CN102854982A - 一种识别自定义手势轨迹的方法 - Google Patents

Abstract

本发明提供一种识别自定义手势轨迹的方法，所述方法首先输入一待识别手势轨迹，手势识别模块接收所述待识别手势轨迹坐标数据，然后采用优化方法对其进行优化获得优化轨迹，再提取优化轨迹的特征信息，并将这些特征信息与手势库中的预设手势的特征信息进行匹配判别，从而判断所述输入的待识别手势轨迹匹配哪种预设手势。通过本发明所述的识别自定义手势轨迹的方法，能极大地提高用户在输入手势时手势轨迹识别准确率和解析速度，提供灵活的可定制的应用操作、降低输入抖动、快慢等操作对识别的影响。

Description

一种识别自定义手势轨迹的方法

技术领域

本发明属于人机交互领域，涉及一种识别手势轨迹的方法，特别是涉及一种识别自定义手势轨迹的方法。

背景技术

如今，触摸屏作为一种简单、新颖的人机交互设备，其应用范围已经越来越广。手势轨迹识别技术被广泛应用于人机交互系统中，典型的应用有鼠标手势、触屏手机等。对于一个输入手势，现有技术将其轨迹与手势库中的预设手势轨迹进行对比，以确定该手势属于哪种手势，若判定输入手势属于且只属于预设手势中的一种，则触发应用程序执行相应的操作，否则不触发任何操作。

要识别手势触摸轨迹，通常是根据获取的手势轨迹点的坐标提取手势的轨迹特征信息，然后根据手势轨迹特征信息判断输入手势属于手势库中的何种预设手势。现有技术通常采用以下两种方式中的一种对得到的手势轨迹特征信息进行分析：

将输入手势的轨迹特征信息依次与手势库中每一种预设手势的特征信息进行比较，根据比较结果依次判断输入手势是否是当前的预设手势。这种方法的识别过程比较简单，但若想获得较高的识别准确率，需要计算复杂度较高的特征匹配算法，更重要的是，识别一个输入手势轨迹所需要的计算时间与手势库中预设手势的数量成正比。当预设手势的数量很多时，解析一个输入手势将变得很慢。

采用人工神经网络、支持向量机、贝叶斯网络等机器学习方法，为手势库的每种预设手势提供若干数量的训练样本训练手势分类器。当输入一个新手势并提取其轨迹特征后，利用分类器判断输入手势属于手势库中何种预设手势。该方法的不足之处在于：建立手势分类器需要较多的训练样本，若用户或计算机软件二次开发人员需要往手势库中添加一个新的预设手势，需要提供多个手势样本用于建立新的分类器（可能需要一百个手势样本才能获得较高的识别准确率），因此建立手势库的过程比较繁琐很不方便。

若手指等设备在触摸屏等人机交互设备上移动速度过快或过慢，会造成交互设备获得的点分布的不均匀以及噪声点的增多。现有技术下，这种情况会降低对手势轨迹识别的准确率。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种识别自定义手势轨迹的方法，在提高解析效率的同时提高手势轨迹识别准确率，而且该方法具有很强的灵活性和可定制性，特别的，当手势库中的预设手势数量达到一定规模时，能较为显著的提供解析效率。

为实现上述目的及其他相关目的，本发明提供一种识别自定义手势轨迹的方法，所述识别自定义手势轨迹的方法包括：

步骤1，所述触摸设备接收到一输入的待识别手势轨迹时，判断该手势轨迹与手势库中任一预先建立的手势，即预设手势是否匹配，若不匹配，则将该手势轨迹输入至所述手势库中，并为该手势轨迹指定一个与所述手势库中手势标识列表相关联且在手势库唯一的手势标识；

