本发明专利技术涉及一种基于Leap Motion的非接触式计算机操控方法，包括以下步骤：S1：Leap Motion通过红外LED和灰阶camera的方式采集数据，通过算法处理后生成相应的手部数据；S2：通过处理Leap Motion采集到的手部数据，以不同的判定标准和识别方法得到两类不同的手势，自然手势和轨迹手势；S3：匹配计算机操作；S4：执行计算机操作。其优点表现在：通过检测人体动作来进行信息输入，整个操控过程变得更为自由；用户能自由的在多种环境下使用，用户只需要做出一个简单的手势动作即可实现对计算机的操控；第一次将体感技术应用在对计算机设备系统级的操控上，弥补了Kinect延迟较高和无法很好的进行近距离精确识别等缺点。
【技术实现步骤摘要】
本专利技术涉及人机交互
，具体地说，是一种基于Leap Mot1n的非接触式计算机操控方法。
技术介绍
传统上来说，常规的计算机操控方法是通过操控具体的交互设备如键盘、鼠标或者手写笔来进行相应的操作。优点是简单易上手，能完成精确的输入，但特别依赖于相应的交互设备，缺少便携性和直观的使用反馈。随着技术的发展，近几年新出现并得到广泛应用的计算机操控方法，如触摸操控，将设备集成到计算机中，便携性得到很大的提升，但是仍需要通过直接接触来进行操控。随着体感技术的发展和成熟，将体感技术应用于计算机输入领域已得以实现，为人类提供了更加舒适和自然的计算机输入方式。Kinect和Leap Mot1n是目前体感输入领域的两个主流品牌，在操作者无需手持任何感应道具的前提下，通过摄像头和传感器捕捉、识别操作者的动作。但Kinect精度低，而LeapMot1n可弥补Kinect的精度问题，它是一个检测手势运动的传感器，动作跟踪精度精确到0.01mm，精确度是Kinect的100倍，然而，目前的体感技术主要应用于游戏领域，可感应和识别游戏者的实际动作，以控制游戏中角色的相应动作，可以为游戏者带来较好的游戏体验。中国专利文献CN201410188979.X，申请日2014年05月06日，为“手势识别方法及装置，以及一种Leap Mot1n体感控制系统”，公开了一种手势识别方法及装置，以及一种Leap Mot1n体感控制系统，可以构建适用于Leap Mot1n的三维模型操作手势库，以及相应的手势识别方法，并提高手势识别的准确率，保证三维操作中模型变换的连贯性和稳定性。中国专利文献CN201410306480.4，申请日2014年06月30日，为“基于Leap Mot1n控制的三维笔刷实时生成网格模型的方法”，公开了一种基于Leap Mot1n控制的三维笔刷实时生成网格模型的方法，可以通过Leap Mot1n捕获的手部位置和三维笔刷的几何参数捕捉笔刷移动过程中的体数据，并将动态体数据进行网格模型可视化。但是基于Leap Mot1n的非接触式计算机操控方法目前还未见报道。
技术实现思路
本专利技术的目的是针对现有技术中的不足，提供一种基于Leap Mot1n的非接触式计算机操控方法，通过Leap Mot1n检测人体动作来识别用户意图，完成对计算机的操控。为实现上述目的，本专利技术采取的技术方案是:—种基于Leap Mot1n的非接触式计算机操控方法，包括以下步骤:S1:LeapMot1n通过红外LED和灰阶camera的方式采集数据，通过算法处理后生成相应的手部数据；S2:通过处理Leap Mot1n采集到的手部数据，以不同的判定标准和识别方法得到两类不同的手势，自然手势和轨迹手势；S3:匹配计算机操作；S4:执行计算机操作。所述步骤SI中的手部数据包括三维空间坐标、手部向量和骨骼模型。所述步骤S2包括S21:自然手势识别方法；S22:轨迹手势识别方法。所述步骤S21包括:S211:定时提取关键帧数据；S212:判断坐标相对位置和方向向量；S213:匹配自然手势；S214:是否匹配到预设的自然手势。所述步骤S214匹配预设的自然手势，执行步骤S3的操作，所述步骤214不匹配预设的自然手势，执行步骤S211的操作。所述步骤S22包括:S221:缓存多帧数据；S222:获取某段时间内轨迹特征；S223:匹配轨迹手势；S224:是否匹配到预设的轨迹手势。所述步骤S224匹配预设的轨迹手势，执行步骤S3的操作，所述步骤224不匹配预设的轨迹手势，执行步骤S221的操作。所述步骤S222将步骤S221中的多帧数据坐标点集的拟合结果提取到特征值，且对数据的拟合处理采用最小二分法拟合。本专利技术优点在于:1、本专利技术的一种基于Leap Mot1n的非接触式计算机操控方法，采用Leap Mot1n控制器(Leap Mot1n Controller)作为传感器，通过检测人体动作来识别用户意图，完成对计算机的操控。相比传统方法:使用的媒介从具体的接触式发展到抽象的非接触式，不需要直接接触设备，通过检测人体动作来进行信息输入，整个操控过程变得更为自由；2、Leap Mot1n拥有高精度、高刷新率等优点，满足对精度和刷新率有要求的操作，体积小，成本低，能很好的集成到计算机中；3、用户能自由的在多种环境下使用，用户只需要做出一个简单的手势动作即可实现对计算机的操控；4、第一次将体感技术应用在对计算机设备系统级的操控上，弥补了 Kinect延迟较高和无法很好的进行近距离精确识别等缺点；5、全平台支持且能很好的与现有应用兼容；6、基于三维空间的操控方式使用户能不被束缚在有限的二维空间上；可操控的空间变大，与人类所处的操控环境是一致的，是虚拟世界的现实增强。【附图说明】附图1为本专利技术的一种基于Leap Mot1n的非接触式计算机操控方法的流程图。附图2为Leap Mot1n采集的原始数据和处理后的骨骼模型图。附图3为自然手势“0K”的识别方法和判定标准图。附图4为拟合前后的数据对比图。附图5为计算机操控软件手势识别图。【具体实施方式】下面结合附图对本专利技术提供的【具体实施方式】作详细说明。实施例1请参照图1，图1本专利技术的一种基于Leap Mot1n的非接触式计算机操控方法的流程图。一种基于Leap Mot1n的非接触式计算机操控方法，所述的非接触式计算机操控方法包括以下步骤:SI:Leap Mot1n通过红外LED和灰阶camera的方式采集数据，通过算法处理后生成相应的手部数据；其中手部数据包括三维空间坐标、手部向量和骨骼模型。如图2所示，图2为Leap Mot1n采集的原始数据和处理后的骨骼模型图。S2:通过处理Leap Mot1n采集到的手部数据，以不同的判定标准和识别方法得到两类不同的手势，自然手势和轨迹手势；S3:匹配当前第1页1 2 本文档来自技高网...
【技术保护点】
一种基于Leap Motion的非接触式计算机操控方法，其特征在于，包括以下步骤：S1：Leap Motion通过红外LED和灰阶camera的方式采集数据，通过算法处理后生成相应的手部数据；S2：通过处理Leap Motion采集到的手部数据，以不同的判定标准和识别方法得到两类不同的手势，自然手势和轨迹手势；S3：匹配计算机操作；S4：执行计算机操作。
【技术特征摘要】
【专利技术属性】
技术研发人员：张云，苏培涛，于瑷玮，何尔博，盛晓丽，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：上海;31
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。