人體基礎(chǔ)運(yùn)動條件下的動態(tài)手勢識別研究.pdf

1、隨著科技的進(jìn)步,移動電子設(shè)備上搭載了MEMS慣性傳感器等豐富的硬件設(shè)施,給人們的生活帶來了更多的便利,也給語音識別、圖像識別、手勢識別等新型人機(jī)交互方式提供了良好的平臺。圖像識別交互易受光線的影響、語音識別交互易被雜音干擾,于是,基于慣性傳感器的手勢交互憑借其獨(dú)特的優(yōu)勢,成為當(dāng)前研宄的熱點(diǎn)。人體靜止情況下的動態(tài)手勢識別有了很大的進(jìn)展,許多學(xué)者嘗試了不同的識別方法,并驗(yàn)證了其有效性。然而,現(xiàn)階段對于人體處于運(yùn)動狀態(tài)下的手勢識別研宄幾乎沒有

2、,本文將從這個方向入手,展開對人體運(yùn)動條件下的動態(tài)手勢識別研宄。
　　本文利用諾基亞公司提供的慣性測量裝置Sensor-Box,重點(diǎn)研宄步行、上下樓梯、電梯等人體基礎(chǔ)運(yùn)動條件下的動態(tài)手勢識別。本文對人體基礎(chǔ)運(yùn)動進(jìn)行了分類,并分析了人體基礎(chǔ)運(yùn)動對動態(tài)手勢的影響。結(jié)合課題研宄目標(biāo),提出了三種人體運(yùn)動條件下的動態(tài)手勢識別方案。從剔除人體基礎(chǔ)運(yùn)動干擾角度,提出了基于雙慣性傳感器法和數(shù)學(xué)模型法的識別方案;從特征分類識別角度,提出了基于閾值增

3、大法的識別方案。
　　為了減小慣性傳感器的誤差干擾,本文建立了Sensor-Box加速度計和陀螺儀的誤差模型,并采用六位置法來標(biāo)定其確定性誤差。對加速度隨機(jī)誤差信號,采用時間序列分析法建立了ARMA模型,并用經(jīng)典卡爾曼濾波器對隨機(jī)誤差進(jìn)行了有效濾除。對于陀螺儀隨機(jī)誤差信號,采用標(biāo)準(zhǔn)Allan方差法分析識別其主要隨機(jī)誤差項(xiàng),并采用小波分析對其噪聲信號進(jìn)行了有效分離。
　　雙慣性傳感器法通過兩個Sensor-Box同時采集人體運(yùn)