【技术实现步骤摘要】
多种手势对应同一交互命令的柔性映射交互算法
本专利技术涉及手势识别
,具体是指一种多种手势对应同一交互命令的柔性映射交互算法。
技术介绍
随着人机交互领域近几年的快速发展,手势交互已经成为人机交互领域的一个研究热点。手势是人与人之间非语言交流的最重要方式[1],手势交互是继鼠标、键盘和触摸屏之后一种新型的非接触式的人机交互[2],以其直观、自然、人机和谐的方式在各个领域取得了广泛应用,如:基于手势交互的车辆控制[3]、基于手势交互的智能电视控制[4]和基于手势交互的3D模型控制等[5],有力的推动了人机交互的友好发展。与此同时,我们注意到在手势与交互界面进行交互过程中往往遇到两个问题,一是,手势识别错误导致交互界面变化错误;二是,手势不识别。本专利技术主要从如何解决上述两个问题并评价该解决方案展开的。随着交互技术的发展,传统的接触式交互设备如:键盘、鼠标和游戏手柄等已经不能满足目前人机交互的需求。新的交互设备如:Kinect[6][7]、LeapMotion[5]和数据手套[8]等的出现使得基于手势的交互取得了长足的发展。目前,基于手势的交互主要涉及三种技术:手势跟踪、手势分割、和手势识别。对于手势跟踪,目前有如下方法:基于Kinect的手势跟踪方法[6],基于Camshift的手势跟踪方法[9]和基于深度学习的手势跟踪方法[10];对于手势分割,目前有如下方法:结合RGB-D颜色空间的最大期望手势分割方法[11],基于神经网络的手势分割方法[12]和结合肤色空间的模糊分类手势分割方法[13];对于手势识别,目前有如下方法:基于手部分区的手势识别方法 ...
【技术保护点】
1.一种多种手势对应同一交互命令的柔性映射交互算法,其特征在于,包括以下步骤,a.设计智能教学交互界面的交互命令并选择交互手势,具体步骤如下,a‑1.根据功能需求设计交互界面;a‑2.根据交互界面要完成的功能设计k1个交互命令,k1为自然数;a‑3.自然交互手势的选择,按照以下方式进行,a‑3‑1.设计交互过程中常用的k2种交互手势的手势集合,k2为自然数且k2≥k1;a‑3‑2.采用调查问卷的方式确定k2种交互手势中的k3个交互手势可自然的表达相对应的k1交互命令,且使用该手势表达该语义符合人类的认知行为习惯,所述的k3个交互手势中至少有一组包含两个交互手势可自然的表达对应的同一个交互命令;b.确定对应同一交互命令的多种手势b‑1.根据交互手势的显著特征将k3个交互手势分为n1类,其中撤销手势不包含在带分类的手势中;b‑2.针对这三类手势的特征采用不同的衡量标准进行归类,对于双手轨迹手势和单手轨迹手势选取掌心作为轨迹跟踪点,对于动态手势选取指尖作为轨迹跟踪点,对于带有抓住状态的手势考察其抓住状态和抓住状态外的手势轨迹信息;b‑3.判断对应同一交互命令的交互手势是否可以归为一类,对于含 ...
