基于加速度传感器的连续动态手势识别.pdf

《基于加速度传感器的连续动态手势识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2016年第35卷第1期传感器与微系统(TransducerandMicrosystemTechnologies)39DOI：10．13873／J．1000-9787(2016)01-0039-04基于加速度传感器的连续动态手势识别陈鹏展，罗漫，李杰(华东交通大学电气与电子工程学院，江西南昌330013)摘要：针对个体手势动作信号的差异性和不稳定性，提出了一种基于加速度传感器的连续动态手势识别方法。通过MEMS加速度传感器采集手势动作信号，并结合手势信号的动作特征，对单个手势的有效数据进行自动定位截取，经预处理和特征提取后，构建隐马尔可夫模型(HMM)以实现对特定手势的实时识

2、别。通过设计实现了一种可穿戴手势信号采集硬件原型系统，对1O类手势的1000个手势数据进行识别对比实验，统计结果表明：该方法可以对连续手势进行实时有效的识别。关键词：动态手势识别；加速度传感器；隐马尔可夫模型；特征提取中图分类号：TP391文献标识码：A文章编号：1000--9787(2016)01-0039--04JJ●'●·■-‘110nnnU0USOynamicgesturerecognitionDaSec10naccelerati0nsensorCHENPeng—zhan，LUOMan，LIJie(CollegeofElectricalandElectronicEng

3、ineering，EastChinaJiaotongUniversity，Nanchang330013，China)Abstract：Aimingatdifferencesandinstabilityofindividualgesturessignal，acontinuousdynamicgesturerecognitionmethodbasedonaccelerationsensorisproposed．ThemethodutilizesMEMSaccelerationsensortocapturegestureaccelerationsignal，accordingtot

4、hefeaturesofgesturesignal，validdataofsinglegestureisautomaticallylocatedandintercepted，afterpre—processingandfeaturesextractionhiddenMarkovmodels(HMM)toreal—timeidentifyspecificgesture．Awearablegesturesignalacquisitionhardwareprototypesystemisrealizedthroughdesign，1000dataof10typesofgesture

5、isselectedtoconductetheidentificationandcomparativeexperiment．statisticalresultsshowthatthemethodcanidentifycontinuousgestureinreal—timeandeffectively．Keywords：dynamicgesturerecognition；accelerationsensor；hiddenMarkovmodels(HMM)；featureextraction0引言用于手势动作信息的测量，为手势识别带来了新的基础工随着手机、电视和PDA等智能电子设

6、备的出现，使得具和应用环境。基于键盘、鼠标和触摸屏的人机交互方式的不便性日益凸基于加速度传感器的手势识别技术本质是通过手势动显，这三种方式都限制了用户的操作空间，降低了交互体验作时的加速度数据来识别手势意图，国内外的一些研究机和效率，如何使人机间的交互方式能够更自由化和人本化构早从20世纪90年代就开始着力研究，文献[4]主要给出越来越重要。手势作为13常生活中人们广泛使用的一种自了加速度信号特征的两种提取方法：小波分析与傅立叶变然而直观、易于学习和高效的交流方式，有很强的表意能换，并对不同提取方法的识别结果进行了实验比较。文力，因此，被逐步引入到人机交互通道中，成为了当前交

7、互献[5，6]采用动态时间规整(dynamictimewarping，DTW)技研究的热点。术对手势数据进行学习和测试。文献[7]利用采集的手势目前，关于手势识别的研究主要以基于计算机视觉为加速度信号进行了分类实验。主，然而通过该方法获取的的手势信号数据量大，识别算法由于手势动作与个体相关，相同手势的加速度信号复杂，同时对背景、光线等外部环境依赖性强，并不太适合(幅度、长度等)存在较大差异，通过以上方法获取的动动态实时识别。随着微机电系统技术和移动智能计算技术态手势特征参数准确率低，构建的识别模型实时性