CN101853380B - 一种基于加速度传感器的手势识别的旋转特征提取方法 - Google Patents
一种基于加速度传感器的手势识别的旋转特征提取方法 Download PDFInfo
- Publication number
- CN101853380B CN101853380B CN2010102045916A CN201010204591A CN101853380B CN 101853380 B CN101853380 B CN 101853380B CN 2010102045916 A CN2010102045916 A CN 2010102045916A CN 201010204591 A CN201010204591 A CN 201010204591A CN 101853380 B CN101853380 B CN 101853380B
- Authority
- CN
- China
- Prior art keywords
- plane
- rotary
- acceleration signal
- characteristic
- rotation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Position Input By Displaying (AREA)
Abstract
本发明提供了一种基于加速度传感器的手势识别的旋转特征提取方法,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。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,根据本发明所提供的旋转特征提取,就可以方便实现基于该旋转特征的三维空间书写数字识别算法的完整框架,从而对基于加速度传感器的三维书写字符进行有效识别。
Description
技术领域
本发明属于模式识别与人工智能技术领域,特别是涉及一种基于加速度传感器的手势识别的旋转特征提取方法。
技术背景
基于加速度传感器的人运动识别是近年来计算机领域中新兴起的研究前沿方向之一,即将加速度传感器穿戴在用户身上或将它集成在手机或PDA等手持设备上,通过分析人运动时所产生的加速度信号来进行检测、识别用户的运动状态并对其行为进行理解和描述,它属于穿戴式计算(Wearable Computing)和普适计算(Ubiquitous Computing)的重要研究内容之一。
目前,基于加速度传感器的人运动识别主要包括人运动状态识别和人手势识别两方面。运动状态识别主要是识别人在日常生活中走路、跑步、坐着、站立等基本动作;而手势识别主要是识别一些简单的电话手势、自定义的用于控制设备的简单手势、阿拉伯数字0-9。基于加速度传感器的人运动识别的关键在于特征提取,许多研究人员都从加速度信号中提取了有效的特征用于识别人的运动状态和手势,综合起来可以把这些特征分成两类:时域特征和频域特征。常用的时域特征主要有:均值、方差或标准差、两轴之间的相关系数、加速度信号的峰值和谷值等等;常用的频域特征有FFT系数等。
在基于加速度传感器的人手势识别中,识别在三维空间书写的阿拉伯数字0-9受到一些研究人员的重视,因为基于三轴加速度传感器的三维空间书写不同于传统的二维平面书写,用户只需要手握嵌入三轴加速度传感器的书写设备在空中自由书写,它既不受某个特定的书写平面的限制(如手写板、触摸屏),也不需要任何外挂设备(如摄像头),提供了一种全新的数字笔实现方式,因而具有很好的应用研究价值。
尽管在基于三轴加速度信号的手势识别领域的研究人员已经从事了大量的研究工作,但从目前已公开的技术来看,如何从书写过程产生的三轴加速度信号中提取有效的特征还是一个研究难点。
发明内容
本发明的目的在于提供一种基于加速度传感器的手势识别的旋转特征提取方法。
为了实现上述发明目的,采用的技术方案如下:
一种基于加速度传感器的手势识别的旋转特征提取方法,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。
上述技术方案中,所述得到二维矢量的具体操作如下:
用户在三维空间书写时,通过三轴加速度传感器同时测量手势运动时产生的相互正交的三个轴向的加速度,分别用ax(t),ay(t),az(t)表示x轴、y轴和z轴的加速度信号,记A(t)=[ax(t),ay(t),az(t)]是某个手势运动时产生的一个三轴加速度信号,信号的长度记为S,定义B(t)=A(t)×A(t+1),则B(t)是一个矢量,且B(t)的方向是垂直于A(t)和A(t+1)的平面向上,或垂直于A(t)和A(t+1)平面向下,当B(t)的方向垂直于A(t)和A(t+1)的平面向上时,表示加速度信号A(t)从t到t+1时刻逆时针旋转,当B(t)的方向垂直于A(t)和A(t+1)的平面向下时,表示加速度信号A(t)从t到t+1时刻顺时针旋转;