步骤2，所述手势识别模块撷取待识别手势轨迹的坐标数据，即撷取触摸过程中按时间先后顺序的连续触摸的有序离散点集；

步骤3，所述手势识别模块对接收到的有序离散点集进行优化得到优化的有序离散点集；

步骤4，所述手势识别模块从所述优化的有序离散点集中提取所述手势的特征信息；

步骤5，所述手势识别模块将输入的手势轨迹及其特征信息与所述手势库中每一个预设手势的特征信息进行比较，若仅与一个预设手势匹配成功，则向触摸设备反馈该手势轨迹；若没有与预设手势匹配成功，或同时与两个或两个以上的预设手势匹配，则不向触摸设备反馈该手势轨迹。

优选地，于所述步骤1中还包括以下步骤：判断该手势轨迹与手势库中任一预设手势是否匹配，若匹配，则添加手势失败。

优选地，于所述步骤1中还包括对所述数据库编辑的步骤：

步骤11，在手势库中添加一个新手势；

步骤12，选取所述手势标识列表中的一手势标识，并重新输入更新轨迹；判断重新输入的更新轨迹是否与手势库中的任何一个预设手势相匹配，若否，则将该更新轨迹及其特征信息保存至所述手势库中，若是，则撤销该手势轨迹的更新；

步骤13，选取所述手势标识列表中的一手势标识，重新输入手势标识的名称；判断重新输入的手势标识的名称与手势库中的预设手势的手势标识的名称是否相同，若否，则更新手势库中的该手势标识的名称，若是，则撤销该手势标识名称的更改；

步骤14，将多余的手势轨迹及其特征信息从手势库中删除。

优选地，于所述步骤3中所述手势识别模块对所述接收到的有序离散点集优化的步骤包括：

步骤31，计算接收到的有序离散点集中每相邻两点的间距，并选取出大于一预设阈值的相邻的两点，并对所述两点间进行插值；

步骤32，对插值后的有序离散点集进行特征点提取；

步骤33，删除插值后的有序离散点集中所有非特征点；

步骤34，返回步骤31，直至，再次判断插值后的有序离散点集中每相邻两点的间距，直至选取不出该预设阈值的相邻的两点时结束插值作业以得到优化的有序离散点集。

优选地，于所述步骤4中提取手势特征信息的步骤包括：

步骤41，所述手势识别模块根据优化轨迹，提取手势特征值；

步骤42，所述手势识别模块根据优化轨迹，提取手势特征向量。

优选地，所述手势特征值包括：所述手势轨迹起点到终点连线矢量的倾角角度值、手势轨迹转角总和、手势轨迹起点和终点的距离与手势轨迹总长度的比值、手势轨迹矩形闭包对角线的长度与手势轨迹总长度的比值。

优选地，所述手势特征向量包括：手势轨迹起点按照点集顺序依次到其它各点构成的矢量的倾角构成的向量、和手势轨迹中任意相邻两点构成的矢量的倾角构成的向量。

优选地，于所述步骤5还包括：

步骤51，所述手势识别模块从所述手势库中取出一个未与输入的手势轨迹比较过的预设手势，所述预设手势中包括手势标识和手势特征信息；

步骤52，所述手势模块判断所述输入的手势轨迹的特征值是否与所述预设手势的特征值匹配；若不匹配，则判定所述输入的手势轨迹不为预设手势，执行步骤51；若匹配，则执行下一步骤；

步骤53，判断输入的手势轨迹的特征向量是否与所述预设手势的特征向量匹配，若是，则向触摸设备反馈该手势轨迹；若否，则执行步骤51。

如上所述，本发明所述的识别自定义手势轨迹的方法，具有以下有益效果：

1、本发明利用建库时预存手势特征信息，以及特征值（预判）能显著提高了单点手势轨迹的解析速度；

2、本发明在建库和接受应用输入时，都对手势轨迹做了平滑等去噪处理，这样可以降低用户在因输入手势时抖动（噪声）、触摸设备获取点的频率快慢或是应用输入时的移动快慢而造成的识别准确率降低的影响；

