CN104866099A - 基于运动传感器提高智能设备手势识别精度的误差补偿方法 - Google Patents

Abstract

本发明公开了一种基于运动传感器提高智能设备手势识别精度的误差补偿方法，通过同时使用加速度传感器和陀螺仪，提高识别准确率和用户体验。在运动检测中，针对现有方案中计算量大，每个手势的测量值由于用户个体的差异而有所区别的问题，本发明采用一种基于自适应阈值的方法来对滤波后的手势信号进行分段，确定手势的起点和终点。在加速度误差补偿阶段，对经过坐标转换的加速度值进行误差补偿，从而减小加速度的零位移偏差对手势识别精度的影响。

Description

基于运动传感器提高智能设备手势识别精度的误差补偿方法

技术领域

本发明涉及一种基于运动传感器提高智能设备手势识别精度的误差补偿方法，属于人机交互技术。

背景技术

手势作为一种新型的、自然的人机交互方式得到了广泛的研究，已经逐渐应用于手持移动设备和远程控制领域。目前存在两种方式的手势识别技术：基于图像的手势识别和基于传感器的手势识别技术。前者发展成熟、算法识别成功率高，但是受光线和背景等外部条件的影响比较大，而后者仅和手势的移动相关，基本不受外界条件的影响。目前智能手机功能强大，不仅包括通信模块，还包括加速度传感器、陀螺仪、光线传感器等，这也为利用加速度传感器和陀螺仪进行手势识别提供了可能。

基于传感器的手势识别步骤一般包括手机坐标系和导航坐标系的变换、再对变换到导航坐标系中的加速度值进行两次积分得到三维轨迹，最后，将三维轨迹转换到二维平面中实现手势的还原。而坐标变换和轨迹还原的精度从本质上说与测得的角速度和加速度都有关系，由于传感器存在确定性误差和随机误差，通过积分的累积效应，误差会随着时间的增长而变大，从而影响识别的精确度。通过对误差传播模型的分析，可以得到以下结论：姿态误差主要是由陀螺仪误差和初始校准时的欧拉角引起的；位置误差和速度误差主要由导航坐标系下的加速度误差△aⁿ引起。

下面结合现有技术中较有代表性的两种手势识别方法对现有技术及其存在的问题加以说明。

方法一

文献[1]中的方案是基于DTW(Dynamic Time Warping，动态时间规整)的手势识别方案，由三个阶段组成，手势准备阶段、手势训练阶段和手势识别阶段。手势准备阶段利用手势采集算法提取出有效的手势加速度数据，然后对采集的原始数据进行预处理，包括失真补偿、转换坐标系、重采样、平滑滤波和归一化等，使数据格式规整、统一；手势训练阶段采用DTW算法计算训练样本间的相似度，再利用AP(亲和传播聚类)算法提取手势模版；手势识别阶段采用DTW对待识别手势和手势模版进行匹配计算，通过二者的相似度筛选手势聚类，重构字典；采用快速傅立叶变换FFT估算待识别手势稀疏度，在重构字典基础上，利用一种MSAMP(改进的稀疏度自适应匹配追踪)对待识别手势进行稀疏重构；根据重构结果的逼近误差特征，对待识别的手势进行分类。

方法一存在如下缺点：

1、基于DTW(动态模版匹配)的手势识别方法中关键是建立手势模板数据，因为这直接影响算法对个体差异的适应性和识别的准确率。而手势数据模板是由训练样本得到的，训练阶段所选样本数据和样本的大小决定了匹配模版的准确率。由于训练样本只是部分用户数据，难以建立实用性广泛的手势模版，这就导致算法识别准确率低、个体差异适应性差的特点。而且，需要对所有的模板进行匹配，计算量大，随着手势数目的增加，其算法的实时性会大大降低。

2、基于DTW手势识别方法中，只使用了加速度传感器的输出值，无法获取设备的姿态信息，这样，手势操作就只能在限定的设备姿态下进行，大大降低了用户体验和识别的准确率。

方法二

文献[2]中给出了一种智能设备轨迹还原的方法。包含运动检测、误差补偿和轨迹的重建三个步骤，在误差补偿阶段采用ZVC(Zero Velocity Compensation，零速度补偿)方法对欧拉角和加速度进行修正。该方法的框图如图1所示，具体步骤如下：

1、运动检测阶段采用三轴加速度标准差(式2)的平均值(式1)与设定的阈值进行比较来表示抖动的剧烈程度。当标准差的平均值大于阈值时，为运动状态。

δ＝1/3[δ(X)+δ(Y)+δ(Z)]   (1)

$\mathrm{\δ}\left(X\right)=\sqrt{\underset{k=1}{\overset{\∞}{\mathrm{\Σ}}}{[X_k-E\left(X\right)]}^2{p}_k}---\left(2\right)$

其中，δ(X)、δ(Y)和δ(Z)分别表示X、Y、Z轴上的加速度标准差，X_k表示X轴上的第k个采样点的加速度值，E(X)表示样本X的平均值，p_k表示X_k出现的概率。

2、欧拉角补偿，假设在t＝0的时候，系统初始校准误差为0，而航向角ψ、横滚角倾斜角θ的误差随着时间的增加而线性增长，从而对计算出的欧拉角进行修正。

3、加速度的补偿算法如式(3-6)所示，其中为原始测量加速度值经过坐标变换后的加速度值，为静止时的速度，Vⁿ(t)是按照线性模型补偿后得到的速度值。再对所得速度进行积分获得三维空间的轨迹，然后再将三维轨迹转换到二维平面中。