对于一个三维空间书写时产生的三轴加速度信号A(t),分别从下述三个投影平面提取旋转特征:
Ayz(t)=[ay(t),az(t)]
Azx(t)=[az(t),ax(t)]
Axy(t)=[ax(t),ay(t)]
其中,二维矢量Ayz(t),Azx(t),和Axy(t)分别是三轴加速度信号A(t)在y-z,z-x,和x-y平面的投影。
所述旋转特征的提取如下:
提取y-z平面的旋转特征RFyz(i),定义Byz(k)=Ayz(k)×Ayz(k+1),则Byz(k)的方向垂直于Ayz(k)和Ayz(k+1)平面向上时加速度Ayz(t)逆时针旋转,Byz(k)的方向垂直于Ayz(k)和Ayz(k+1)平面向下时加速度Ayz(t)顺时针旋转,记第i个旋转特征为RFyz(i),i>1,则旋转特征RFyz(i)的提取如下:
1、RFyz(1)=Ayz(0)
2、判断条件“Byz(k)和Byz(k-1)的方向相同,但Ayz(k+1)和Ayz(k)不在同一象限”或条件“Byz(k)和Byz(k-1)的方向相反”是否满足,其中k≥1,表示第k个时刻
3、如果满足条件,则RFyz(i)=Ayz(k+1),i=i+1,k=k+1;
如果不满足,则k=k+1,继续步骤2
以同样的方式分别提取z-x和x-y平面的旋转特征RFzx(i)和RFxy(i)。
本发明对旋转特征进行编码的操作如下:
旋转特征RFyz(i)是一个由ay(t)和az(t)确定的矢量,由于旋转是由矢量的方向决定的,所以在用ay(t)和az(t)表示提取的旋转特征RFyz(i)时,将矢量的大小取为相等,并根据y-z平面的四个象限分别定义为0、1、2和3,根据矢量方向处于哪个象限就取对应的值,从而对提取的旋转特征RFyz(i)进行编码,得到旋转特征码Cyz,同样在z-x和x-y平面上对RFzx(i)和RFxy(i)进行编码,得到旋转特征码Czx和Cxy。
本发明还可以在产生三轴加速度信号后,进行预处理操作,所述预处理操作包括去除重力加速度的影响、幅度归一化及滤除噪声。
进一步地,所述预处理操作首先通过减去三轴加速度信号的均值可以去除重力加速度的影响,然后对三轴加速度信号幅度进行标准化处理,接着利用高斯滤波器,滤除加速度信号中包含的测量时的噪声及由于手腕抖动产生的噪声。
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,根据本发明所提供的旋转特征提取,就可以方便实现基于该旋转特征的三维空间书写数字识别算法的完整框架,从而对基于加速度传感器的三维书写字符进行有效识别。
附图说明
图1是基于加速度传感器的三维书写字符识别的流程图;
图2是本发明的基于y-z平面提取的旋转特征;
图3是本发明的对加速度的方向变化的编码图;
图4是本发明的流程图。
具体实施方式
下面结合附图对本发明做进一步的说明。
基于旋转特征的三维空间书写识别算法的系统流程图如附图1所示,具体步骤包括:
1、预处理
对于采集到的三维加速度信号首先通过减去均值去除重力加速度的影响,然后进行幅度归一化处理,接着对其进行高斯滤波,滤除加速度信号中包含的测量时的噪声及由于手腕抖动产生的噪声。
2、提取旋转特征码
本步骤是核心步骤,也是本发明的具体内容,具体如附图4所示,基于加速度传感器的三维空间书写不同于传统的二维平面书写,它采集不到书写者的书写轨迹,只能获得由三轴加速度传感器测得的三个轴向的加速度信号。如何利用这三个轴向的加速度信号来识别出书写者写的是什么,特征提取是关键。
三轴加速度传感器能同时测量手势运动时产生的相互正交的三个轴向的加速度,分别用ax(t),ay(t),az(t)表示x轴、y轴和z轴的加速度信号。
记A(t)=[ax(t),ay(t),az(t)]是某个手势运动时产生的一个三轴加速度信号,信号的长度记为S。定义
B(k)=A(k)×A(k+1) (1)
则B(k)也是一个矢量,且B(k)的方向只有两种情况,一种是垂直于A(k)和A(k+1)的平面向上,另一种是垂直于A(k)和A(k+1)平面向下。当B(k)的方向垂直于A(k)和A(k+1)的平面向上时,加速度信号A(t)从k到k+1时刻逆时针旋转;当B(k)的方向垂直于A(k)和A(k+1)的平面向下时,加速度信号A(t)从k到k+1时刻顺时针旋转。
当t从0变化到S-1时刻加速度信号就会产生一系列的顺时针和逆时针旋转,即书写每个字符时,加速度信号都会产生一系列的顺时针和逆时针旋转变化。本发明提出的旋转特征正是记录三维空间书写时加速度信号产生顺时针旋转和逆时针旋转的变化过程。
对于一个三维空间书写时产生的三轴加速度信号A(t),分别从三维空间中下述三个投影平面提取旋转特征:
Ayz(t)=[ay(t),az(t)]