3.在采用使用特征值预判提高解析效率的前提下，还采用多种特征向量匹配组合比较的方法，从而能保证（采用特征向量）并提高（多种组合）识别准确率。

4.对于实际应用中较少的手势，可以建立精简的手势库。或者对已有的手势库中的手势进行编辑移除操作，从减少库容量的角度进一步提高解析效率，而且具有很强的灵活性和用户定制性。

附图说明

图1显示为本发明识别自定义手势轨迹的方法的整体框图；

图2显示为本发明识别自定义手势轨迹的方法手势轨迹识别过程的流程图；

图3显示为本发明识别自定义手势轨迹的方法手势库建立和编辑的示意图；

图4显示为本发明识别自定义手势识别轨迹的方法的手势库中的预设手势的示意图；

图5显示为本发明识别自定义手势识别轨迹的方法的用户输入的待识别轨迹示意图；

图6显示为本发明识别自定义手势轨迹的方法对初始手势轨迹优化过程流程图；

图7显示为本发明识别自定义手势识别轨迹的方法的插值后的轨迹示意图；

图8显示为本发明识别自定义手势识别轨迹的方法的轨迹的特征点及优化轨迹示意图；

图9显示为本发明识别自定义手势识别轨迹的方法对特征点轨迹进行插值的示意图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

请参阅附图。需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

下面结合实施例和附图对本发明进行详细说明。

本发明提供了一种识别自定义手势轨迹的方法，应用于具有触摸显示屏及手势识别模块的触摸设备中。首先用户向触摸人机交互设备输入手势轨迹，计算模块获取从按下时刻到弹起时刻之间设备接收到的有序离散点集的坐标数据（即初始轨迹），然后采取优化方法对初始轨迹进行优化，从而得到新的手势轨迹（即优化轨迹），再提取优化轨迹的特征值和特征向量，并采取一定的方法将这些特征与手势库中的预设手势的特征进行比较，从而判断手势轨迹是否属于哪种预设手势。

实施例

本实施例提供一种识别自定义手势轨迹的方法，所述方法应用于具有触摸显示屏及手势识别模块的触摸设备中。所述识别自定义手势轨迹的方法以图1和图2为例进行具体说明。

如图1所示，所述识别自定义手势轨迹的方法包括：

步骤1，所述触摸设备接收到一输入的待识别手势轨迹时，判断该手势轨迹与手势库中任一预先建立的手势，即预设手势是否匹配，若不匹配，则将该手势轨迹输入至所述手势库中，并为该手势轨迹指定一个与所述手势库中手势标识列表相关联且在手势库唯一的手势标识；

步骤2，所述手势识别模块撷取待识别手势轨迹的坐标数据，即撷取触摸过程中按时间先后顺序的连续触摸的有序离散点集；

步骤3，所述手势识别模块对接收到的有序离散点集进行优化得到优化的有序离散点集；

步骤4，所述手势识别模块从所述优化的有序离散点集中提取所述手势的特征信息；

步骤5，所述手势识别模块将输入的手势轨迹及其特征信息与所述手势库中每一个预设手势的特征信息进行比较，若仅与一个预设手势匹配成功，则向触摸设备反馈该手势轨迹；若没有与预设手势匹配成功，或同时与两个或两个以上的预设手势匹配，则不向触摸设备反馈该手势轨迹。

从技术角度讲，如图2所示，所述方法包括以下步骤：

S1，建立手势库；如图3所示，用户从触摸设备输入一条手势轨迹，判断该手势轨迹与手势库中的任一预先建立的手势，即预设手势是否匹配，若该手势轨迹至少与手势库中一个已有预设手势匹配，则添加手势失败；其中，手势匹配的条件是手势的所有特征值匹配及所有的特征向量匹配；若该手势轨迹与所述手势库中任一已有的预设手势不匹配，那么为该手势轨迹指定一个与预设在所述手势库中与手势表示列表相关联的且在手势库中唯一的手势标识，并为所述手势库中所有预设手势配置对应操作。如图4所示的手势库中包括各种预设手势；

