBest为全局最优值，表示当前种群在飞行中全部粒子的最优位置；ω为改进的惯性权重；c₁、c₂是加速因子，是两个正实数，分别称为认知学习率和社会学习率，c₁和c₂取值范围为[1,2.5]且c₁+c₂>4；rand()为[0,1]范围内相互独立的随机数；T_max和T分别代表种群的最大迭代次数和当前迭代次数；ω_start和ω_end分别代表初始迭代权重和终止迭代权重，其中ω_start＝0.9，ω_end＝0.4。

5.根据权利要求2所述的基于手势的人机交互方法，其特征在于：将对每一种手势采集其数据手套的对应弯曲度值次数的一部分用于对手势训练集模板进行训练。

6.根据权利要求1或5所述的基于手势的人机交互方法，其特征在于：所述对手势训练集模板进行训练为：

根据数据手套的对应弯曲度值，将手势训练集模板划分为若干区间，作为分类区间。

7.根据权利要求1所述的基于手势的人机交互方法，其特征在于：所述用测试集进行预测过程为：

将测试集的手势数据输入到手势训练集模板中，进行分类，判断分类值是否满足分类区间；

如果满足分类区间，则得到SVM支持向量机分类预测模板；否则返回步骤3。

8.根据权利要求1所述的基于手势的人机交互方法，其特征在于：所述手势匹配过程为：

将分类后的数据根据分类进行编号，得到的编号与已有的控制编号进行匹配；

如果匹配成功，则根据对应的控制编号的控制状态对采样机器人进行控制；否则返回步骤3。

9.根据权利要求1所述的基于手势的人机交互方法，其特征在于：所述数据手套包括在每根手指弯曲处设置弯曲传感器，连接ARM控制器，采集弯曲度值发送到ARM控制器；分压电路连接ARM控制器，通过串联电阻分压控制电流大小。