[发明专利]一种基于手套采集的手势识别方法及人机交互装置

说明书

本发明公开了一种基于手套采集的手势识别方法及人机交互装置，属于手势识别技术领域。该装置包括采集手套、调理器和处理模块；识别方法首先对采集的数据进行统计，若计数器的值不小于预先设定的固定值，则寻找角速度能量最大轴，分别提取其对应的加速度和/或角速度的特征序列，与自定义的各手势的特征序列进行匹配，若不匹配则分别计算X轴、Y轴、Z轴的加速度能量，寻找能量最大轴。重复上述步骤若依然不匹配，则依次对最大轴对应的至少一个加速度和/或角速度的特征序列进行组合，继续匹配，直至匹配成功，进行各手指弯曲状态的判断，给出识别结果。本发明在智能家用电器控制、工业控制领域，甚至在战场上都有良好的应用潜力。

技术领域

本发明属于手势识别技术领域，具体是一种基于手套采集的手势识别方法及人机交互装置。

背景技术

近年来随着电子产品的迅速发展，各式各样的智能设备不断进入人们的视野。人机交互是智能设备工作的关键环节之一，但传统的键盘、鼠标、遥控器等输入装置在便携程度上略显不足，在一定程度上影响了用户的使用体验。因此，手势控制、语音控制等新型人机交互方式受到越来越广泛的关注。对用户而言，手势控制具有使用自然、直观的独到优势，是十分理想的人机交互方式。

手势识别技术是手势控制的核心问题，目前主要有基于视觉与基于手套两条路线。随着人工智能的日趋火热，基于视觉的手势识别技术发展得更为成熟，甚至在三星智能电视上已经得到了应用。相比之下，基于手套的方案显得颇受冷落，如文献1：肖茜，杨平，徐立波.一种基于MEMS惯性传感器的手势识别方法[J].传感技术学报.2013(05):611-615；文献2：陈意，杨平，陈旭光.一种基于加速度特征提取的手势识别方法[J].传感技术学报.2012(08):1073-1078；文献3：陈意.基于MEMS惯性传感器的移动电子设备手势识别技术研究[D].电子科技大学,2013；这三个文献的研究者均采用了决策树分类器，做了有益的探索和改进；文献4：王原，汤勇明，王保平.基于加速度传感器的大手势集手势识别算法改进研究[J].传感技术学报.2013(10):1345-1351；研究者采用了加权树结构模版库做了有益的探索和改进；文献5：王万良，杨经纬，蒋一波.基于运动传感器的手势识别[J].传感技术学报.2011,24(12):1723-1727；研究者采用隐马尔可夫模型做了有益的探索和改进；但手势识别率和识别速度取得的进步不够显著，仍是其走向实用的重要制约。

基于视觉的手势识别技术通常要求使用者始终面对设备，且与图像采集装置间不可有障碍物遮挡视线，在弱光条件下手势识别率可能会显著降低。

基于手套的方案有效地克服了上述缺点，不仅在控制智能家用电器方面具有优势，在诸如机械臂控制、无人飞行器控制此类工业领域中也有良好的应用潜力，甚至在战场上可开发为单兵通信设备使用。

发明内容

本发明针对上述问题，为了提高基于手套的手势识别方案的识别率和识别速度，提出了一种基于手套采集的手势识别方法及人机交互装置。

所述的基于手套采集的手势识别人机交互装置，包括采集手套、调理器和处理模块；处理模块通过串行接口或USB接口等与外部设备连接。

采集手套上设置有弯曲传感器及惯性测量单元，处理模块包括模数转换器和主处理器，两者集成在一块芯片上；调理器同时连接弯曲传感器和模数转换器；惯性测量单元直接与主处理器相连接。

弯曲传感器及惯性测量单元分别采集原始数据，其中弯曲传感器将其输出电阻送至调理器进行调理，转化为电压输出给模数转换器，模数转换器将电压输出的模拟量转换为数字量，提交给主处理器。

惯性测量单元采集的原始数据按通信协议直接传输给主处理器；主处理器对接收的数据进行处理，执行手势识别算法，并输出识别结果；同时接收指令并执行相应操作。

本发明所述的基于手套采集数据的手势识别方法，具体步骤如下：