一种基于K近邻算法的手势识别系统及方法技术方案

本发明专利技术公开了一种基于K近邻算法的手势识别系统及方法，包括：主控制器模块(1)，以及与所述主控制器模块(1)连接的电容传感器芯片(2)、显示模块(4)、按键(5)、和电源(6)，以及与所述电容传感器芯片(2)连接的金属传感器(3)。本发明专利技术学习给定各个手势的训练数据集并计算均值，对于新的输入实例，计算其与各手势数据集均值的欧氏距离，若该输入实例与某一手势数据集均值的欧式距离最小，即可判决该输入实例为该手势。本发明专利技术的优点在于：使用的传感器片数少，手势自由度大，左右手均可测试，具有稳定性、快速性、准确性。

【技术实现步骤摘要】
一种基于K近邻算法的手势识别系统及方法
本专利技术属于手势识别
，具体涉及一种基于K近邻算法的手势识别系统及方法。
技术介绍
随着智能电子设备的增多，人机交互技术的发展，手势交互技术逐渐成为人们研究的热点。手势交互是利用计算机图形学等技术识别人的肢体语言，并转化为命令来操作设备，手势交互是继鼠标、键盘和触屏之后新的人机交互方式。且随着虚拟现实增强现实(VirtualRealityAugmentedReality，VRAR)的空前火热，手势交互技术在未来几年将有快速的发展。手势交互技术中，手势识别是关键技术。现有技术提出的基于深度信息的手势识别方法中，需要获取视野内目标的深度信息。目前，获取深度信息主要有三种方法，分别是双目(Multi-camera)视觉法、飞行时间法(TimeofFly，TOF)和结构光(StructureLight)法。其中，双目视觉法使用两个镜头的立体视觉来进行场景深度的测量，相机发射主动光波照射三维场景，光波经过三维场景反射后回到深度相机，获得深度信息的精度随着到目标的距离增加而快速地降低，且精度还取决于目标的表面状态，在物体纹理较少的情况下识别精度较低。飞行时间法是利用光波的发射与反射的时间差(相位差)获取三维场景的深度信息，存在分辨率较低、边缘不准确等问题。结构光法的基本原理是，将一幅或多幅编码图案投影到目标场景中，通过计算摄像机设备接收到的编码结构光信息的形变或者位移相对变化，反推出照射物体的空间坐标。虽然结构光法是一种有效的测量方法，但由于需要对投影进行编解码，不仅整体方案复杂，并且算法的复杂度高、运算量大，深度信息生成速度较慢，无法真正实现实时获取。同时，采用这些方法的深度相机由于复杂的光学和电子器件，往往很难小型化，并且价格昂贵，难以被普通消费者接受。中国专利技术专利公开号CN105893925A提供一种基于肤色的人手检测方法。将获取到的待检测图像从RGB颜色空间转换到HSV颜色空间以获取HSV图像，并将所述待检测图像从RGB颜色空间转换到r-g颜色空间以获取r-g图像；将所述HSV图像转化为第一二值图像，将所述r-g图像转化为第二二值图像；对所述第一二值图像和所述第二二值图像进行按位与运算从而获得综合二值图像；对所述综合二值图像进行滤波以获取优化后的二值图像；分析所述优化后的二值图像中最大的连通区域，将所述最大的连通区域作为皮肤区域；使用预先训练的K近邻分类器判断所述最大的连通区域是否为手形，从而实现人手的识别。上述专利的检测速度快，有效解决了手势识别中人手的误检测。然而，上述专利将K近邻分类器用于人手形状的识别，目前仍然没有将K近邻算法用于手势识别的技术方案。
技术实现思路
为了解决上述问题，本专利技术基于机器学习的思想，先做训练，训练好后再进行手势识别判断。根据本专利技术的一个方面，提供了一种基于K近邻算法的手势识别系统，包括：主控制器模块(1)，以及与所述主控制器模块(1)连接的电容传感器芯片(2)、显示模块(4)、按键(5)、和电源(6)，以及与所述电容传感器芯片(2)连接的金属传感器(3)。优选的，所述主控制器模块(1)采用STM32f405单片机。优选的，所述传感器芯片(2)采用FDC2214传感器芯片。优选的，所述电容传感器(3)采用三块铜箔传感器。优选的，所述显示模块(4)采用LCD液晶屏；按键(5)用于输入调整参数；电源(6)用于给整个系统供电。根据本专利技术的另一个方面，一种使用上述系统的基于K近邻算法的手势识别方法，包括：训练步骤，对任意人员进行手势训练；判决步骤，对不同手势进行判决。优选的，所述手势训练包括：电容传感器芯片(2)利用金属传感器(3)采集到手势数据，并发送给主控制器模块(1)；主控制器模块(1)对所述手势数据进行IIR滤波后做均值处理，将得到的值保存在一个寄存器中作为手势判决的基准值；把该手势数据更新到相应寄存器值，作为每个手势的特征值。优选的，所述判决步骤采用K近邻算法和抽样判决法对当前测试手势进行判决。优选的，所述判决步骤包括：对于新的输入实例，计算其与各手势数据集均值的欧氏距离，若该输入实例与某一手势的数据集均值的欧式距离最小，则手势即为当前判决的手势。优选的，在显示模块(4)上显示所述判决结果。本专利技术的优点在于：该系统使用的传感器片数少，手势自由度大，左右手均可测试，具有稳定性、快速性、准确性。附图说明通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：图1为本专利技术的一种基于K近邻算法的手势识别系统结构图。图2为本专利技术的FDC2214传感器芯片电路原理图。图3为本专利技术的金属传感器采用三块铜箔传感器的形状及布局示意图。图4为本专利技术的一个优选的FDC2214传感器芯片电路设计图。图5为本专利技术的STM32程序设计流程图。图6为利用“K近邻”算法判决新的输入实例X的示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要强调的是：本专利技术的手势识别系统是基于机器学习的思想，先做训练，训练好后再进行识别判断，因此，系统不仅仅可以识别下面的实施例中所列的手势，也可以识别其他的手势类型。具体的，如图1所示，本专利技术提供了一种基于K近邻算法的手势识别系统，包括：主控制器模块(1)，以及与所述主控制器模块(1)连接的电容传感器芯片(2)、显示模块(4)、按键(5)、和电源(6)，以及与所述电容传感器芯片(2)连接的金属传感器(3)。其中，所述主控制器模块(1)可以采用STM32f405单片机或者其他型号单片机；所述传感器芯片(2)可以采用FDC2214传感器芯片或者其他型号的传感器芯片；所述金属传感器(3)可以采用三块铜箔传感器或者其他金属材质的传感器；所述显示模块(4)可以采用LCD液晶屏或者其他显示装置；按键(5)用于输入调整参数；电源(6)用于给整个系统供电。本专利技术采用一片FDC2214电容传感器芯片及三块铜箔作为传感器，用STM32F4单片机作为控制核心进行手势识别，主要根据传感器电容值变化的不同来判决不同的手势。该系统具有训练和判决两种工作模式：在训练模式下能对任意人员进行猜拳游戏和划拳游戏的手势训练；经过训练，在判决模式下实验装置能对被训练人员进行猜拳和划拳游戏不同手势的判决。系统软件采用IIR滤波和均值滤波算法对传感器采集到的各手势数据进行处理，然后采用k近邻算法和抽样判决法对当前测试手势进行判决，并在LCD液晶屏上显示判决结果。该系统使用的传感器片数少，手势自由度大，左右手均可测试，具有稳定性、快速性、准确性。实施例1本实施例介绍本专利技术的基于K近邻算法的嵌入式智能手势识别系统的硬件设备情况。基于TI公司传感芯片FDC2214设计制作一个手势识别装置，实现对猜拳和划拳的判决。装置具有训练和判决两种工作模式。在判决模式下实验装置能对指定人员进本文档来自技高网...

