System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术提出了一种基于rfid技术的非接触式动态手势识别方法,主要设计了一种高精确度的手势分割算法以及高实时性的手势识别算法,提升了利用rfid技术进行非接触式动态手势识别的实时性与准确度,属于rfid应用。
技术介绍
1、随着计算机技术的迅速发展,物联网、虚拟现实和增强现实等技术在各个领域得到了广泛的应用,伴随而来的是人机交互技术的迭代变更。传统的设备交互方式如键盘、鼠标和遥控器等由于其触摸限制、缺乏沉浸感等缺点,在这些新型领域中不再具备优势,取而代之的是一些新型的人机交互方式,如手势识别、自然语言处理,这些新型的人机交互方式正在不断发展和应用到各个领域,为用户提供更加直观、便捷和沉浸式的交互体验。在这些新型的人机交互方式中,手势识别占据着较大比重,其能够识别和理解人类手部、手臂的动作和姿势,将其转化为计算机系统能够理解和响应的指令或操作,进而将操作结果反馈给用户。手势识别技术的发展使人与计算机之间的交互更加直观、自然和智能化。
2、目前常见的手势识别技术可以分为接触式手势识别和非接触式手势识别,接触式手势识别需要在手部绑定一些数据采集装置(传感器、电子标签等),通过相关的数据传输、信号处理建立对应的手势识别模型,相比于非接触式手势识别,该方法获取的数据更加准确、稳定且满足多数交互场景,但是其缺点也较为明显,由于需要佩戴传感器进行数据采集,其便携性较差,且传感器一般都需要配有电源,需要对传感器进行定期维护、充电,系统的整体花费大大增加。非接触式手势识别技术围绕图像和rf信号等信息展开,其中基于图像的手势识别需要用
3、综上,提出一种新的基于rfid技术的非接触式动态手势识别方法是必要的。
技术实现思路
1、本专利技术的目的在于解决现有技术中的不足,提供一种基于rfid的非接触式动态手势识别方法,该方法利用机器学习算法分析rfid信号反向散射过程中多路径效应所产生的相位变化,并对其进行建模,以实现非接触式的动态手势识别。该方法相较于其它的识别方法,能够在手势分割的步骤中保证更高的精度,并提升手势识别的实时性。
2、本专利技术的技术方案注重手势分割的精度以及手势识别过程的实时性,对于手势分割的精度,本方法在基于kl散度(kullback-leibler divergence)的滑动窗口算法的基础上引入了前景检测中的帧差法来进行高精度的手势分割。手势识别的实时性是通过利用分层识别的思想建立多个随机森林模型来提升的,多个手势识别模型组成一个责任链,通过设定提前结束识别的概率阈值,能够减少识别过程中的计算复杂度,进而提升交互中的实时性。
3、本专利技术是通过以下技术方案来实现的,
4、第一方面,本专利技术提供一种基于rfid技术的非接触式动态手势识别方法,所述方法包括如下步骤:
5、步骤1:获取手势数据集
6、部署rfid阅读器、天线、标签,从标签与天线之间执行手势,之后通过rfid阅读器提供的sdk工具包获取手势对应的相位数据;
7、步骤2:对手势对应的相位数据集进行预处理;
8、步骤3:对步骤2预处理得到的相位数据进行手势分割,提取出动态手势对应的相位数据集;记获取到的动态手势相位数据集为gesturei,j,i∈[1,c],j∈[1,n],其中c代表动态手势的种类,n代表每种动态手势执行的次数,gesturei,j则代表第i种动态手势执行第j次时所获取到的相位数据集;
9、步骤4:对手势分割后的相位数据进行特征提取,构建基于随机森林的分层手势识别模型;
10、步骤5:对待检测手势按照步骤2中的预处理方式和步骤3中手势分割方式处理,然后将手势数据作为构建好的随机森的分层手势识别模型的入参,当某一层的手势识别模型出来的概率向量或累加概率向量超过了预先设定好的阈值,则得到了待测手势的识别结果。
11、优选的,步骤1获取手势数据集具体为,部署rfid阅读器、天线,将16个标签组成间距20cm的4*4矩阵部署于天线正前方200cm的木板上,从标签与天线之间执行手势,之后通过rfid阅读器提供的sdk工具包获取手势对应的相位数据。
12、优选的,步骤2所述的对手势对应的相位数据集进行预处理,具体步骤如下:
13、步骤2-1:对手势对应的相位数据集进行相位解缠绕消除相位的周期性跳变;
14、步骤2-2:使用滤波器对相位解缠绕后的相位数据进行去噪。
15、优选的,步骤2-1所述的对手势对应的相位数据集进行相位解缠绕消除相位的周期性跳变,具体步骤如下:
16、设手势对应的相位数据集中每一份手势数据的长度为l,将每一份手势数据的相位数据流经过以下解缠绕算法进行处理:
17、
18、
19、n,m∈[1,l]
20、其中,ω{}是一种截本文档来自技高网...