S2，编辑手势库；对于初步建立的手势库，若对某个预设手势的手势轨迹不满意，用户可以在手势标识列表中选取一个手势标识，将该手势标识定义为原手势，并依据原手势轨迹重新输入更新轨迹。对于多余的预设手势，可随时将其从所述手势库中删除。对手势库进行其它编辑操作；

手势库编辑过程如图3所示，包括如下步骤：

S21，在所述手势库中添加一个新手势，并配置所述新手势对应的操作；

S22，从手势标识列表中选择一个手势标识，重新输入更新轨迹，并判断重新输入的更新轨迹是否与手势库中的任何一个预设手势匹配；若更新轨迹不与手势库中的任何一个预设手势匹配，则在手势库中删除原手势轨迹及其特征信息，并将更新手势轨迹及其特征信息存至手势库中，若更新轨迹与手势库中某一个预设手势匹配，则手势库不作任何改变，撤消该手势轨迹的更新；

S23，选取所述手势标识列表中的一个手势标识，重新输入手势标识的名称；判断重新输入的手势标识的名称是否与手势库中的预设手势的手势标识的名称相同，若相同，则撤消该手势标识名称的更改，若不相同，则更新手势库中的该手势标识的名称。

S24，将多余的手势轨迹及其特征信息从手势库中删除。

S3，手势识别模块撷取待识别手势轨迹坐标数据，即撷取触摸过程中按时间先后顺序的连续触摸的有序离散点集；图5中标记的黑色点触摸设备撷取的坐标点，按触摸先后顺序依次连接获得的坐标点，即依时间先后顺序连续触摸而获得的坐标点所得到的轨迹为初始轨迹；如图5所示，由于所述初始轨迹后半段的点较疏散，因此需对所述点进行插值；

S4，所述手势识别模块对接收到的有序离散点集进行优化，从而使得手势轨迹更加平滑并且点的分布更加均匀；如图6所示，手势轨迹优化过程包括如下步骤：

S41，计算所述有序离散点集中每相邻两点间的间距，选取出大于一预设阈值D1的相邻的两点，并对所述两点间进行插值，插值后的手势轨迹如图7所示；

S42，所述手势识别模块对插值后有序离散点集进行特征点提取，提取步骤如下：

S421，考察所述插值后的有序离散点集中的每一个点，计算相邻各n个点和自身的重心，如果自身到重心的距离大于阈值D2，则把当前点作为一个特征点；

S422，考察所述插值后的有序离散点集中的任意相邻两个特征点p1和p2，计算两个特征点之间的每个点到直线p1-p2的距离，设p3为p1和p2之间到直线p1-p2距离最大的点，若该距离大于某一阈值D3，那么p3为新特征点；

S423，判断是否找到新特征点，如果没有找到新特征点，则执行优化步骤的下一步，如果找到新特征点，那么返回执行步骤S422；所述特征点是指对保持轨迹形状有较大意义的点；特征点选取后的手势轨迹如图8中所示；

S43，删除插值后的有序离散点集中所有非特征点；即，消除插值后的有序离散点集中有些微小抖动的噪声点；

S44，返回步骤S41，直至，再次判断所述插值后的有序离散点集中每相邻两点的间距，直至选取不出所述预设阈值D1的相邻的两点时，结束插值过程以得到优化轨迹；再次插值后的手势轨迹如图9所示；

S5，所述手势识别模块根据优化轨迹，即再次插值后的有序离散点集，提取手势特征值；

可供选择的手势特征值包括但不仅限于以下：手势笔划起点到终点连线矢量的倾角角度值（或倾角的三角函数值）、手势轨迹转角总和、手势轨迹起点和终点的距离与手势轨迹总长度的比值、手势轨迹矩形闭包对角线的长度与手势轨迹总长度的比值，例如，手势旋转角度和：2.132；起点到终点的倾斜角：-0.012；起点到终点的距离与曲线长度的比值：0.429；

