[发明专利]一种适用于手势识别的方法及系统

说明书

本发明公开了一种适用于手势识别的方法，包括：通过感知单元获取手部活动信息；将手部活动信息传送至云服务平台；建立手势识别模型，并通过手势识别模型分析手部活动信息，得到手势识别结果；云服务平台将手势识别结果推送到用户端，用户端通过开放访问接口控制相应装置；本发明构建迁移学习与主动学习相结合的手势识别模型，以解决手势识别模型的个性化训练和冷启动问题，其能够将已有的手势识别模型的知识迁移到特定个体的手势识别模型中，提高模型在新用户、新环境、新场景中的快速适应能力及性能。

技术领域

本发明涉及手势识别的研究领域，特别涉及一种适用于手势识别的方法及系统。

背景技术

手势识别作为一种细粒度的人体行为分析广泛地应用于人机交互、娱乐、教育、军事、康复训练等领域，其目的是利用计算机理解手势并基于手势执行指令的一种能力。例如在智能家居环境中，通过手势控制家用机器人、智能家电等硬件设备，提高人机交互方式的智能化和自然化水平；在军事环境中，可用于辅助军事教学训练、远程装备控制等方面。对于自动化的手势识别方案，手部区域信息的取得方式是关键。

目前常用的获取方式大致可分为两类：基于视觉技术的方式和基于硬件辅助的方式。前者利用视频、图像等视觉处理技术获得手部区域信息，但该方式易光照条件、背景、遮挡等因素影响。基于硬件辅助的方式借助传感器获取手部活动相关的信息，具有不受光照条件和物体遮挡影响、使用范围广的特点，特别是感知芯片的尺寸不断减小以及数据处理、通信和存储能力不断提高，使得基于可穿戴传感器的普适手势识别成为可能。对于基于可穿戴设备的手势识别，如何挖掘原始流式传感器数据中隐藏的非线性语义信息，构建云端协同的手势识别方法决定着所设计的手势识别方案的可行性、普适性与用户接受度。

然而，由于个体手势的复杂性，手部动作体现出动态性、多样性以及时序性等特点，对构建鲁棒的活动识别模型提出了严峻挑战。与典型的模式识别、机器学习等任务不同，手势动作存在个体间差异，不同的个体能够以不同的方式执行同一手势动作，即个性化的手势识别模型，需要针对每个用户训练、优化手势识别模型，而目前已有的方法主要是面向用户群体的。其次，基于数据驱动的手势识别方法需要大量高质量、有标记的传感器数据来优化手势识别模型，而获取大量的有标记数据需要花费大量的人力、物力和财力，并且往往难以在短时间内收集足够的数据。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种适用于手势识别的方法，通过云与端协同的手势识别模型，前端智能硬件和云服务端形成信息反馈，优化硬件端工作模式和手势识别算法的性能；其手势识别模型具有动态更新能力、快速适应于新用户、新环境、新场景等新情景的个性化。

本发明的另一目的在于提供一种适用于手势识别的系统。

本发明的主要目的通过以下的技术方案实现：

一种适用于手势识别的方法，其特征在于，包括：

通过感知单元获取手部活动信息；即第一感知单元获取第一手部活动信息，第二感知单元获取第二手部活动信息，第三感知单元获取第三手部活动信息，第四感知单元获取第四手部活动信息；

将手部活动信息传送至云服务平台；

训练手势识别模型，并通过手势识别模型分析手部活动信息，推断用户的手势，得到手势识别结果；

云服务平台将手势识别结果推送至用户端，用户端通过开放访问接口控制相应装置。

进一步地，所述第一感知单元为加速度计；所述第二感知单元为陀螺仪；所述第三感知单元为磁力计；所述第四感知单元为肌电传感器。

进一步地，所述通过感知单元获取手部活动信息，具体为：通过加速度计获取手部加速度信息，通过陀螺仪获取手部角速度信息，通过磁力计获取手部活动的磁场强度和方向信息，通过肌电传感器获取手部肌电信号。