[发明专利]一种基于手势的人机交互方法

说明书

技术领域

本发明涉及一种人机交互方法，具体地说是一种采用手势识别的方法通过上位机来对机器人的运动进行相关控制。

背景技术

近年来，研究人员对地外星体的探测逐步深入，星体表层采样研究成为探测星体的重要环节。目前，研究人员对地外星体的探测与采样主要集中在月球和火星上，并使用空间探测机器人对星体资源进行了原位分析和土壤采样。

在对地外星体表层进行采样研究时存在着空间作业环境复杂、未知等问题；而人类操作者比空间探测机器人有更好的判断力、洞察力，因此使用人机交互技术通过操作人员对空间探测机器人进行实时控制，以确保探测机器人能顺利完成任务。在过去的几十年里，人机交互技术受到了研究人员的广泛关注而且得到了迅速的发展，出现了多种成熟的人机交互方式。语音识别和手势识别是其中的两大主要发展方向。由于手势识别相比语音识别具有信息量丰富、易于实现等优点，因此广泛应用于人机交互系统中，是人机交互系统的重要技术环节之一。

在人机交互系统的研究发展过程之中，手势识别系统主要可以分为两类：数据手套系统和徒手系统。在本发明中使用数据手套系统，将数据手套的手势作为人机交互系统的输入，从而实现对机器人的运动控制。

发明内容

针对现有技术的不足，本发明提供一种基于手势的人机交互方法，经过对操作者手势数据的采集和归一化处理构建了手势模板，为了使得手势模板能够进行准确分类，提出的改进PSO-SVM分类算法，克服了传统分类算法不能对数据进行准确分类以及传统PSO算法容易陷入局部最优的问题。

本发明为实现上述目的所采用的技术方案是：

一种基于手势的人机交互方法，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。

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。

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。

所述改进的PSO算法为：