【技术特征摘要】
1.一种多种手势对应同一交互命令的柔性映射交互算法,其特征在于,包括以下步骤,a.设计智能教学交互界面的交互命令并选择交互手势,具体步骤如下,a-1.根据功能需求设计交互界面;a-2.根据交互界面要完成的功能设计k1个交互命令,k1为自然数;a-3.自然交互手势的选择,按照以下方式进行,a-3-1.设计交互过程中常用的k2种交互手势的手势集合,k2为自然数且k2≥k1;a-3-2.采用调查问卷的方式确定k2种交互手势中的k3个交互手势可自然的表达相对应的k1交互命令,且使用该手势表达该语义符合人类的认知行为习惯,所述的k3个交互手势中至少有一组包含两个交互手势可自然的表达对应的同一个交互命令;b.确定对应同一交互命令的多种手势b-1.根据交互手势的显著特征将k3个交互手势分为n1类,其中撤销手势不包含在带分类的手势中;b-2.针对这三类手势的特征采用不同的衡量标准进行归类,对于双手轨迹手势和单手轨迹手势选取掌心作为轨迹跟踪点,对于动态手势选取指尖作为轨迹跟踪点,对于带有抓住状态的手势考察其抓住状态和抓住状态外的手势轨迹信息;b-3.判断对应同一交互命令的交互手势是否可以归为一类,对于含有一个轨迹跟踪点的交互手势选择费雷歇距离判断手势轨迹是否相似,是否可以归为一类;对于含有多个轨迹跟踪点的交互手势采用多个轨迹跟踪点与开始状态下多个跟踪点的中心点的运动趋势判断多个轨迹手势是否可以归为一类;b-3-1.弗雷歇距离的计算方法如下,设A和B是S上的两条连续曲线,即A:[0,1]→S,B:[0,1]→S;又设α和β是单位区间的两个重参数化函数,即α:[0,1]→[0,1],β:[0,1]→[0,1];则曲线A与曲线B的弗雷歇距离F(A,B)定义为:其中d是S上的度量函数;在F(A,B)的计算公式中,先固定最外层的α和β,也就是对每一个选定的α与β组合计算公式(2),上式中d,A,α,B,β均视为被固定住的已知函数,只将t当作变量;此时,由于变量t将在单位区间[0,1]内遍历所有的连续值(无穷多个),为了便于直观理解,将该区间做离散化处理,即在该区间采样若干点来做分析,然后通过逐渐增加采样点的个数来提高精度,最后通过求极限的思想来理解两天曲线的弗雷歇距离,Fα,β(A,B)的离散化计算公式为,因此,F(A,B)的离散化计算公式为,由于采集的手势轨迹点的信息是离散的,因此计算两个手势轨迹的离散型弗雷歇距离作为两个轨迹手势之间相似度的指标,具体步骤如下:首先,为解决轨迹手势的大小不一问题,选取设定尺寸a1×b1作为轨迹手势的标准大小,将轨迹手势的轨迹点信息根据公式5进行标准化处理;(x,y)为轨迹手势轨迹点信息映射到标准区域后的位置信息;(xt,yt)为采集的轨迹手势轨迹点位置信息;gesturewidth和gestureheight为该轨迹手势的宽度和高度;此时,我们得到了标准手势大小下的轨迹手势的轨迹点的位置信息,计算弗雷歇距离的算法可以计算轨迹手势的轨迹点个数不同的轨迹手势的弗雷歇距离,最终通过计算轨迹手势的轨迹曲线的弗雷歇距离并根据计算得到的结果判断两个交互手势是否可以归为一类,判断方法如下,设定弗雷歇距离的阈值,如果两个交互手势计算得到的弗雷歇距离小于该阈值则该两种手势可以归为一类,反之,如果两个交互手势计算得到的弗雷歇距离大于该阈值,则该两种交互手势不能归为一类,b-3-2.判断含有多个轨迹跟踪点的手势是否可以归为一类的方法,如下,采用多个轨迹跟踪点与开始状态下多个跟踪点的中心点的运动趋势判断多个轨迹手势是否可以归为一类,轨迹跟踪点与中心点的运动趋势为三种,分别为相互靠近、相互远离和相互静止,具体计算多个跟踪点的手势运动趋势步骤如下,首先,通过公式6计算得到开始状态下多个轨迹跟踪点的中心点,(Cx,Cy)为计算得到的开始状态下多个轨迹追踪点的中心点位置信息;(xi,yi)为开始状态下的轨迹追踪点位置信息;n为轨迹跟踪点的个数,然后,通过公式(7)计算其各...
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。