一种基于智能手表的人体手指动作识别方法技术

本发明专利技术公开了一种基于智能手表的手指细微动作识别方法。该应用与识别方法可以解决在操作智能手表时，因屏幕小及按键单一，使人们使用极不方便，所带来误操作和体验度问题。该应用和识别方法具体包括如下内容：1、对手指动作加速度原始数据进行分割，精确提取手指动作片段算法；2、只提取手指动作加速度信号特征值对手指动作进行精确识别，减少系统运算开支；3、根据识别结果对智能手表进行控制和操作。本发明专利技术通过智能手表内置的加速度传感器采集人体手指细微动作传感器数据，智能手表充分利用手指动作特征数据和良好的数据处理能力，可以通过识别手指细微动作方便地控制和操作智能手表，可以大大简化人机交互过程，增强智能手表的使用价值。

Human finger action recognition method based on Intelligent Watch

The invention discloses a finger fine action recognition method based on an intelligent watch. The application and the identification method can solve the problems of misoperation and experience caused by the inconvenient use of the screen when the intelligent watch is operated, because the screen is small and the button is single. The application and identification methods include the following: 1, the acceleration of the original data, finger movement segmentation, accurate extraction of finger motion segment algorithm; 2, only extract the acceleration signal characteristics of finger movement value accurately identify the finger movements, reduce system operation expenses; 3, according to the result of the identification of smart watches control and operation. The present invention by the acceleration sensor acquisition human smart watches built-in finger motion sensor data, use the data finger movement features and good data processing of smart watches, can easily identify the finger motion control and operation of smart watches, can greatly simplify the process of human-computer interaction, enhance the use value of smart watches.