【技术保护点】
1.一种基于K近邻算法的手势识别系统，其特征在于，包括：主控制器模块(1)，以及与所述主控制器模块(1)连接的电容传感器芯片(2)、显示模块(4)、按键(5)、和电源(6)，以及与所述电容传感器芯片(2)连接的金属传感器(3)。

【技术特征摘要】
1.一种基于K近邻算法的手势识别系统，其特征在于，包括：主控制器模块(1)，以及与所述主控制器模块(1)连接的电容传感器芯片(2)、显示模块(4)、按键(5)、和电源(6)，以及与所述电容传感器芯片(2)连接的金属传感器(3)。2.根据权利要求1所述的系统，其特征在于，所述主控制器模块(1)采用STM32f405单片机。3.根据权利要求1所述的系统，其特征在于，所述电容传感器芯片(2)采用FDC2214传感器芯片。4.根据权利要求1所述的系统，其特征在于，所述金属传感器(3)采用三块铜箔传感器。5.根据权利要求1所述的系统，其特征在于，所述显示模块(4)采用LCD液晶屏；按键(5)用于输入调整参数；电源(6)用于给整个系统供电。6.一种使用权利要求1-5任意一项系统的基于K近邻算法的手势识别方法，其特征在于，包括：训练步骤，...

【专利技术属性】
技术研发人员：陈蓉，陶砚蕴，高天晴，王子悦，蔡兴强，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32