一种抗噪的手部运动轨迹快速识别方法技术

本发明专利技术提供了一种抗噪的手部运动轨迹快速识别方法，使用隔离林算法计算轨迹中的离群点；使用卡尔曼滤波方法预测当前轨迹终点后下一个轨迹点的位置；检测起点是否为离群点；与前后两点距离是否都小于阈值来确定保留点和舍弃点；判断重点是否为离群点，并且行列最大距离都是大于最小直径阈值；确定统计方向角变化均值判断轨迹顺逆时针，或者根据横纵向运动幅度与距离阈值和波动阈值的关系，预测位置和当前位置关系判断移动方向或判断为静止，最后结束；本发明专利技术可以识别上下左右移动和顺逆时针的手部运动轨迹，具有对硬件配置要求低、计算速度快、抗噪声能力强、鲁棒性好等优点。鲁棒性好等优点。鲁棒性好等优点。

【技术实现步骤摘要】
一种抗噪的手部运动轨迹快速识别方法


[0001]本专利技术涉及一种抗噪的手部运动轨迹快速识别方法，属于动态手势识别


技术介绍

[0002]动态手势识别是自然人机交互的主要手段之一，在工业控制、游戏娱乐、元宇宙中的人机交互等领域的实际应用越来越广。手部运动轨迹识别是动态手势识别的关键技术之一。由于人的肢体运动特点、环境干扰及手部检测识别技术水平等因素的影响，导致手部运动轨迹中存在大量噪声数据，给手部运动轨迹识别带来了很大的挑战性。现有的轨迹识别算法主要有两类：一是基于传统机器学习方法的轨迹识别，如基于隐Markov模型的轨迹识别、基于贝叶斯方法的轨迹识别等；二是基于深度学习的轨迹识别，如基于LSTM的轨迹识别、基于GRU的轨迹识别等。基于传统机器学习方法的轨迹识别抗噪声能力弱，鲁棒性差。基于深度学习的轨迹识别方法速度慢，对硬件配置要求高(一般要求GPU环境)，且需要大量的数据集进行训练。
[0003]专利技术目的
[0004]本专利技术的目的是在CPU计算环境下实现抗噪的手部运动轨迹快速识别，且无需准备数据集进行训练而提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抗噪的手部运动轨迹快速识别方法，其特征在于，具体步骤如下：S0：利用滑动窗口获取长度为N的轨迹序列坐标数据，清洗掉无意义的轨迹点；S1：使用隔离林算法计算轨迹中的离群点；S2：逐个排查每个离群点P，分别计算P与其在轨迹序列中的前一轨迹点PRE和后一轨迹点NXT的距离；如果都没有超过给定距离阈值maxDisError则不认为P是离群点并保留下来，否则从轨迹序列中删除P，最后判断序列起、终点是否是离群点，如果是，则从轨迹序列中删除；S3：使用卡尔曼滤波方法预测当前轨迹终点后下一个轨迹点的位置；S4：如果存在有效轨迹点则计算有效轨迹点x轴分量的最大差距dx＝max(X)
‑
min(X)与y轴分量的最大差距dy＝max(Y)
‑
min(Y)，其中X代表轨迹点的x轴分量组成的集合，Y代表轨迹点的y轴分量组成的集合，之后计算轨迹的圆度其中S指轨迹包围而成的面积，C指轨迹点相连而成的轨迹周长，圆度的取值范围为[0,1]；若dx＞2
×
minRadius，dy＞2
×
minRadius，R＞minRoundness，则认为是圆，执行S5，否则执行S6；minRadius代表圆周运动最小识别半径阈值，minRoundness代表认为是圆形的最小圆度阈值；S5：计算圆形轨迹的中心其中y
i
与x
i
分别表示第i个轨迹点的纵坐标和横坐标；然后根据轨迹点和轨迹中心点计算轨迹点的方位角，然后计算每个相邻方位角之间的差值d...

【专利技术属性】
技术研发人员：沈晶，张靖欣，刘海波，陈云杰，刘宜柱，刘志尧，王海枫，匡栋栋，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：