【技术实现步骤摘要】
一种基于智能手表的人体手指动作识别方法
本专利技术属于通信电子
，具体涉及一种基于智能手表的人体手指细微动作识别方法。
技术介绍
近年来智能可穿戴设备得到了快速的发展，以智能手表和智能手环为代表的各类民用可穿戴设备得到大力普及。然而由于智能手表屏幕很小以及单一的按键，人们在进行信息交互和使用时十分不方便。同时，现有的基于智能手表人体活动识别研究主要集中在下肢简单行为识别上，例如计步功能，智能硬件的能力并没有得到充分发挥，导致用户粘性不足。如果智能手表能够区分不同的手指细微动作，会给智能手表带来巨大的商业价值，丰富智能手表的功能，简化人机交互过程。早期在人体手指细微运动的研究工作主要是利用特殊的传感器和专业设备等，例如肌肉电信号传感器和定制手套，虽然这些定制设备具有很强的能力去检测手指肌肉运动，但需要额外的硬件，增加了成本。同时，介于当前智能手表大多只配备了单枚加速度传感器，研究基于单枚加速度器的人体手指细微动作识别是非常有意义的。为此本专利技术提出了一种基于智能手表的人体手指动作识别方法，通过智能手表内置的加速度传感器采集手指运动数据，在智能手表上识别手指细微动作得出手指识别结果，利用识别结果来对智能手表进行操作和控制。此专利技术在通用的智能手表上，不增加硬件成本，将为智能手表带来更多的智能应用，提高人表交互的便捷性。
技术实现思路
本专利技术提供了一种基于智能手表的人体手指细微动作识别方法，用于解决用户与智能手表交互信息误操作以及依赖特殊设备对手指动作进行识别成本高等问题，利用通用智能手表理解识别人体手指动作，对智能手表进行操作和控制，提供了更加自然的交互方式，赋予智能手表新的应用契机。为了精确识别理解人体手指动作和对智能手表进行正确操作，本专利技术利用通用的智能手表的内置加速度传感器和运算能力对数据进行采集和处理，同时设计了一套人体手指动作识别方法，来实现人体手指动作的精确识别，并对智能手表进行操作和控制，主要包含以下几个特征：(1)精确提取手指动作片段算法。在智能手表采集人体手指细微动作过程中，通过数据预处理算法过滤原始采集数据的噪声，得到有效的手指动作产生的加速度信号数据。同时，采用数据序列分割提取动作片段算法，对手指动作产生的连续加速度信号数据序列进行分割，得到若干长度相等的数据片段，利用加速度和均值阈值过滤提取包含完整手指动作的数据片段，实现手指动作片段提取的自动化，主动让机器对动作进行认知。(2)手指动作加速度特征值选取方法。智能手表提取到的手指动作片段仍然具有采集时的原始数据形态，要经过特征值提取获得该动作窗口内的加速度数据特征值。选取特征值算法。用于从手指运动全部加速度数据特征值中选取具有一部分优秀数据表征能力的特征值，降低系统开销。(3)根据识别手指动作对智能手表进行控制和操作方案。在该方案中，通过大量手指动作样本训练集结合分类算法构建手指动作识别分类模型，并将该分类模型保存在智能手表应用当中。同时，将选取的数据特征值作为手指动作识别分类模型的输入，使智能手表正确理解识别不同的手指动作，得出识别结果。智能手表响应识别结果对智能手表进行相应操作和控制，达到人体手指动作控制和使用智能手表的目的。附图说明图1是本专利技术中系统整体流程的示意图图2智能手表采集手指动作示意图图3是本专利技术中动作片段提取流程图图4是本专利技术中选取特征值流程图图5是本专利技术中操作智能手表示意图具体实施方式下面结合附图对本专利技术的具体实施方式进行描述，以便本领域的技术人员更好的理解本专利技术，并使本专利技术的上述目的、特征和优点能够更加明显易懂。需要特别提醒注意的是，在以下描述中，当已知功能和设计的详细描述也许会淡化本专利技术的主要内容时，这些描述在这里将被忽略。在本专利技术中，包含对智能手表加速度传感器采集手指动作信号精确提取手指动作片段算法、手指动作片段加速度特征值选取方法以及根据识别手指动作对智能手表进行控制和操作方案，系统整体流程如图1所示，下面分别进行详细介绍。(1)精确提取手指动作片段算法1)采集连续手指动作原始数据本文的人体手指细微动作数据采集主要是通过佩戴在人体手腕处智能手表中的三维加速度感应器获取人体在运动瞬间产生的加速度值。手指做出不同的细微动作时，会有不同的传感器变化幅度。这些不同的手指连接到手腕上肌腱组织，根据动作的不同，产生不同的加速度反馈至智能手表上。其中，加速度感应器提供了x、y、z三维方向的加速度矢量数据，x、y、z三个方向是固定的，它们与手表屏幕的关系如图2所示。2)数据预处理(降噪和滤波)采集到的数据会不可避免的受到噪声的影响，受到噪声干扰主要有两点：第一，智能手表内置加速度计会受到重力的影响，因此加速度输出包含了重力加速度的分量和运动产生的加速度分量；第二，人体手臂和手部会有不自主的微小抖动以及佩戴手表角度和方向的不同，这些噪声对手指细微动作识别造成了一定的干扰。为了能够进一步获取更加稳定和可用的数据特征，在提取动作片段和特征值之前，需要对采集的原始数据进行一些预处理操作，主要包括降噪、滤波等操作。i.降噪为了测量手指运动实际产生的加速度，必须从加速度计数据中去除重力的贡献。由于重力加速度分量在信号中是低频，可以使用低通滤波器来隔离重力，从原始加速度输出分离出了每个轴上重力加速度信号和运动产生加速度信号，最终得到手指运动产生的运动加速度信号数据。ii.滤波对于运动加速度信号的去噪，我们通过计算各个轴上的运动加速度平方和，如公式Acc_squar＝ax2+ay2+az2，Acc_squar是智能手表三维空间中的加速度向量的模，仅反映加速度大小的变化，过滤了佩戴手表角度和方向的影响，提取了不同手指动作中手腕肌腱反馈的力度；由于采集过程中人体的手臂和手指不自觉的轻微抖动，此时输出的数据仍然掺杂了一定的噪声信号后，毛刺和抖动较多，本专利技术利用移动均值滤波器消除原始数据加速度平方和Acc_squar中的噪声，使运动加速度更加平滑，过滤毛刺和随机信号，得到过滤后的数据为Acc_Filter。3)精确提取单个手指动作片段i.滑动窗口分割由于从加速度传感器采集的连续性原始数据序列，经过预处理之后，仍不能直接地表征人体的行为活动，需要重新变换数据形式，对数据进行分割提取手指细微动作片段。本专利技术采用了滑动窗口分割法来进行动作片段分割，滑动窗口大小为N,覆盖率为Cov,对手指细微动作数据序列进行数据片段分割。ii.提取手指动作数据片段滑动窗口分割的数据片段{D1,D2,D3...Dn}也包含了静止行为或者其他动作干扰片段，因此需要提取到合适的手指动作数据片段Di。本专利技术采用滑动窗口内的加速度方差阈值VT和均值阈值MT作为数据波动的具体衡量标准，当滑动窗口内的所有采样点加速度方差Va和均值Ma满足于Va＞VT∩Ma＞MT时，分割出满足条件的细微手指动作片段Di。精确提取手指动作片段流程如图3所示。(2)手指动作片段加速度特征值选取方法1)特征提取经过处理的传感数据仍然具有采集时的数据形态，需要经过特征值提取获得该动作窗口内的行为特征，从而通过分类模型准确的判断行为类别。通过3维加速度数据(X轴，Y轴，Z轴)、Acc_Filter数据共4个维度分别提取出均值、方差、标准差、偏度、峰度、均方根、最大值、峰谷值间距等8个时域特征，共32个本文档来自技高网...

