基于加速度传感器的大手势集手势识别算法改进研究.pdf

《基于加速度传感器的大手势集手势识别算法改进研究.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26卷第l0期传感技术学报Vo1．26No．102013年10月CHINESEJOURNALOFSENSORSANDACTUATORS0ct．2Ol3GestureRecognitionAlgorithmImprovementwithLargeGestureDictionaryBasedonAccelerometerWANGYuan，TANGYongming，WANGBaoping(SchoolofElectronicScienceandEngineering，SoutheastUniversity，Nanfing210096，China)Abstract：Eq

2、uippedwithaccelerometer，smartmobileterminalisthemostpossibleplatformforwideapplicationofgesturerecognitionforUIpurpose．Inrelatedresearchesofgesturerecognitionwithsingleaccelerometer，recognitionaccuracy，speed，andgesturedictionarycanhardlybebalanced．Basedonanalgorithmofaccelerationsigns

3、equence，thisresearchcompletesgesturerecognitionwithlargegesturedictionary，highaccuracy，andspeed，byenhancingoriginalfeatureabstractingmethodanddesigningnewtemplatematchmethodcorrespondingtotheweightedTreeStructuretemplatebase．Experimentally，onagesturedictionaryof21，theproposedsystemcan

4、achieveaperson—dependentaccuracyof95．2％andaperson—independentaccuracyof94．6％．Therecognitiontimeislessthan10ms．Keywords：gesturerecognition；accelerometer；featureabstract；templatematchEEACC：7230；7320Edoi：10．3969／j．issn．1004-1699．2013．10．006基于加速度传感器的大手势集手势识别算法改进研究水王原，汤勇明，王保平(东南大学电子科学与工程学院

5、，南京210096)摘要：搭载着加速度传感器的智能移动终端为手势识别提供广泛的应用平台，在已有的基于单枚加速度传感器的手势识别研究中，识别正确率、速度和手势集合难以达到良好的平衡。以～种基于加速度符号序列的识别算法为基础，改进了其特征提取方法，并设计了基于加权树结构模板库的匹配方法，实现了大手势集、高正确率、速度快的手势识别。实验表明，所述系统在21个手势组成的手势集合上，实现了95．2％的用户依赖识别率和94．6％的用户非依赖识别率，识别时间小于10ms，对手势识别研究有一定的借鉴价值。关键词：手势识别；加速度传感器；特征提取；模板匹配中图分类号：TM391．4

6、文献标识码：A文章编号：1004-1699(2013)10-1345-07手势通常被认为通过肢体，特别是手部的运动完是早期手势识别算法中受到最广泛认可的识别算法。成明确的可识别的动作，手势识别指将这些动作分类，在处理时间框架下的连续数据时，它是一种有效的手理解这些动作的过程J。手势作为一种本能自然的表势识别工具，这一点已经被很多研究证明J。然而达方式，可以大大简化人机交互过程，使交互过程更加HMM计算的复杂程度随着状态数目和特征向量维度自然。PopaM甚至预言，更加贴近自然的交互方式正增大而成比例增加j，庞大的计算量始终制约着在被发掘，并且一步步取代着传统的交互方

7、式。键盘、HMM的广泛应用。较新的识别算法中，动态时间规鼠标和操纵杆会消亡，至少被语音识别、触摸屏、手势整DTW(DynamicTimeWarping)可以在识别正确率识别及一些其他系统所补充完善J。近年智能移动终和计算量之间做出很好的平衡，吸引了众多研究人员端的普及，赋予了手势识别新的应用契机。介于当前的关注J，然而DTW是一种用户依赖的识别算法，移动智能终端大多只配备单枚加速度传感器，研究基即目标用户必须亲自训练系统，否则系统识别率会大于单枚加速度传感器的手势识别是非常有意义的。打折扣。最新的研究中，研究人员开始深入挖掘手势隐性马尔科夫模型HMM(Hidden

8、Marko