本发明专利技术提供了一种非接触式可穿戴智能戒指系统及其手势识别方法，主要步骤为：步骤1：由JY-901九轴感测组件设备去完成数据的采集与预处理，并通过蓝牙模块传输到终端设备。步骤2：终端设备通过获取采集的原始数据提取模态特征。步骤3：对用户所作出的每一个有效的手势指令通过模式匹配的方式得到最终的交互命令。步骤4：交互命令可以通过用户定义、自学习等方式实现，从而可完成对各个终端设备方便快捷的操控。对信号进行处理，能够很准确的识别到用户所发出的手势指令，识别率可以达到95％以上，并且响应时间相当短。因此，在灵敏性和准确性方面有较好的保证。
【技术实现步骤摘要】
本专利技术属于模式识别的应用领域，特别涉及一种非接触式可穿戴智能戒指系统及 其手势识别方法。
技术介绍
目前，全球可穿戴设备市场快速升温"互联网女皇"玛丽米克尔（Mary Meeker)将 2013年定义为可穿戴设备元年，认为可穿戴设备将像20世纪80年代的个人电脑和目前的 移动智能终端那样推动创新。国际ITIT巨头纷纷将可穿戴设备视为未来竟争的制高点，纷 纷涉足可穿戴领域，谷歌先是开发出Google Glass这样的可穿戴硬件，而后推出Android Wear操作系统以健全可穿戴设备开发体系。三星在智能手表方面密集推出新品，抢占市场。 苹果智能手虽未面世仍引起业内广泛关注，英特尔则加大与终端企业的合作力度，推广可 穿戴设备核心处理器。创新型中小企业Jawbone, Fitbit, Recon和Pebble等通过融资快速 成长，选择在运动、健康等产品领域快速切入，还有一些创业企业则通过特定人群的差异化 产品开发取得突破，并且获得较好的市场认可度。可穿戴设备产业正处于发展孕育期，市场 发展前景十分广产品竟争日益激烈，全球各类厂商加速战略布局抢占产业发展制高点。 智能戒指在模拟鼠标、键盘的操作方面，具有用户体验好等特点，能应用于教师的 课堂教学；更能促进赛车、第一人称射击等体感游戏的应用开发；同时，在控制小车、四轴 飞行器等设备，也能达到理想效果；特别是在智能家居的应用中，该智能戒指的实用性带给 用户很大方便。因此，这种非接触式可穿戴人机接口及其空间手势识别方法很适应当前时 代的潮流和大众的需要。目前，智能戒指在手势识别方法方面，存在一点的不足，仅完成上 下左右的手势基本操作辨识。
技术实现思路
本专利技术主要解决的问题是提供一种非接触式可穿戴智能戒指系统及其手势识别 方法，通过采用九轴感测组件获取手势数据信号，采用降维处理和归一化处理得到手势模 态特征数列，利用曼哈顿距离进行匹配，识别方法易于实施，识别精度高，适应新一代人机 交互的需要，有利于提高人们的生活体验。 -种基于非接触式可穿戴智能戒指的手势识别方法，包括以下几个步骤： 步骤1 :利用非接触式可穿戴智能戒指上的九轴感测组件数据采集模块获取戒指 使用者的手势数据信号； 所述手势数据信号包括3轴加速度值、3轴陀螺仪值以及3轴的磁场值； 步骤2 :所述非接触式可穿戴智能戒指通过通信模块将手势数据信号传输到手势 识别终端； 步骤3 :手势识别终端对手势识别数据信号进行预处理； 所述预处理包括降维处理和归一化处理； 所述降维处理是指按照设定的每组采集数据个数，对连续采集的手势识别数据信 号进行分组，每组数据Ms按照设定的筛选范围进行筛选，当数据属于时对应 的数据属于有效数据，其余数据删除，得到剩余有效数据虬； 所述归一化处理是指对剩余有效数据虬按照以下公式进行归一化处理得到归一 化数据列M f: 其中，Count (Mr)表示数组Mr的大小； 步骤4 :对预处理后的信号进行转换，得到模态特征数列Mz; 其中，（2)表示二进制运算； 步骤5 :对已知手势按照步骤1-步骤4所述方法进行模态特征数列提取，构建手 势编码库； 步骤6 :对待识别的手势按照步骤1-步骤4所述方法进行模态特征数列提取，得 到待识别的手势的模态特征数列M' z，从手势编码库中寻找与待识别的手势的模态特征数 列M' z匹配的已知手势编码，将其作为手势识别结果。 所述步骤6中手势识别编码匹配采用曼哈顿距离进行匹配，当匹配误差d小于设 定误差阈值时，选择最小的匹配误差对应的已知手势作为手势识别结果： d= |M' z-Mz(n) I , η = (I,......, Gesture_Num) 其中，Μζ(η)为第η个已知手势的模态特征数列，Gesture_Num表示手势编码库中 存在的手势个数。 所述手势识别终端对手势识别数据信号进行预处理前，对手势识别数据信号采用 卡尔曼滤波进行去噪处理； 其中，步骤3中数据筛选范围为。 对去噪处理后的数据采用四元数方法对九轴感测组件数据采集模块中加速度计 采集的重力向量进行误差消除处理。 