【技术保护点】
一种基于智能手表的人体手指动作识别方法，其特征在于，基于智能手表内置的加速度传感器采集人体手指细微动作数据，利用精确提取手指细微动作片段和动作特征值，通过识别手指细微动作达到控制和操作智能手表的效果；所述精确提取手指动作片段算法，用于智能手表对数据进行分割获取手指动作的起始点和终止点，提取手指细微动作片段；所述手指动作加速度信号特征值选取方法，用于只获取手指动作产生的加速度信号行为特征值，降低智能手表系统开销，作为分类模型输入构建分类器识别手指细微动作；所述根据识别结果对智能手表进行控制和操作方案，用于智能手表根据手指细微动作识别结果对智能手机进行控制和操作，简化人机交互过程。

【技术特征摘要】
1.一种基于智能手表的人体手指动作识别方法，其特征在于，基于智能手表内置的加速度传感器采集人体手指细微动作数据，利用精确提取手指细微动作片段和动作特征值，通过识别手指细微动作达到控制和操作智能手表的效果；所述精确提取手指动作片段算法，用于智能手表对数据进行分割获取手指动作的起始点和终止点，提取手指细微动作片段；所述手指动作加速度信号特征值选取方法，用于只获取手指动作产生的加速度信号行为特征值，降低智能手表系统开销，作为分类模型输入构建分类器识别手指细微动作；所述根据识别结果对智能手表进行控制和操作方案，用于智能手表根据手指细微动作识别结果对智能手机进行控制和操作，简化人机交互过程。2.如权利要求1所述的基于智能手表的人体手指动作识别方法，其特征在于，所述的精确提取手指动作片段算法，还包括数据预处理算法，数据序列分割提取动作片段算法，用于对智能手表采集的手指动作原始加速度信号进行预处理得到有效数据，通过数据序列分割算法获取手指动作的起始点和终止点，进而提取得到手指动作片段。3.如权利要求1和权利要求2所述的基于智能手表的人体手指动作识别方法，其特征在于，所述的数据序列分割提取动作片段算法，还包括滑动窗口分割方法、利用阈值获取手指动作片段算法，用于对运动加速度进行切割，获取手指动作的起...

【专利技术属性】
技术研发人员：王佳昊，钱立权，谢樱姿，唐诗超，卫玄龙，臧雅萱，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川,51