Azx(t)=[az(t),ax(t)] (2)
Axy(t)=[ax(t),ay(t)]
式(2)中,二维矢量Ayz(t),Azx(t),和Axy(t)分别是三轴加速度信号A(t)在y-z,z-x,和x-y平面的投影。
以Ayz(t)为例来说明提取的旋转特征,根据式(1)可以做如下定义:
Byz(k)=Ayz(k)×Ayz(k+1) (3)
则Byz(k)的方向垂直于Ayz(k)和Ayz(k+1)平面向上时加速度Ayz(t)逆时针旋转;Byz(k)的方向垂直于Ayz(k)和Ayz(k+1)平面向下时加速度Ayz(t)顺时针旋转。如果把每个时刻的顺时针和逆时针旋转都记录下来,通过观察会发现:在某个时间段内,加速度信号一直在做顺时针(或逆时针)旋转。所以没必要把这个时间段内的每个时刻点都取为旋转特征。记第i个旋转特征为RFyz(i),i>1。则旋转特征RFyz(i)的提取满足如下原则:
1、RFyz(1)=Ayz(0)
2、判断条件“Byz(k)和Byz(k-1)的方向相同,但Ayz(k+1)和Ayz(k)不在同一象限”或条件“Byz(k)和Byz(k-1)的方向相反”是否满足,其中k≥1,表示第k个时刻
3、如果满足条件,则RFyz(i)=Ayz(k+1),i=i+1,k=k+1;
如果不满足,则k=k+1,继续步骤2
RFyz(i)是一个由ay(t)和az(t)确定的矢量。由于旋转是由矢量的方向决定的,所以在用ay(t)和az(t)表示提取的旋转特征RFyz(i)时,将矢量的大小取为相等。附图2是对6个人书写数字8时产生的三轴加速度信号基于y-z平面提取的旋转特征点RFyz(i),并把它们用y轴和z轴的加速度[ay(t),az(t)]表示出来。图中垂直方向的轴表示ay(t),水平方向的轴表示az(t),箭头指向是各个轴的加速度方向。
为了方便进行数字运算,规定了如附图3所示的加速度方向变化的编码规则。对附图2提取的旋转特征RFyz(i)进行编码得到旋转特征码Cyz,同样,可以对Azx(t)和Axy(t)提取旋转特征点并进行上述编码,得到旋转特征码Czx和Cxy。一个三轴加速度信号的旋转特征码表示为C={Cyz,Czx,Cxy},Cyz,Czx和Cxy分别是对Ayz(t),Azx(t),和Axy(t)的加速度变化顺序的编码。
3、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类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的类模板。
4、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。则对k个训练样本可以得到一个k×k的训练特征矩阵:
i=1,2,…k,j=1,2,…k,k是所有类的类模板数。
5、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。对l个测试样本就可以得到一个l×k的测试特征矩阵:
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。
上述第3、4、5步骤所采用的编辑距离计算具体如下:
由于不同样本的旋转特征码的长度不一致,无法直接计算它们之间的差异,采用编辑距离来度量不同样本的旋转特征码间的差异。
其中, 在这里,替换、插入和删除符号的代价与符号的具体取值及其在序列中的位置无关,一般情况下,可取替换、插入和删除符号的代价为1,即es=ei=ed=1。
由于编辑距离度量的是2个序列之间差异的绝对值,在分析长度变化范围较大的序列时,容易使长序列之间的编辑距离远大于短序列之间的距离。这显然是不合适的,因此需要对其进行归一化。上述符号序列和的归一化编辑距离表示为:
所以,第i个样本和第j个样本的旋转特征码间的距离可表示为:
6、支持向量机(SVM)分类
用上面生成的训练样本集训练SVM分类器,然后用SVM分类器识别出每个测试样本书写的数字。
本发明的优异性能通过大样本的实验得到了证实。下面描述采用本发明所述的特征提取方法,对大量三维空间书写数字样本进行相关实验的结果。
由于基于加速度传感器的三维空间书写数字识别是一个新兴发展起来的识别技术,目前还没有一个公共的数据库。本实施例设计了基于三轴加速度传感器的加速度信号采集器,采集了60个人的数据,每个采集者单手握着加速度信号采集器在三维空间自由书写数字0到9,每个采集者书写三遍,共采集到180套数据。每个类随机选取144套样本(占每类总样本数的80%)进行训练,总训练样本数为1440,余下的36套样本用于测试,总的测试样本数目为360。
在实验中将本发明提出的旋转特征与峰值谷值特征、时域原始特征及传统的频域FFT特征的性能做了比较。对每个特征,进行了三次实验,然后取平均值。表1给出了每个类别基于四种特征提取方法的识别率。