按照以下公式计算手势复杂度C : 当待计算复杂度的手势属于中国现代汉语字典的定义的独体字时，采用以下公式 计算： 否则，利用手势编码库中已有的手势复杂度进行计算： C = Cnd* (1+d)，d = min {I Μ' Ζ_ΜΖ (η) I}，η = (1，......, Gesture_Num) 其中，hor和ver分别代表的是该手势在竖直方向和水平方向上方向改变的次数， 即通过将手势在正交分解在直角坐标系下，获得在直角坐标系下竖直和水平方向上的改变 次数； t"表示手势中第m个笔划所经历的时间，依据用户书写速度设定；Cni表示手势中第 m个笔划的复杂度，按照该笔划对应的（hor+ver*l. 2)计算获得，Corner_Point表示手势中 存在的所有拐点个数； Cnd表示手势编码库中与当前待计算手势之间的模态特征数列曼哈顿距离最小的 手势的复杂度； 所述手势编码库中包含了所有书写中国现代汉语字典的定义的独体字的手势。 对于复杂度超过设定复杂度阈值的手势采集N组数据，按照以下公式对手势的模 态特征数列进行更新，得到优化模态特征数列： 其中，Msl和M sj表示对同一手势采集的第i和j个数组。 -种非接触式可穿戴智能戒指系统，包括九轴感测组件数据采集模块、无线通讯 模块、数据预处理及特征库建立模块、终端手势识别模块和电源模块； 其中，所述数据预处理与手势编码库建立模块以及终端手势识别模块采用权利要 求1-6任一项所述的方法实现。 所述九轴感测组件数据采集模块采用基于Stm32的32位MCU的JY-901。 所述无线通讯模块为BK32310系列蓝牙通讯模块。 还包括与无线通讯模块相连的BPI-Dl开源IP摄像头。 所述手势识别终端为智能手机或PC。 有益效果 本专利技术提供了，该方法中的 主要步骤为：步骤1 :由JY-901九轴感测组件设备去完成数据的采集与预处理，并通过蓝牙 模块传输到终端设备。步骤2 :终端设备通过获取采集的原始数据提取模态特征。步骤3 : 对用户所作出的每一个有效的手势指令通过模式匹配的方式得到最终的交互命令。步骤4: 交互命令可以通过用户定义、自学习等方式实现，从而可完成对各个终端设备方便快捷的 操控。对信号进行处理，能够很准确的识别到用户所发出的手势指令，识别率可以达到95% 以上，并且响应时间相当短。因此，在灵敏性和准确性方面有较好的保证。 该系统依托九轴感测组件，对使用者的姿态，手势进行捕捉，这种方式最大程度地 降低了环境的影响，提高了用户的使用体验。 相比其他的手势识别系统，较多的是采用图像识别的方式，这就对周围的光线环 境等有较高的要求。而相对来说本方案，采用的是九轴感测组件，因为是佩戴在手指上面， 所以只要产生运动或姿态变化就能获取到不同的手势信息。因此，本系统就不会受光线等 环境的影响，可以更加方便用户随时随地的使用，且携带方便。【附图说明】 图1为本专利技术系统方案设计示意图； 图2为本专利技术智能戒指系统硬件组成图； 图3为本专利技术数据预处理算法流程； 图4为本专利技术空间手势识别算法流程图； 图5安装与佩戴图示意图； 图本文档来自技高网...
【技术保护点】
一种基于非接触式可穿戴智能戒指的手势识别方法，其特征在于，包括以下几个步骤：步骤1：利用非接触式可穿戴智能戒指上的九轴感测组件数据采集模块获取戒指使用者的手势数据信号；所述手势数据信号包括3轴加速度值、3轴陀螺仪值以及3轴的磁场值；步骤2：所述非接触式可穿戴智能戒指通过通信模块将手势数据信号传输到手势识别终端；步骤3：手势识别终端对手势识别数据信号进行预处理；所述预处理包括降维处理和归一化处理；所述降维处理是指按照设定的每组采集数据个数，对连续采集的手势识别数据信号进行分组，每组数据Ms按照设定的筛选范围[a,b]进行筛选，当数据属于[a,b]时对应的数据属于有效数据，其余数据删除，得到剩余有效数据Mr；所述归一化处理是指对剩余有效数据Mr按照以下公式进行归一化处理得到归一化数据列Mf：Mf=1,Mr≥00,Mr<0r=(1,......,Count(Mr))]]>其中，Count(Mr)表示数组Mr的大小；步骤4：对预处理后的信号进行转换，得到模态特征数列Mz；其中，(2)表示二进制运算；步骤5：对已知手势按照步骤1‑步骤4所述方法进行模态特征数列提取，构建手势编码库；步骤6：对待识别的手势按照步骤1‑步骤4所述方法进行模态特征数列提取，得到待识别的手势的模态特征数列M′z，从手势编码库中寻找与待识别的手势的模态特征数列M′z匹配的已知手势编码，将其作为手势识别结果。...
【技术特征摘要】
【专利技术属性】
技术研发人员：余伶俐，刘丽珏，孙钦波，孙聪珊，籍伟华，聂宇坤，王维洲，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43
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。