S6，所述手势识别模块根据所述优化轨迹，提取手势特征向量；

可选择的特征向量包括但不仅限于以下：手势轨迹中起点按照点集顺序依次到其它各点构成的矢量的倾角构成的向量、手势轨迹中任意相邻两点构成的矢量的倾角构成的向量；其中，所述手势轨迹的特征向量的选择遵循以下原则：所选择的特征向量组合必须能够较完整地表达手势轨迹的特点，若从选择的特征向量组合中去掉某个特征，则余下的特征向量组合就不能较完整地表达手势轨迹的特点。一种优选的手势特征向量组合是：手势轨迹中起点按照点集顺序依次到其它各点构成的矢量的倾角构成的向量，以及手势轨迹中任意相邻两点构成的矢量的倾角构成的向量；其中，所述手势识别模块对所述手势特征向量组合中的每一个特征向量进行压缩，例如，所有所述手势特征向量维度均压缩至30：

S7，将输入的所述手势轨迹的匹配结果R置为空，所述手势识别模块依次读取手势库中的预设手势，判断手势库中是否存在未被比较过的预设手势；

如果所述手势库中存在未比较过的预设手势，则执行下一步；

如果不存在未被比较过的预设手势库，则判断匹配结果是否置为空；如匹配结果R置为空，则结束该流程；如果匹配结果R未置为空，则执行该预设手势相应的操作；

S8，所述手势识别模块从所述手势库中选取一个未与输入的手势轨迹比较过的预设手势G；

S9，所述手势识别模块判断所输入的手势轨迹是否与所述预设手势G的特征值匹配；若特征值不匹配，则判定所述用户输入的手势轨迹不属于预设手势G，返回执行步骤S7；若特征值匹配，则执行下一步；

例如，所述手势识别模块从手势库中读取图5中所示的预设手势A的特征值，其中预设手势A的标识名称为erase，接着将其特征值与所输入的手势轨迹的特征值进行比较。比较手势旋转角度和：用户输入手势轨迹的旋转角度和为2.132，所述预设手势A（erase）的旋转角度和为5.281，差异过大，因此判定输入手势必定不为预设手势A（erase）；

从手势库中读取图5中所示的预设手势B（left-arrow）的特征值，并将其特征值与用户输的入手势轨迹的特征值进行比较。比较手势的旋转角度和：用户输入的手势轨迹的旋转角度和为2.132，所述预设手势（left-arrow）的旋转角度和为2.426，差异不大；再比较起点到终点的倾角：输入手势轨迹的起点到终点的倾角为-0.012，预设手势B（left-arrow）的起点到终点倾角为1.449，差异很大，因此判定输入手势必定不为手势B（left-arrow）；、

同理，继续与所述手势库中的其它预设手势进行比较；

从手势库中读取图5中所示的预设手势C（down-arrow）的特征值，并将其特征值与用户输入的手势轨迹的特征值进行比较。预设手势C（down-arrow）的旋转角度和为2.153，起点到终点的倾角为0.076，起点到终点的距离与曲线长度的比值为0.477，均与输入手势的相应特征比较接近（输入手势上述特征值分别为2.132、-0.012、0.429）。故继续执行下一步，即比较输入手势轨迹与预设手势C（down-arrow）的特征向量；

S10，判断所输入的手势轨迹的特征向量是否与所述预设手势G的特征向量是否匹配；

判断所输入的手势轨迹的特征向量是否与预设手势G的特征向量匹配的一种优选方法：计算特征向量T0和T1的欧几里得距离，若该距离小于某一给定阈值，认为该特征向量T0和T1是匹配的；若特征向量不匹配，那么返回执行步骤S7

