一种基于改进分类算法的云存储手势识别系统及方法技术方案

本发明专利技术涉及云存储和手势识别领域，具体提供了一种基于改进分类算法的云存储手势识别系统及方法。与现有技术相比，本发明专利技术的一种基于改进分类算法的云存储手势识别系统，包括依次连接的数据采集层、特征提取层、手势识别层、手势分类层、存储层、基础管理层、应用接口层以及访问层。利用在手势识别层和手势分类层中所用到的改进KNN分类算法，将KNN分类算法与云存储技术相结合，通过把手势数据存储在云平台上，能够高效完整地存储大量的手势数据，从而能够更加便捷地为用户提供应用和个性化服务，具有良好的推广价值。

A gesture recognition system and method based on improved classification algorithm in cloud storage

【技术实现步骤摘要】
一种基于改进分类算法的云存储手势识别系统及方法
本专利技术涉及云存储和手势识别领域，具体提供一种改进分类算法及云存储手势识别系统。
技术介绍
手势作为最普通、自然、直接的沟通语音之一，被人类广泛所使用。而手势识别作为模式识别的重要分支之一，被人们广泛所研究。目前国内外对于手势分类算法的研究有很多，例如：(1)机器学习分类算法，如：随机森林算法、马尔可夫模型、K-近邻分类器和支持向量机(SupportVectorMachine，SVM)等。(2)深度学习分类算法，如：卷积神经网络模型(ConvolutionalNeuralNetworks，CNN)和循环神经网络模型(RecurrentNeuralNetwork，RNN)。虽然手势分类算法种类较多，但大多数的手势分类算法在识别纷繁复杂的手势上还存在短板，并不都可以达到良好的分类效果。因此，在对于手势分类算法的研究上，手势识别率还有待提高，需要对手势分类算法提出进一步的改进措施。
技术实现思路
本专利技术是针对上述现有技术的不足，提供一种设计合理，安全适用本文档来自技高网...

【技术保护点】
1.一种基于改进分类算法的云存储手势识别系统，其特征在于，包括依次连接的数据采集层、特征提取层、手势识别层、手势分类层、存储层、基础管理层、应用接口层以及访问层；/n所述数据采集层用于采集用户手掌、手指和手关节部位29个骨骼的3D坐标信息，每个骨骼点的坐标信息各采集N遍，形成数据集；/n所述特征提取层用于利用指尖位置追踪特征提取算法提取用户手部29个骨骼点处的位置、角度以及方向信息；/n所述手势识别层用于把形成的数据集按照同等比例分为训练样本集和测试样本集，并将训练集合测试集输入到KNN分类算法中进而对获取的手部特征进行识别和分类；/n所述手势分类层用于利用KNN分类算法对手势进行分类，获取不...

【技术特征摘要】
1.一种基于改进分类算法的云存储手势识别系统，其特征在于，包括依次连接的数据采集层、特征提取层、手势识别层、手势分类层、存储层、基础管理层、应用接口层以及访问层；
所述数据采集层用于采集用户手掌、手指和手关节部位29个骨骼的3D坐标信息，每个骨骼点的坐标信息各采集N遍，形成数据集；
所述特征提取层用于利用指尖位置追踪特征提取算法提取用户手部29个骨骼点处的位置、角度以及方向信息；
所述手势识别层用于把形成的数据集按照同等比例分为训练样本集和测试样本集，并将训练集合测试集输入到KNN分类算法中进而对获取的手部特征进行识别和分类；
所述手势分类层用于利用KNN分类算法对手势进行分类，获取不同的手势1-n；
所述存储层用于利用存储方法，对大量的手势数据实现统一存储和集中管理，便于为用户提供更好的服务；
所述基础管理层用于连接底层存储和上层应用，完成对重复手势数据的删除、手势数据压缩等任务，以更好的性能对外提供服务；
所述应用接口层用于实现对手势数据权限的管理以及用户认证；
所述访问层用于被授权的用户能够在任何地方、任意一台电脑上登录云平台来提取手势数据并进行相关工作。


2.根据权利要求1所述的一种基于改进分类算法的云存储手势识别系统，其特征在于，在手势识别层和手势分类层中所用到的KNN分类算法由以下步骤获取：
S01、计算信息熵：假设存在n个样本和f个特征向量，信息熵计算公式为其中，pij(i＝1,2,...,n，j＝1,2,...,f)表示在第j个特征向量下，第i个样本占总样本的比重；而Ej为该特征指标下的信息熵，Ej与权重成反比。
S02、计算权重：由信息熵公式导出权重计算公式如下，



其中，wj即为第j个特征指标下的权重系数，由1减去信息熵与1减去信息熵的总和做除法运算，同时验证二者间的反比关系。
S03、权重融入KNN公式：所述公式如下所示，






其中，DWEU和DWMA分别表示基于信息熵权重分配的欧式距离和曼哈顿距离，Xi和Yi分别表示X＝(X1,X2....Xn)和Y＝(Y1,Y2....Yn)中第i维的向量。
S04、距离优化：优化公式如下所示，
DWE-KNN＝min(DWEU,DWMA)
其中，min(·)函数是选取DWEU和DWMA二者之中对应每一个向量的较小值，从而获得一组较近的距离矩阵。


3.根据权利要求2所述的一种基于改进分类算法的云存储手势识别系统，其特征在于，在S01中pij的计算公式如下：



其中，cij表示第j个特征向量下的第i个样本，T表示总样本的数量。


4.根据权利要求2所述的一种基于改进分类算法的云存储手势识别系统，其特征在于，在S03中基于KNN的欧式距离和曼哈顿距离的计算公式如下：






其中，i＝1,2,...,n，DEU表示X和Y之间的欧式距离，DMA表示X和Y之间的曼哈顿距离，Xi和Yi分别表示X和Y中第i维的向量。

【专利技术属性】
技术研发人员：李菲菲，高传集，于昊，李凯，赵益鑫，冯建奎，
申请(专利权)人：山东汇贸电子口岸有限公司，
类型：发明
国别省市：山东;37