表1四种不同特征对10个空中手写数字的识别率的比较
由表1中可以看到,采用本发明提出的旋转特征,其识别率明显高于时域原始特征、峰值谷值特征、及FFT特征。而且,对于每个类别,基于旋转特征的识别率都是较高的,实验结果表明由本发明所述的方法获得的旋转特征在识别性能方面的有效性。
Claims (3)
1.一种基于加速度传感器的手势识别的旋转特征提取方法,其特征在于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;
所述得到二维矢量的具体操作如下:
用户在三维空间书写时,通过三轴加速度传感器同时测量手势运动时产生的相互正交的三个轴向的加速度,分别用ax(t),ay(t),az(t)表示x轴、y轴和z轴的加速度信号,记A(t)=[ax(t),ay(t),az(t)]是某个手势运动时产生的一个三轴加速度信号,信号的长度记为S,对于一个三维空间书写时产生的三轴加速度信号A(t),分别投影到下述三个投影平面:
Ayz(t)=[ay(t),az(t)]
Azx(t)=[az(t),ax(t)]
Axy(t)=[ax(t),ay(t)]
其中,二维矢量Ayz(t),Azx(t),和Axy(t)分别是三轴加速度信号A(t)在y-z,z-x,和x-y平面的投影;
旋转特征的提取如下:
提取y-z平面的旋转特征RFyz(i),定义Byz(k)=Ayz(k)×Ayz(k+1),k表示第k个时刻,则Byz(k)是一个矢量,且Byz(k)的方向是垂直于Ayz(k)和Ayz(k+1)的平面向上,或垂直于Ayz(k)和Ayz(k+1)平面向下,当Byz(k)的方向垂直于Ayz(k)和Ayz(k+1)的平面向上时,表示加速度信号Ayz(t)从k到k+1时刻逆时针旋转;当Byz(k)的方向垂直于Ayz(k)和Ayz(k+1)的平面向下时,表示加速度信号Ayz(t)从k到k+1时刻顺时针旋转,记第i个旋转特征为RFyz(i),i>1,则旋转特征RFyz(i)的提取如下:
1、RFyz(1)=Ayz(0)
2、判断条件“Byz(k)和Byz(k-1)的方向相同,但Ayz(k+1)和Ayz(k)不在同一象限”或条件“Byz(k)和Byz(k-1)的方向相反”是否满足,其中k≥1,表示第k个时刻
3、如果满足条件,则RFyz(i)=Ayz(k+1),i=i+1,k=k+1;
如果不满足,则k=k+1,继续步骤2
以同样的方式分别提取z-x和x-y平面的旋转特征RFzx(i)和RFxy(i);
对旋转特征进行编码的操作如下:
旋转特征RFyz(i)是一个由ay(t)和az(t)确定的矢量,由于旋转是由矢量的方向决定的,所以在用ay(t)和az(t)表示提取的旋转特征RFyz(i)时,将矢量的大小取为相等,并根据y-z平面的四个象限分别定义为0、1、2和3,根据矢量方向处于哪个象限就取对应的值,从而对提取的旋转特征RFyz(i)进行编码,得到旋转特征码Cyz,同样在z-x和x-y平面上对RFzx(i)和RFxy(i)进行编码,得到旋转特征码Czx和Cxy。
2.根据权利要求1所述的旋转特征提取方法,其特征在于产生三轴加速度信号后,还进行预处理操作,所述预处理操作包括去除重力加速度的影响、幅度归一化及滤除噪声。
3.根据权利要求2所述的旋转特征提取方法,其特征在于所述预处理操作首先通过减去三轴加速度信号的均值可以去除重力加速度的影响,然后对三轴加速度信号幅度进行标准化处理,接着利用高斯滤波器,滤除加速度信号中包含的测量时的噪声及由于手腕抖动产生的噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102045916A CN101853380B (zh) | 2010-06-18 | 2010-06-18 | 一种基于加速度传感器的手势识别的旋转特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010102045916A CN101853380B (zh) | 2010-06-18 | 2010-06-18 | 一种基于加速度传感器的手势识别的旋转特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101853380A CN101853380A (zh) | 2010-10-06 |
CN101853380B true CN101853380B (zh) | 2012-06-27 |
Family
ID=42804860