例如，手势轨迹中起点按照点集顺序依次到其它各点构成的矢量的倾角构成的向量，该特征向量记为VP1（已压缩至30维）：（-2.303-2.326-2.380-2.452-2.542-2.659-2.809-3.0003.052 2.798 2.545 2.317 2.129 1.966 1.790 1.634 1.518 1.375 1.190 0.962 0.704 0.448 0.217-0.001-0.185-0.332-0.448-0.540-0.608-0.658）；

手势轨迹中任意相邻两点构成的矢量的倾角构成的向量，该特征向量记为VD1（已压缩至30维）：（1.005 1.241 1.282 1.282 1.282 1.282 1.282 1.282 1.282 1.282 1.194 1.194 1.165 0.5800.580 0.473-0.859-0.859-0.859-0.859-0.859-0.859-1.162-1.148-1.148-1.148-1.147-1.166-1.093-1.086）；

设定两个特征向量的欧几里得距离的阈值均为3.0，那么VP0与VP1的欧式距离：0.413；VD0与VD1的欧式距离：1.182；得出两组特征向量的欧几里得距离均在合理范围之内，因此，判定用户输入的手势轨迹的特征向量均在预设手势C（down-arrow）的特征向量匹配；

判断用户输入的手势轨迹的特征向量是否与预设手势G的特征向量匹配的另一种优选方法：CT0和CT1分别为特征向量T0和T1的大小相同的子序列，且CT0和CT1每个对应位置上的特征值均匹配，N为符合条件的子序列的最大长度。称K=N／M为特征向量T0和T1的相似指数。若相似指数K大于某一阈值L（最小值），认为特征向量T0和T1是匹配的；

设定所述M的值等于30，设定两个特征向量均取相似指数阈值L为0.8（最小值），进行如下判定过程：

VP0与VP1的相似指数：1.000；VD0与VD1的相似指数：0.933。两对特征向量的相似指数均在合理范围之内，从而判定所述用户输入的手势轨迹的特征向量与预设手势C（down-arrow）匹配；

同理，继续与所述手势库中的其它预设手势进行比较；

结论为：用户输入的手势轨迹与所述预设手势C（down-arrow）匹配，不与其它预设手势匹配，因此，用户输入的手势轨迹匹配预设手势C（down-arrow）。

S11，如果所述特征向量通过以上所述两种优选方法的检测，那么判定所述用户输入的手势轨迹的特征向量与预设手势的特征向量匹配。保存所输入手势轨迹的匹配结果，即匹配结果R=预设手势G；

S12，如果所述手势识别模块最终判定所述用户输入的手势轨迹只与手势库中的一个预设手势匹配，则向触摸设备反馈该手势轨迹，若没有与预设手势匹配，或同时与两个或两个以上的预设手势匹配，则不向触摸设备反馈该手势轨迹，则不反馈，继续执行步骤S8。

本发明提出一种快速准确的手势识别方法，当手势库中的预设手势数量达到一定规模时，仍能保证较高的解析速度和准确率；同时降低触摸移动速度的变化已经触摸设备对输入点的采用频率的快慢对手势轨迹识别准确率的影响；同时，该方法对应用来说具有很强的灵活性和可定制性。

综上所述，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (8)

1.一种识别自定义手势轨迹的方法，应用于具有触摸显示屏及手势识别模块的触摸设备中，其特征在于，所述识别自定义手势轨迹的方法包括：

步骤1，所述触摸设备接收到一输入的待识别手势轨迹时，判断该手势轨迹与手势库中任一预先建立的手势，即预设手势是否匹配，若不匹配，则将该手势轨迹输入至所述手势库中，并为该手势轨迹指定一个与所述手势库中手势标识列表相关联且在手势库唯一的手势标识；