【技术保护点】
1.一种基于RFID技术的非接触式动态手势识别方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的基于RFID技术的非接触式动态手势识别方法,其特征在于,步骤1获取手势数据集具体为,部署RFID阅读器、天线,将16个标签组成间距20cm的4*4矩阵部署于天线正前方200cm的木板上,从标签与天线之间执行手势,之后通过RFID阅读器提供的SDK工具包获取手势对应的相位数据。
3.根据权利要求1所述的基于RFID技术的非接触式动态手势识别方法,其特征在于,步骤2所述的对手势对应的相位数据集进行预处理,具体步骤如下:
4.根据权利要求3所述的基于RFID技术的非接触式动态手势识别方法,其特征在于,步骤2-1所述的对手势对应的相位数据集进行相位解缠绕消除相位的周期性跳变,具体步骤如下:
5.根据权利要求4所述的基于RFID技术的非接触式动态手势识别方法,其特征在于,步骤2-2所述的使用滤波器对相位解缠绕后的相位数据进行去噪,具体为Savitzky-Golay滤波对相位解缠绕后的相位数据进行平滑处理,其工作原理为:
7.根据权利要求1所述的基于RFID技术的非接触式动态手势识别方法,其特征在于,步骤4所述的对手势分割后的相位数据,构建基于随机森林的分层手势识别模型,具体步骤如下:
8.根据权利要求7所述的基于RFID技术的非接触式动态手势识别方法,其特征在于,步骤4-1所述的按照切分规则为均分。
9.根据权利要求1所述的基于RFID技术的非接触式动态手势识别方法,其特征在于,步骤5所述的利用手势识别模型识别待测手势,输出识别结果,具体步骤如下:
10.权利要求1-9任一项所述的基于RFID技术的非接触式动态手势识别方法的系统,其特征在于,所述系统包括输入模块、手势数据预处理模块、手势分割模块、手势识别模块、输出模块;
...【技术特征摘要】
1.一种基于rfid技术的非接触式动态手势识别方法,其特征在于,所述方法包括如下步骤:
2.根据权利要求1所述的基于rfid技术的非接触式动态手势识别方法,其特征在于,步骤1获取手势数据集具体为,部署rfid阅读器、天线,将16个标签组成间距20cm的4*4矩阵部署于天线正前方200cm的木板上,从标签与天线之间执行手势,之后通过rfid阅读器提供的sdk工具包获取手势对应的相位数据。
3.根据权利要求1所述的基于rfid技术的非接触式动态手势识别方法,其特征在于,步骤2所述的对手势对应的相位数据集进行预处理,具体步骤如下:
4.根据权利要求3所述的基于rfid技术的非接触式动态手势识别方法,其特征在于,步骤2-1所述的对手势对应的相位数据集进行相位解缠绕消除相位的周期性跳变,具体步骤如下:
5.根据权利要求4所述的基于rfid技术的非接触式动态手势识别方法,其特征在于,步骤2-2所述的使用滤波器对相位解缠绕后的相位数据进行去噪,具体为savitzky-gol...
【专利技术属性】
技术研发人员:徐鹤,刘凤轩,李鹏,王汝传,胡惠娟,张嫚嫚,朱枫,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:
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。