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2010102045916A Expired - Fee Related CN101853380B (zh) | 2010-06-18 | 2010-06-18 | 一种基于加速度传感器的手势识别的旋转特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101853380B (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951475A (zh) * | 2010-10-15 | 2011-01-19 | 厦门大学 | 一种智能空间书写型电视遥控器 |
CN102135823A (zh) * | 2011-04-28 | 2011-07-27 | 华南理工大学 | 一种智能电子手写笔 |
CN102945362B (zh) * | 2012-10-18 | 2016-01-27 | 中国科学院计算技术研究所 | 基于异构数据融合的传感器协同手势识别方法及系统 |
CN103543826A (zh) * | 2013-07-30 | 2014-01-29 | 广东工业大学 | 一种基于加速度传感器的手势识别方法 |
CN103472917B (zh) * | 2013-09-06 | 2016-07-06 | 浙江大学 | 一种与加速度传感器的放置方式和位置无关的运动识别方法 |
CN104020845B (zh) * | 2014-03-27 | 2017-02-15 | 浙江大学 | 基于shapelet特征的加速度传感器放置无关化运动识别方法 |
CN103984416B (zh) * | 2014-06-10 | 2017-02-08 | 北京邮电大学 | 一种基于加速度传感器的手势识别方法 |
KR101575981B1 (ko) * | 2014-10-07 | 2015-12-08 | 주식회사 현대케피코 | 런-아웃을 갖는 회전체에 대한 회전체 검출 센서 제어 장치 및 방법 |
CN105549746B (zh) * | 2016-01-28 | 2018-10-30 | 广州成潮智能科技有限公司 | 一种基于加速度传感芯片的动作识别方法 |
CN106339104B (zh) * | 2016-08-24 | 2019-02-15 | 广州市香港科大霍英东研究院 | 智能手表的文本输入方法及装置 |
CN107358051B (zh) * | 2017-07-18 | 2018-07-10 | 前海随身宝(深圳)科技有限公司 | 终端运动状态分析方法、移动终端及可读存储介质 |
CN107992792A (zh) * | 2017-10-16 | 2018-05-04 | 华南理工大学 | 一种基于加速度传感器的空中手写汉字识别系统及方法 |
CN108008151A (zh) * | 2017-11-09 | 2018-05-08 | 惠州市德赛工业研究院有限公司 | 一种基于三轴加速度传感器的运动状态识别方法及系统 |
CN110139141B (zh) * | 2019-04-28 | 2021-10-15 | 腾讯科技(深圳)有限公司 | 视频画面渲染方法、装置、存储介质及电子设备 |
CN110109551B (zh) * | 2019-05-17 | 2021-02-23 | 中国科学院电子学研究所 | 手势识别方法、装置、设备及存储介质 |
CN110569800B (zh) * | 2019-09-10 | 2022-04-12 | 武汉大学 | 一种手写信号的检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101694692A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 一种基于加速度传感器的手势识别的方法 |
CN101739834A (zh) * | 2008-11-13 | 2010-06-16 | 黑龙江大学 | 基于手势识别的多功能无线交警手势识别系统 |
-
2010
- 2010-06-18 CN CN2010102045916A patent/CN101853380B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101739834A (zh) * | 2008-11-13 | 2010-06-16 | 黑龙江大学 | 基于手势识别的多功能无线交警手势识别系统 |
CN101694692A (zh) * | 2009-10-22 | 2010-04-14 | 浙江大学 | 一种基于加速度传感器的手势识别的方法 |
Non-Patent Citations (2)
Title |
---|
