[发明专利]一种多维手语识别方法

权利要求书

1.一种多维手语识别方法，其特征在于，包括以下步骤：

步骤一：进行手语识别模板的创建并保存创建生成的模板，以作为手语识别系统的识别判断依据；

步骤二：对实际手语进行数据采集，通过无线三维加速度传感器采集三维加速度数据、通过无线三维角度传感器采集三维角度数据、通过无线三维角速度传感器采集三维角速度数据和通过肌电传感器采集一维肌电数据信号在内的共10个数据为一组手语的数据，并将采集到的数据输入手语识别系统；

步骤三：对采集到的数据进行预处理，包括对数据依次进行平滑滤波、归一化、起止点判断操作；

步骤四：对预处理后的数据进行数据类型分离、整句分割、单字识别和单字整合，数据类型分离是将预处理后的数据分为两类：加速度数据、角度数据、角速度数据为姿态数据类，肌电数据自成一类，然后进行整句分割，检测肌电数据密集出现的部分，将这些部分分别分离出来，保存为单独的数据组，这些数据组为单字组，对单字组进行特征提取和算法识别，将单字组的识别结果按时间顺序拼接起来，形成一个整体结果，该整体结果以文字显示，表示手语所代表的字符；

步骤五：对以文字显示的整体结果进行结果判断，若结果不正确则修改模板，若结果正确则输出结果。

2.根据权利要求1所述的多维手语识别方法，其特征在于，所述步骤一中通过多维传感器采集多组手势动作的数据，将所述多组手势动作的数据输入手语识别系统，识别系统将判断输入的数据对应的含义从而得到自身识别出的结果，再将所述多组手势动作的数据对应的实际含义输入识别系统，识别系统根据自身识别出的结果与实际含义的差别不断修正自身识别出的结果，当识别结果趋于稳定时，形成手语识别模板。

3.根据权利要求2所述的多维手语识别方法，其特征在于，所述手语识别模板包括识别特征库和算法识别模板，对采集到的数据进行预处理，包括对数据依次进行平滑滤波、归一化、起止点判断操作，对预处理后的数据按照特征库提取具体特征，使用聚类算法将特征分类，将分类结果与输入数据的实际含义比较，每个特征将单独给出识别率，当识别率在k-means聚类算法、k-medoids聚类算法、k-medians聚类算法、高斯混合模型的聚类算法组成的四种算法中三种以上算法中分别超过70％时认为特征可用，保留特征，所有保留的特征组成识别特征库，识别特征库按加速度数据、角度数据、角速度数据和肌电数据分开保存；使用三层神经网络对提取到的特征进行算法识别，三层神经网络算法将数据的特征融合识别，并针对一组手语数据得到一个识别结果，三层神经网络算法根据识别结果与输入数据的实际含义的偏差修改三层神经网络算法参数，在最终识别正确率大于70％时结束参数修改，保存此时的算法识别模板。

4.根据权利要求3所述的多维手语识别方法，其特征在于，所述步骤三中的起止点判断操作为：对10个数据为一组手语的数据分组罗列对应分为10组数据，起始点判断为某一时刻将10组数据中的对应的数据提出，将每组提出的数据的值与该组之前的第20个数据值做差值，如果有任一组的所述差值的绝对值大于0.3，则将该时刻判定为起始点，在起始点后，提取另一时刻10组数据中的对应的数据并将每组提出的数据的值与该组之后的第15个数据值做差值，如果所有组的差值的绝对值均大于0.12并在所述另一时刻后80个数据内均满足数据值与该数据之后第15个数据值的差值的绝对值小于0.12，则判断该时刻为结束点。

5.根据权利要求4所述的多维手语识别方法，其特征在于，所述步骤四中，对单字组进行特征提取包括载入手语识别模板后按照手语识别模板的识别特征库提取具体特征，算法识别按照手语识别模板的算法识别模板使用三层神经网络进行算法识别。

6.根据权利要求5所述的多维手语识别方法，其特征在于，所述步骤四中，密集出现指归一化后的肌电数据在某时间点的数值绝对值超过0.12称为有效点，若有效点在连续10个数据点中个数超过5个则称该10个点为有效数据段，若多个有效数据段为不间断相连，该多个有效数据段连接形成的数据段称为密集出现。