[发明专利]一种基于WiFi的手势识别系统

说明书

本发明公开了一种基于WiFi的手势识别系统，该系统包括手势识别单元、处理单元和判别输出单元三个部分。首先，手势识别单元用来收发信号；然后，在处理单元提出了一种基于能量累积分布的动作识别算法，该算法能够利用现有的商用WiFi设备和个人计算机通过信号获取、滤波、特征处理和提取、小波分析等步骤分析动作频率范围内的能量分布比例；最后在判别输出单元利用支持向量机训练好的模型进行分类和识别。相比于现有识别算法，该算法能够有效地提高识别精度。

技术领域

本发明涉及无线传感网技术领域，尤其涉及传感网中的人机交互技术，具体是一种基于WiFi的手势识别系统。

背景技术

通常情况下，常用于手势识别的主流技术分为三种：基于视觉的手势识别技术、基于可穿戴式设备的手势识别和基于无线技术的手势识别。其中，基于视觉的识别技术需要一定的视频采集设备才能进行。此类技术对采集到的图像素材进行分割，让手势动作与背景相分离。然后根据不同的应用场景，对手势进行建模，一般采用的模型为表现手势模型和三维手势模型。建模之后，此类算法对手势进行识别，包括：基于模板的匹配、基于人工神经网络(Artificial Neural Network，ANN)的匹配和基于概率统计模型的匹配。然而，基于视觉的手势识别有一个重要的前提，就是所要识别的手势必须处于视觉设备的观测范围内。此外，由于其依赖的基础是视觉图像，所以它受到光线、水汽等的影响较大，对环境的要求较为严格。

相比于基于视觉的手势识别，基于可穿戴式传感器的手势识别在环境要求上降低了一些，其基本思路是通过特定传感器的数据重建传感器的运动轨迹，进而能够重建相关身体部位的运动轨迹。在整个识别过程当中，需要通过手的位置、运动方向以及姿态信息建立模型，然后利用动态时间规整(Dynamic Time Warping，DTW)、有限状态机(Finite StateMachine，FSM)以及人工神经网络等方式进行识别。

基于无线技术的手势识别的核心在于：如果空间内没有物体发生运动，则空间内的无线信号传播路径不会发生变化，一旦空间内有物体运动，则会对无线信号的传播产生扰动，表现出能量的变化或者是多普勒频移。在后续的研究当中，科研人员发现了更多可以描述手势运动的特征如：统计特征、小波变换特征、时频图特征等。获取特征之后，此类研究通过各种处理方式如支持向量机(Support Vector Machine，SVM)、动态时间规整(DTW)、k近邻(k-Nearest Neighbor，kNN)等方式对动作进行分类或识别，最终输出识别结果。

在基于无线技术的手势识别当中，基于WiFi的手势识别技术是热门。现阶段，基于WiFi的手势识别可以分为两类：基于接收信号强度(Received Signal Strength，RSS)的识别与基于信道状态信息(Channel State Information，CSI)的识别。

基于RSS的系统有：

(1)AllSee：2014年，B.Kellogg等人提出了AllSee(Kellogg B,Talla V,Gollakota S.Bringing gesture recognition to all devices[C]//11th{USENIX}Symposium on Networked Systems Design and Implementation({NSDI}14).2014:303-316.)，通过分析RSS信号对手势动作进行识别。它采用了时域分析和信号包络提取的方法。首先，对信号进行调整，在时间窗口上进行平移，从而对信号进行归一化。然后它对连续信号进行分割，在系统中设定了电流采样阈值来判断一个手势的开始和结束，从而对样本进行分割。最后，该系统对处理好的数据进行分类。由于识别的动作相对简单，该系统使用相对距离和信号类型结合的方式进行动作分类。最终，该系统取得了97％的识别精度。