基于运动传感器的手势识别.pdf

《基于运动传感器的手势识别.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、第24卷第12期传感技术学报Vo1．24No．122011年12月CHINESEJOURNALOFSENSORSANDACTUATORSDec．2011MotionSensorBasedGestureRecognitionWANGWanliang，YANGJingwei，JIANGYibo(CollegeofComputerScienceandTechnology，Zh~iangUniversityofTechnology，Hangzhou310023，China)Abstract：Motionsensingt

2、echniquesarelesslimitedinspaceandlightingfromthepointofviewofhumancomputerinteraction．On—bodywearablesensorsareusedtostudyonhowtoeffectivelybuildgesturerecognitionsystemwithmachinelearningmethods．Accelerationandmagneticdatacollectedbyaccelerometerandmagnetom

3、eterarethenusedbythehiddenMarkovmode1．Dataprocessingstepscontainpreprocessing，featureselectionandextraction．Aprototypesystemisdevelopedtoverifytheeffectivenessoftheapproach．Theresultsshowthattheapproachcaneffectivelyrecognizesomegestures，especiallycomplicate

4、donesinrealtime．Keywords：motionsensors；humancomputerinteraction；gesturerecognition；HiddenMarkovModel(HMM)EEACC：7320e；7230Mdoi：10．3969／j．issn．1004-1699．2011．12．013基于运动传感器的手势识别冰王万良，杨经纬，蒋一波(浙江工业大学计算机科学与技术学院，杭州310023)摘要：为了使手势交互较少受到视角和光线的限制，提出利用可穿戴传感器作为输入设备和机器学习算

5、法相结合进行手势识别的方法。通过采集加速度仪和地磁仪的数据，然后进行预处理、特征提取和特征选择，最终由隐马尔科夫模型进行手势分类和识别。为验证方法的有效性，设计实现了一个原型系统进行识别和对比实验。实验结果表明，该方法可以实时有效地对手势特别是复杂的手势进行识别。关键词：运动传感器；人机交互；手势识别；隐马尔科夫模型中图分类号：TP212．9文献标识码：A文章编号：1004—1699(2011)12—1723—05大尺寸显示器的Pc和智能电视的出现，使得Andrea等利用多个传感器构建了一个人体动基于鼠标、键盘

6、的传统人机交互设备的不便性日益作识别系统，对坐、躺、站等姿势和爬楼梯、跑步等动凸显．如何使人与机器之间的交互能够自然的模拟作进行了识别[4]。任天堂公司开发了用于交互游人与人之间的交流变得越来越重要。触摸屏及相关戏控制的Wii[10]．它的输人设备Wiimote常常作为技术为使用者提供了全新的操作体验．但使用者不加速度数据采集设备用于学者的研究工作中，梁秀可避免地被限制在显示器之前，而且该技术必须针波等在文献[5]中利用智能手机和Wiimote作为加对应用环境定制，缺乏一般的通用性。速度数据采集设备将对手势的识

7、别用于人机交互系基于计算机视觉和基于可穿戴传感器的人体动统中。AiLive公司开发的LiveMove_11]是一套集训作识别_1]为人机之间以动作或手势进行交互识别练和识别为一体的商用系统。提出了新的解决方案，在数字家庭设备和大屏幕设现有的研究将加速度作为动作特征进行训练和备中有广泛的应用前景。识别，在特定动作的识别方面取得了不错的识别率，目前大部分关于手势识别的研究采用的是基于但对于速度缓慢或者与旋转相关的动作识别方面存计算机视觉的方法2]。然而。基于计算机视觉的在缺陷。因此，本文将地磁传感器和加速度传感器方

8、法面临着一个难以克服的难题：遮挡．用户必须被数据融合起来计算出传感器模块的姿态角。并将其严格地限定在与摄像设备之间没有遮挡的范围内。与加速度数据结合起来作为动作的特征。然后选用而可穿戴传感器却完全不受此限制，因此基于可穿在语音识别领域获得巨大成功的隐马尔科夫模型作戴的动作识别引起了学者们的研究兴趣]。为手势识别模型对动作特征进行训练和识别。项目来源：国家自然科学基金项目(6107004