步骤2，所述手势识别模块撷取待识别手势轨迹的坐标数据，即撷取触摸过程中按时间先后顺序的连续触摸的有序离散点集；

步骤3，所述手势识别模块对接收到的有序离散点集进行优化得到优化的有序离散点集；

步骤4，所述手势识别模块从所述优化的有序离散点集中提取所述手势的特征信息；

步骤5，所述手势识别模块将输入的手势轨迹及其特征信息与所述手势库中每一个预设手势的特征信息进行比较，若仅与一个预设手势匹配成功，则向触摸设备反馈该手势轨迹；若没有与预设手势匹配成功，或同时与两个或两个以上的预设手势匹配，则不向触摸设备反馈该手势轨迹。

2.根据权利要求1所述的识别自定义手势轨迹的方法，其特征在于，于所述步骤1中还包括：判断该手势轨迹与手势库中任一预设手势是否匹配，若匹配，则添加手势失败。

3.根据权利要求1所述的识别自定义手势轨迹的方法，其特征在于，于所述步骤1中还包括对所述数据库编辑的步骤：

步骤11，在手势库中添加一个新手势；

步骤12，选取所述手势标识列表中的一手势标识，并重新输入更新轨迹；判断重新输入的更新轨迹是否与手势库中的任何一个预设手势相匹配，若否，则将该更新轨迹及其特征信息保存至所述手势库中，若是，则撤销该手势轨迹的更新；

步骤13，选取所述手势标识列表中的一手势标识，重新输入手势标识的名称；判断重新输入的手势标识的名称与手势库中的预设手势的手势标识的名称是否相同，若否，则更新手势库中的该手势标识的名称，若是，则撤销该手势标识名称的更改；

步骤14，将多余的手势轨迹及其特征信息从手势库中删除。

4.根据权利要求1所述的所述的识别自定义手势轨迹的方法，其特征在于，于所述步骤3中所述手势识别模块对所述接收到的有序离散点集优化的步骤包括：

步骤31，计算接收到的有序离散点集中每相邻两点的间距，并选取出大于一预设阈值的相邻的两点，并对所述两点间进行插值；

步骤32，对插值后的有序离散点集进行特征点提取；

步骤33，删除插值后的有序离散点集中所有非特征点；

步骤34，返回步骤31，直至，再次判断插值后的有序离散点集中每相邻两点的间距，直至选取不出该预设阈值的相邻的两点时结束插值作业以得到优化的有序离散点集。

5.根据权利要求1所述的识别自定义手势轨迹的方法，其特征在于，于所述步骤4中提取手势特征信息的步骤包括：

步骤41，所述手势识别模块根据优化轨迹，提取手势特征值；

步骤42，所述手势识别模块根据优化轨迹，提取手势特征向量。

6.根据权利要求5所述的识别自定义手势轨迹的方法，其特征在于，所述手势特征值包括：所述手势轨迹起点到终点连线矢量的倾角角度值、手势轨迹转角总和、手势轨迹起点和终点的距离与手势轨迹总长度的比值、手势轨迹矩形闭包对角线的长度与手势轨迹总长度的比值。

7.根据权利要求5所述的识别自定义手势轨迹的方法，其特征在于，所述手势特征向量包括：手势轨迹起点按照点集顺序依次到其它各点构成的矢量的倾角构成的向量、和手势轨迹中任意相邻两点构成的矢量的倾角构成的向量。

8.根据权利要求1所述的识别自定义手势轨迹的方法，其特征在于，于所述步骤5还包括：

步骤51，所述手势识别模块从所述手势库中取出一个未与输入的手势轨迹比较过的预设手势，所述预设手势中包括手势标识和手势特征信息；

步骤52，所述手势模块判断所述输入的手势轨迹的特征值是否与所述预设手势的特征值匹配；若不匹配，则判定所述输入的手势轨迹不为预设手势，执行步骤51；若匹配，则执行下一步骤；

步骤53，判断输入的手势轨迹的特征向量是否与所述预设手势的特征向量匹配，若是，则向触摸设备反馈该手势轨迹；若否，则执行步骤51。

Images