一种实时动态手势控制无人机系统和方法技术方案

本发明专利技术涉及一种实时动态手势控制无人机系统和方法，首先通过方法获得运动信息识别神经网络，方法步骤主要包括：规定手势与命令的对应关系，形成手势x1的数字图像集合、手势x2的数字图像集合、...、手势x

【技术实现步骤摘要】
一种实时动态手势控制无人机系统和方法


[0001]本专利技术涉及无人机系统控制领域，具体而言，涉及一种实时动态手势控制无人机系统和方法。

技术介绍

[0002]在传感器技术和普适计算技术的快速发展中，基于传感器的人类手势识别技术越来越受欢迎，该技术在医疗健康、运动管理，特别是无人机控制等领域应用广泛。
[0003]现有技术中的手势识别主要为基于肌电传感器识别，基于惯性传感器识别，基于弯曲传感器识别，基于光学图像识别，基于多传感器融合识别。这五类手势识别技术各有其应用场景和优势，其中，光学图像识别主要依靠光学传感器拍摄图像，经过特征提取融合，利用深度学习算法进行分类，其缺点是限定于特点场景中，依赖光学图像清晰度和光学传感器的特定角度，在许多复杂及遮挡环境中无法完成识别任务；而基于肌电传感器，惯性传感器，弯曲传感器的手势识别，通常是将传感器放在手臂及手掌关节处记录动态手势数据变化，依靠传感器数据进行特征提取，利用分类算法完成手势识别，数据稳定，识别率较高，但是传感器重量对佩戴者手臂及手具有一定限制作用，若应用在无人机系统控制等航空领域则不利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人类动态手势信息识别神经网络获取方法，其特征是：包括如下步骤：步骤一、选择n个手势，记作手势x1、手势x2、...、手势x
n
，并规定所述n个手势中，每一个手势代表一个无人机系统操作命令，即手势x
i
代表命令i，其中。1≤i≤n；步骤二、通过数据手套获取操作者进行n
i
次所述手势x
i
时的手指弯曲数据、手腕加速度数据和手腕角速度数据，并将每一次进行所述手势x
i
时获得的手指弯曲数据、手腕加速度数据和手腕角速度数据作为一个数字图像，进一步以所述数字图像为元素形成具有n
i
个元素的所述手势x
i
的数字图像集合；依次照本步骤中上述方法形成所述手势x1的数字图像集合、所述手势x2的数字图像集合、...、所述手势x
n
的数字图像集合；步骤三、将所述手势x
i
的数字图像集合中的每一个所述数字图像均进行预处理，而后按每一个所述数字图像中数据所属物理量，将所述每一个所述数字图像中数据划分为k块，从而得到所述手势x
i
的输入集；依次照本步骤中上述方法形成所述手势x1的输入集、所述手势x2的输入集、...、所述手势x
n
的输入集；步骤四、构建沿运行方向依次设置包括k个用于获取特征图像的卷积网络、1个用于汇总所述k个卷积网络输出图像，并对所述输出图像进行信息识别的全连接网络和输出模块的神经网络；步骤五、按以所述手势x
i
的输入集中每一元素为输入数据，所述命令i为理想输出的方式，对所述神经网络进行训练，所述训练通过后，得到测试神经网络；步骤六、构建与所述测试神经网络相匹配的测试集，并通过所述测试集对所述测试神经网络进行测试，通过所述测试后，得到人类动态手势信息识别神经网络。2.根据权利要求1所述的人类动态手势信息识别神经网络获取方法，其特征是：所述步骤二中所用的数据手套包括设置有用于获取所述操作者手指弯曲信息的弯曲传感器、用于获取所述操作者手腕加速度信息的加速度传感器和用于获取所述操作者手腕角速度信息的角速度传感器的操作手套。3.根据权利要求2所述的人类动态手势信息识别神经网络获取方法，其特征是：所述步骤二中所选择的操作者包括若干个处于不同年龄段的人。4.根据权利要求3所述的人类动态手势信息识别神经网络获取方法，其特征是：所述步骤三中，将所述手势x
i
的数字图像集合中的每一个所述数字图像均进行预处理的过程包括如下步骤：步骤3.1、消除所述手势x
i
的数字图像集合中，每一个所述数字图像中的异常数据；步骤3.2、通过统计推断方法得到角速度阈值，对于经所述步骤3.1处理的数字图像中全部帧数据，若某一帧数据中角速度小于所述角速度阈值，则将这一帧数据视为静态数据；若某一帧数据中角速度不小于所述角速度阈值...

【专利技术属性】
技术研发人员：尚杰，陶烨豪，方建波，刘宜伟，李润伟，
申请(专利权)人：中国科学院宁波材料技术与工程研究所，
类型：发明
国别省市：