The invention discloses a dynamic gesture recognition method based on LeapMotion, which includes the following steps: acquiring three-dimensional position information of key points of dynamic gesture by Leap Motion sensor; judging the starting point and ending point of gesture by calculating the speed of key points of hand at a certain time, combining with threshold method, and taking the gesture data flow between the starting point and the ending point as dynamic. The original data of gesture; the redundant information in gesture data is removed by feature preprocessing and SVD singular value decomposition, and the gesture feature matrix is obtained; the gesture feature matrix is re-coded by Kmeans, and an HMM model is trained for each gesture to realize gesture classification. The method is based on Leap Motion and achieves accurate and efficient segmentation of gesture data by threshold method, reduces dimensionality of original data by SVD, improves the efficiency of HMM training, and achieves accurate and real-time gesture recognition.
【技术实现步骤摘要】
一种基于LeapMotion的动态手势识别方法
本专利技术涉及人工智能及人机交互
,具体涉及一种基于LeapMotion的动态手势识别方法。
技术介绍
随着机器学习和计算机视觉技术的发展,在人机交互领域,与传统的键盘和鼠标相比,动态手势识别技术具有更高的舒适度和效率,得到了广泛的关注和研究。与基于数据手套的动态手势识别技术相比,基于视觉的动态手势识别技术具有交互自然、直观、方便快捷等优点,使得自然、友好的人机交互成为可能。由于动态手势具有多变的形状,且手指间存在严重的重叠,使用单目传感器难以捕捉丰富的动态手势信息,这限制了基于单目传感器的动态手势识别技术的发展。在动态手势识别技术中,对于采集的连续手势数据,如何采用一种准确、高效的方式界定手势的起始点和结束点,关系到手势识别系统的准确率和实时性。对于复杂的动态手势,提取的手势数据在时间维度上具有高维特性,且存在冗余数据,导致训练手势分类器需要花费较长时间。此外,动态手势是不固定时长的一串动作序列,选择的手势分类识别方法需具有很好的时间规整能力,否则会导致手势分类准确率较低。因此,专利技术一种能够准确界定并识别手势的实时动态手势识别方法是目前函待解决的问题。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷,提供一种基于LeapMotion的动态手势识别方法。本专利技术的目的可以通过采取如下技术方案达到:一种基于LeapMotion的动态手势识别方法,所述的动态手势识别方法包括如下步骤:动态手势数据采集,用LeapMotion传感器采集动态手势的手部关键点的三维位置信息;手势分段,通过计算某一时 ...
【技术保护点】
1.一种基于Leap Motion的动态手势识别方法,其特征在于,所述的动态手势识别方法包括如下步骤:动态手势数据采集,用Leap Motion传感器采集动态手势的手部关键点的三维位置信息;手势分段,通过计算某一时刻手部关键点的速率,结合阈值法判断手势的起始点和结束点,并将位于起始点和结束点之间的手势数据流作为动态手势的原始数据;手势特征处理,通过特征预处理和SVD奇异值分解,实现动态手势的原始数据中冗余信息的去除,得到手势特征矩阵;手势识别,利用Kmeans聚类算法对手势特征矩阵进行重编码,并为每一种手势训练一个HMM模型,实现手势分类识别。
【技术特征摘要】
1.一种基于LeapMotion的动态手势识别方法,其特征在于,所述的动态手势识别方法包括如下步骤:动态手势数据采集,用LeapMotion传感器采集动态手势的手部关键点的三维位置信息;手势分段,通过计算某一时刻手部关键点的速率,结合阈值法判断手势的起始点和结束点,并将位于起始点和结束点之间的手势数据流作为动态手势的原始数据;手势特征处理,通过特征预处理和SVD奇异值分解,实现动态手势的原始数据中冗余信息的去除,得到手势特征矩阵;手势识别,利用Kmeans聚类算法对手势特征矩阵进行重编码,并为每一种手势训练一个HMM模型,实现手势分类识别。2.根据权利要求1所述的一种基于LeapMotion的动态手势识别方法,其特征在于,所述的手势分段过程如下:通过计算第i时刻手部关键点j的速率Vij并与预设阈值Aj比较,当第i时刻手部关键点j的速率Vij满足Vij<Aj,1≤j≤n,即可判定该时刻为动态手势的起始点或者结束点,将位于起始点和结束点范围内的手势数据流作为动态手势的原始数据,即手势样本X,每一个手势样本X定义为:其中表示为第j个关键点在i时刻的三维坐标值,n为动态手势的关键点个数,t为该手势样本的时间长度,手势样本X是大小为3n×t的矩阵。3.根据权利要求2所述的一种基于LeapMotion的动态手势识别方法,其特征在于,所述的第i时...
【专利技术属性】
技术研发人员:周智恒,许冰媛,陈曦,
申请(专利权)人:华南理工大学,淮北幻境智能科技有限公司,东莞市易联交互信息科技有限责任公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。