一种新的手势识别方法技术

技术编号:21398182 阅读:37 留言:0更新日期:2019-06-19 06:47
本发明专利技术提出一种新的手势识别方法,包括S1活动段提取,根据信号强弱幅度找出活动段,将手势动作粗分成小幅度和大幅度两类;S2特征提取,提取加速度和肌电特征;S3分类识别操作,根据提取的特征,将肌电特征和加速度特征融合在同一维度下,使用模板匹配实现分类。

【技术实现步骤摘要】
一种新的手势识别方法
本专利技术涉及人机交互领域,具体涉及一种新的手势识别方法。
技术介绍
为了帮助残疾人/老年人保持与外界的交流、沟通,提高他们的独立生活能力,减轻家庭、社会的负担,世界各地许多科学家们开始探索研究新型的人机交互方式。所谓交互技术包括人与执行机构(如机器人等)的交互和执行机构与环境的交互。前者的意义在于可由人去实现执行机构在未知或非确定环境中难以做到的规划和决策;而后者的意义在于可由机器人去完成人所不能达到的恶劣环境或远距离环境中的作业任务。传统的人机交互设备主要有键盘、鼠标、手写板、触摸屏、游戏控制器等,这些设备利用使用者的手部运动来实现人机交互的功能。手势交互支持更多更自然的交互方式,提供了以人为中心而不是以设备为中心的交互技术,从而使用户将注意力集中在本来该做的事情以及内容上而不是集中在设备上。常见的手势交互技术分为基于数据手套传感器的手势交互技术和基于计算机视觉的手势交互技术两种。基于计算机视觉的手势交互技术通过机器视觉对摄像头采集到的手势图像序列处理识别,从而和计算机进行交互,这种方法使用摄像头采集手势信息,然后利用肤色模型对人手部分进行分割,从而实现手势本文档来自技高网...

【技术保护点】
1.一种新的手势识别方法,其特征在于,包括S1活动段提取、S2特征提取、S3分类识别操作,其中:S1活动段提取,根据信号强弱幅度找出活动段,并且根据活动段的长度剔除用户无意中执行的轻微动作以及长时间持续执行的动作,将手势动作粗分成小幅度和大幅度两类;S2特征提取,对于小幅度动作,只提取肌电特征,对于大幅度动作,同时提取加速度和肌电特征;S3分类识别操作,根据提取的特征,将肌电特征和加速度特征融合在同一维度下,使用模板匹配实现分类。

【技术特征摘要】
1.一种新的手势识别方法,其特征在于,包括S1活动段提取、S2特征提取、S3分类识别操作,其中:S1活动段提取,根据信号强弱幅度找出活动段,并且根据活动段的长度剔除用户无意中执行的轻微动作以及长时间持续执行的动作,将...

【专利技术属性】
技术研发人员:覃争鸣钟鸿飞李康
申请(专利权)人:广州映博智能科技有限公司
类型:发明
国别省市:广东,44

网友询问留言 已有0条评论
  • 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。

1