西安环大学技术转移服务平台欢迎您! 请 登录 | 注册
一种基于加速度传感器的手势识别方法
保护您的发明创造,资深专家团队把关,让您申请专利不在担扰。
   CN201010204587.X
   华南理工大学
   发明授权
   薛洋;金连文

项目介绍

一种基于加速度传感器的手势识别方法

专利(申请号) CN201010204587.X 申请人 华南理工大学
IPC分类号
G06F3/01(2006.01)I; G06F3/048(2006.01)I
专利类型 发明授权
公开号 CN101882000A 保护年限 20年
代理机构 广州粤高专利商标代理有限公司 44102 代理人 何淑珍
公开日 1289318400000 发明设计人 薛洋;金连文

摘要

本发明提供了一种基于加速度传感器的手势识别方法,包括如下步骤:1)提取用户在三维空间书写的所有样本的旋转特征码;2)生成每个类的模板;3)生成训练样本集;4)生成测试样本集;5)支持向量机分类。本发明从三轴加速度信号中提取了一种新颖的旋转特征,这种旋转特征能有效地表示书写时手势运动的顺时针旋转和逆时针旋转的变化过程。并提出了基于该旋转特征的三维空间书写数字识别方法的完整框架,该方法通过计算归一化编辑距离来解决旋转特征长度不一致的问题,从而对基于加速度传感器的三维书写字符进行有效识别。

主权项

1.一种基于加速度传感器的手势识别方法,其特征在于包括如下步骤:1)、提取用户在三维空间书写的所有样本的旋转特征码,通过将用户在三维空间书写所产生的三轴加速度信号分别投影到y-z,z-x,和x-y平面,得到三个二维矢量Ayz(t),Azx(t),和Axy(t),然后分别提取y-z,z-x,和x-y平面的旋转特征RFyz(i),RFzx(i)和RFxy(i),再分别对提取到的旋转特征RFyz(i),RFzx(i)和RFxy(i)进行编码得到旋转特征码Cyz,Czx和Cxy;2)、生成每个类的模板从总样本中随机选取k个样本作为训练样本,将训练样本中相同类别的样本放在一起,在每个类别中,分别计算每个样本和该类别内其他样本的旋转特征码间的编辑距离之和,然后将样本按编辑距离之和从小到大排列后作为每个类别的类模板;3)、生成训练样本集计算每个训练样本和所有类模板的旋转特征码间的编辑距离,作为该样本的特征,则k个训练样本能够得到一个k×k的训练特征矩阵:DNE_Train=dNE_Train11dNE_Train12···dNE_Train1×kdNE_Train21dNE_Train22···dNE_Train2×k·····dNE_Trainij·dNE_Traink1dNE_Traink2···dNE_Traink×kk×k]]>其中,是第i个训练样本和第j个类模板间的距离,i=1,2,…k,j=1,2,…k,k是所有类的类模板数;4)、生成测试样本集对每个测试样本,计算它和所有类模板的旋转特征码间的编辑距离,作为该测试样本的特征,l个测试样本就能够得到一个l×k的测试特征矩阵:DNE_Test=dNE_Test11dNE_Test12···dNE_Test1×kdNE_Test21dNE_Test22···dNE_Test2×k·····dNE_Testij·dNE_Testl1dNE_Testl2···dNE_Testl×kl×k]]>其中,是第i个测试样本和第j个类模板间的距离,i=1,2,…l,j=1,2,…k,l是测试样本的个数,k是所有类的类模板数;所述步骤2)至4)所计算的编辑距离如下:令符号序列为第i个样本的Cyz编码,为第j个样本的Cyz编码,再令E={es,ei,ed}分别表示序列变换为时替换、插入和删除一个符号的代价,则的编辑距离递归地表示为:dEyz(Cyzi,Cyzj)=minEs(cni,cmj)+dEyz(Head(Cyzi),Head(Cyzj))Ei(ϵ,cmj)+dEyz(Cyzi,Head(Cyzj))Ed(cni,ϵ)+dEyz(Head(Cyzi),Cyzj)]]>其中,Head(Cyzi)=c1ic2i···cn-1i,]]>Head(Cyzj)=c1jc2j···cm-1j,]]>Ei(ϵ,cmj)=ei,]]>Ed(cni,ϵ)=ed,]]>符号序列的归一化编辑距离表示为:dNEyz(Cyzi,Cyzj)=dEyz(Cyzi,Cyzj)max{|Cyzi|,|Cyzj|}]]>其中,分别表示序列的长度。所以,第i个样本和第j个样本的旋转特征码间的距离表示为:dNEij=[dNEyz(Cyzi,Cyzj)]2+[dNEzx(Czxi,Czxj)]2+[dNExy(Cxyi,Cxyj)]2]]>其中,分别是第i个样本和第j个样本的Czx编码和Cxy编码的编辑距离;相应地计算出Czx和Cxy的编辑距离;5)、支持向量机分类用步骤3)所生成的训练样本集训练支持向量机分类器,然后用支持向量机分类器识别出每个测试样本书写的数字。

状态信息

法律状态 费用信息 实施许可 质押保全 专利转移

法律状态 公告日 详情
费用种类 费用金额(单位:元) 缴费人信息 处理状态 缴费日
名称 许可种类 让与人 受让人 当前受让 备案日 变更日 解除日
名称 质押保全类型 出质人 质权人 当前质权人 生效日 变更日 解除日
名称 信息转移类型 变更前权利人 变更后权利人 当前权利人 变更前地址 变更后地址 当前地址 生效日