【技术实现步骤摘要】
一种基于云端通讯和支持向量机的交警手势识别方法
本专利技术涉及云端通讯和手势识别领域，特别涉及一种基于云端通讯和支持向量机的交警手势识别方法。
技术介绍
随着时代与经济的发展，城市拥堵已经成了不可忽视的全球问题。交警利用手势灵活协调引导交通的方式，可以舒缓城市高峰拥堵和减少事故发生，从而显著提高道路的通行效率和安全性。驾驶者的专注度不稳定、人眼视距上的局限性、恶劣天气条件等客观因素，在一定程度上限制了交警手势发挥它应有的最大工作效能。基于计算机视觉的交警手势识别方法是一种较为常见的智能识别方法，该方法利用安置于车辆前端的前置摄像头采集视频和图像，经计算机视觉算法识别得出交警手势。然而，即使是造价昂贵的高精度摄像机也会存在视觉盲区，而且在面临大雾、雷雨等恶劣天气时，识别系统的鲁棒性较差，识别精度会大幅降低，不能满足真实路况的驾驶要求。由此可见，为进一步提高汽车的智能化水平，能否有效识别交警手势是一个值得迫切关注的问题。近年来，多传感器采集的可穿戴智能交互设备技术日益成熟，在体能康健、高危工作机器人等领域有着广泛的应用。...
【技术保护点】
1.一种基于云端通讯和支持向量机的交警手势识别方法，具体步骤如下，其特征在于；/nStep1：采集交警手势数据；/n根据实际情况，将交警指挥手势分为相应典型情况，设定每名交警穿着有特质的可穿戴智能交互上衣，交互设备有内置关节点位置传感器，可用来采集交警的关键关节点实时位置，采用的是可穿戴智能交互上衣的全局坐标系，选取人体腰部中间为坐标系原点，大地垂直法线为z轴方向，垂直人体胸腔平面为x轴方向，垂直于xz轴平面为y轴方向；/n针对不同典型的交警指挥手势，数据的差异性较大为人体左右手臂及手部的8个关节点位置信息，样本集可表示为∏＝(X,Y)，其中，X＝{η
【技术特征摘要】 【专利技术属性】
1.一种基于云端通讯和支持向量机的交警手势识别方法，具体步骤如下，其特征在于；
Step1：采集交警手势数据；
根据实际情况，将交警指挥手势分为相应典型情况，设定每名交警穿着有特质的可穿戴智能交互上衣，交互设备有内置关节点位置传感器，可用来采集交警的关键关节点实时位置，采用的是可穿戴智能交互上衣的全局坐标系，选取人体腰部中间为坐标系原点，大地垂直法线为z轴方向，垂直人体胸腔平面为x轴方向，垂直于xz轴平面为y轴方向；
针对不同典型的交警指挥手势，数据的差异性较大为人体左右手臂及手部的8个关节点位置信息，样本集可表示为∏＝(X,Y)，其中，X＝{ηRH,ηRW,ηRE,ηRS,ηLS,ηLE,ηLW,ηLH}对应于交警的8个关节点位置信息，每个关节点位置信息η＝[x,y,z]表示三个轴方向的坐标值，Y为每个样本对应的交警手势标签类别，在保证手势正确无误情况下，多次采集样本，生成样本集。然后，以8:2的比例将样本集分为训练集和验证集；
Step2：搭建交警手势的SVM识别模型；
提出交警手势的SVM识别模型，首先将手势识别问题转化为多个二分类问题，构造9个SVM二分类器，第K次分类把手势类别为K的样本定为正样本，剩余的其他类别手势样本合起来定为负样本，这样就得到一个大的二分类器，实现了对对应手势和无手势样本进行识别的目的，每个交警手势SVM二分类器分类基础为寻找一个满足数据分类要求的最优超平面，使得超平面在确保分类精度的情况下，超平面与两类样本点距离最大，针对交警手势样本，超平面方程为wTX+b＝0，w为权值，b为偏置，在线性不可分的情况下，使得分类间隔最大的优化问题可表示为其中，ζi为松弛变量，c为惩罚因子，用于调节分类权重；
所建立的SVM的最终分类函数为其中，λ为拉格朗日乘子，K(Xi,x)为SVM模型的核函数，在具体操作时，基于MATLAB环境，使用libsvm工具，选择径向基核函数为交警手势SVM识别模型的核函数，其中，σ为核参数，以找出基于云端数据的手势超平面最优超平面；
技术研发人员：杨忠，宋爱国，徐宝国，田小敏，余振中，
申请(专利权)人：金陵科技学院，
类型：发明
国别省市：江苏;32
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。