[发明专利]一种基于Leap Motion的优势点检测识别方法

摘要

一种基于Leap Motion的优势点检测识别方法属于计算机系统的人机交互领域。首先，本方法获取手势顶点，建立手势库以验证改进的非参数控制优势点检测算法。然后，给出在首点和尾点之间的所有点，并连接首点和尾点，组成线段。找到在给出的点中找到离这条线段最远的点，判断这个点是否大于ε，如果成立则保留该点，反之舍去。重复此法，并最终得到优化后的折线。其中参数ε由改进的非参数控制优势点检测算法自适应得出来。将该算法应用在Leap Motion体感控制器上，可以扩展更多手势。该发明对手势识别有很好的自适应性、精确性，可以更加精确的对手势进行识别，在人机交互的应用中有广泛的用途。

主权项

1.一种基于Leap Motion的优势点检测识别方法，其特征在于包括以下步骤:1)获取顶点通过Leap Motion体感控制器获取每一帧的手部图像，选取每一帧中的手指尖端的平均位置作为手势顶点；2)顶点处理首先对动态手势进行顶点处理过程，去除前2个手势顶点后，剩余的顶点被记作{P1,P2,…Pk}；3)参数计算连接P1Pk得到第一线段，计算距离s＝|P1Pk|，以及斜率m，并计算ε；具体如下：x'＝round(x)；y'＝round(y)         (1)x，y分别为顶点的横坐标和纵坐标，(1)式中对其取整，使用取整后的顶点P′(x′，y′)近似真实顶点P(x，y)；x’,y’∈Z                     (2)Z为整形实数；x'＝x+Δx；y'＝y+Δy            (3)‑0.5≤Δx≤0.5,‑0.5≤Δy≤0.5        (4)Δxk,Δyk分别为顶点Pk的横坐标和纵坐标的偏移量；定义P1P2的斜率为m，P1′P2′的斜率为m′；使用由原始点计算出的正弦值与由近似点计算出来的正弦值两者的角差来估计误差：将(6)式代入(7)中得到：假设s和t如下：代入(8)得：由公式(4)可知，Δx+Δy的最大值为1；由公式(9)可知，|(x₂‑x₁)/s|与|(y₂‑y₁)/s|都小于等于1，s总大于所以由此得出当|Δx₂‑Δx₁|＝|Δy₂‑Δy₁|＝1时有最大值，因此通过公式(5)求出t的最大值：由此求出最大值因为tmax≤1，公式(14)写成：代表增长率的上限为在RDP算法的每一次迭代的过程中，求得4).参数处理每一次迭代过程中加入参数值的取舍环节，如果后一个参数ε小于前一个参数ε的三分之一则将其舍去；5).计算顶点的最大距离由P1Pk得出第一线段并计算出ε之后，分别计算P1到Pk之间所有顶点到第一线段的距离，并找到距离第一线段最远的顶点Pmax，其最大距离为dmax；如果dmax≤ε，则Pmax舍去，反之则保留Pmax，并连接P1Pmax得到第一线段(1,max)，连接PmaxPk得到第一线段(max,k)；重复步骤3)‑5)直到将所有顶点{P1,P2,…Pk}处理完成，完成所有顶点的检测。