Miikka Ermes et al..Detection of Daily Activities and Sports with wearable sensors in Controlled and Uncontrolled Conditions.《IEEE》.2008,第12卷(第1期),全文. * |
Sung-Do Choi et al..On-Line Handwritten Character Recognition with 3D Accelerometer.《IEEE》.2006,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN101853380A (zh) | 2010-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101853380B (zh) | 一种基于加速度传感器的手势识别的旋转特征提取方法 | |
CN101882000B (zh) | 一种基于加速度传感器的手势识别方法 | |
CN107316067B (zh) | 一种基于惯性传感器的空中手写字符识别方法 | |
Amma et al. | Airwriting: a wearable handwriting recognition system | |
CN111967470A (zh) | 一种基于解耦注意力机制的文本识别方法及系统 | |
Mondal et al. | On-line handwriting recognition of Indian scripts-the first benchmark | |
CN110197224B (zh) | 基于特征空间深度对抗学习的空中手写字符轨迹恢复方法 | |
Chowdhury et al. | Online handwriting recognition using Levenshtein distance metric | |
CN1516061A (zh) | 创建用于识别的字符表示法的方法和装置 | |
US20100103092A1 (en) | Video-based handwritten character input apparatus and method thereof | |
CN107992792A (zh) | 一种基于加速度传感器的空中手写汉字识别系统及方法 | |
CN111079547B (zh) | 一种基于手机惯性传感器的行人移动方向识别方法 | |
Shashikiran et al. | Comparison of HMM and SDTW for Tamil handwritten character recognition | |
CN104484644A (zh) | 一种手势识别方法和装置 | |
CN101853073B (zh) | 一种应用于手势识别的旋转特征码的距离测度方法 | |
CN103927555A (zh) | 基于Kinect传感器的静态手语字母识别系统及方法 | |
Zhang et al. | A Wearable Real‐Time Character Recognition System Based on Edge Computing‐Enabled Deep Learning for Air‐Writing | |
CN101604393B (zh) | 一种用于联机手写汉字识别的汉字笔画特征提取方法 | |
Kunwar et al. | Online handwritten Kannada word recognizer with unrestricted vocabulary | |
CN101604378B (zh) | 一种用于联机手写汉字识别的汉字笔画特征串行提取方法 | |
CN101604392A (zh) | 一种用于联机手写汉字识别的汉字笔画特征并行提取方法 | |
Kunwar et al. | Unrestricted Kannada online handwritten akshara recognition using SDTW | |
CN106648149A (zh) | 一种基于加速度计和陀螺仪的空中手写字符识别方法 | |
Chen et al. | A fusion recognition method based on multifeature hidden markov model for dynamic hand gesture | |
Gupta et al. | S-pencil: A smart pencil grip monitoring system for kids using sensors |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120627 Termination date: 20180618 |