${\hat{V}}^n\left(t\right)={\&Integral;}_0^t{\hat{a}}^n\mathrm{dt}(0<t<t_{\mathrm{end}})---\left(3\right)$

$V_v^n\left(t\right)=0,(0<t\&le;t_1,t_2\&le;t\&le;t_{\mathrm{end}})---\left(4\right)$

$\mathrm{\&Delta;}{V}^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ \frac{{\hat{V}}^n\left(t_2\right)}{t_2-t_1}(t-t_1)& (t_1<t\&le;t_2)\\ 0& (t_1<t\&le;t_{\mathrm{end}})\end{array}\right.---\left(5\right)$

$V^n\left(t\right)=\left\{\begin{array}{cc}0& (0<t\&le;t_1)\\ {\hat{V}}^n\left(t\right)-\frac{{\hat{V}}^n\left(t_2\right)}{t_2-t_1}(t-t_1)& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.---\left(6\right)$

其中，t₀～t₁表示运动前的静止时段，t₁～t₂表示运动时段，t₂～t_end表示运动后的静止时段。

方法二存在如下缺点：

1、运动检测阶段只考虑到了与加速度相关的阈值，即将三个轴加速度数据方差的平均值作为阈值，但方差牵涉的运算量比较大，这对于智能设备有限的计算能力和电量是不可取的。

2、在加速度误差补偿阶段，直接对经过坐标变换的进行积分得到速度值，而不先对加速度进行修正，虽然后面对速度的值进行了修正，但是加速度的误差已经在积分的过程中被累积到速度中，尤其是加速度的零位移偏移造成的影响最大。

参考文献(如专利/论文/标准)

[1]王海婴,李正山.一种基于加速度传感器的手势识别方法[P].北京:CN103984416A,2014-08-13.

[2]张春龙.基于智能手机的智能家居控制系统的设计与实现[D].西安电子科技大学,2014.

[3]Sung-Jung Cho,Jong Koo Oh,Wook Chang,et al.Magic Wand:A novel hand gestureinput device based on inertial sensing technique[C].30th Annual Conference of IEEE onIndustrial Electronics Society,2004:2786～2791.

发明内容

发明目的：为克服传统手势识别中只使用加速度传感器，而无法获取设备姿态信息，使得手势操作只能在限定的设备姿态下进行的问题，本发明通过同时使用加速度传感器和陀螺仪提高智能设备手势识别精度和用户体验，根据运用于智能家居控制终端运动的特征，从优化相关参量的误差补偿方法入手，设计带有误差补偿的移动轨迹还原算法，从而提高手势识别的精确度。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于运动传感器提高智能设备手势识别精度的误差补偿方法，同时使用加速度传感器和陀螺仪进行手势识别，具体包括如下步骤：

(1)运动检测阶段：基于自适应阈值的方法对滤波后的手势信号进行分段，以确定手势起点和手势终点，即：当去除重力加速度后的加速度幅值和角速度幅值中任意一个大于起点设置的门限时，确定对应时刻为手势起点；当去除重力加速度后的加速度幅值和角速度幅值均小于终点设置的门限时，确定对应时刻为手势终点；同时，为了有效减少因抖动而造成的误检测，引入超时机制以去除误动作；具体执行过程如下：

对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：使用分别表示加速度传感器在第n个采样点上的X、Y、Z轴上的加速度值，使用分别表示陀螺仪在第n个采样点上的X、Y、Z轴上的角速度值，计算：

$R_a\left(n\right)=|\sqrt{{\left(x_n^a\right)}^2+{\left(y_n^a\right)}^2+{\left(z_n^a\right)}^2}-g|$

$R_w\left(n\right)=\left|\sqrt{{\left(x_n^w\right)}^2+{\left(y_n^w\right)}^2+{\left(z_n^w\right)}^2}\right|$

其中，g表示重力加速度，R_a(n)表示第n个采样点上去除重力加速度的加速度幅值，R_w(n)表示第n个采样点上的角速度幅值；进行如下判断：

①若R_a(M)>δ_th1，M＝n₁,n₁+1…,n₁+N，则判断采样点n₁为加速度起点；若R_w(M)>δ_th2，M＝m₁,m₁+1…,m₁+N，则判断采样点m₁为角速度起点；在此引入超时机制，判断在检测到加速度起点/角速度起点后的一定时长t^*内，是否检测到角速度起点/加速度起点，若检测到，则确定手势起点的坐标为A＝min(n₁,m₁)；其中，N＝5；

②若R_a(M)<δ_th1，M＝n₂,n₂+1…,n₂+N，则判断采样点n₂为加速度终点；若R_w(M)<δ_th2，M＝m₂,m₂+1…,m₂+N，则判断采样点m₂为角速度终点；确定手势终点的坐标为B＝max(n₂,m₂)；其中，N＝5；

以t₀～t₁时段表示运动前的静止时段，计算该静止时段的所有采样点的加速度平均值和角速度平均值同时设定系数K_t，定义加速度阈值δ_th1和角速度阈值δ_th2分别为：

${\mathrm{\&delta;}}_{\mathrm{th}1}=K_t{\stackrel{\&OverBar;}{R}}_a$

${\mathrm{\&delta;}}_{\mathrm{th}2}=K_t{\stackrel{\&OverBar;}{R}}_w$

通过多次实验确定，当K_t＝2时能有效降低由于突然抖动而产生的误检测；

(2)手势的三维空间轨迹重建阶段：对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：对经过低通滤波器滤波后的原始采样信号先进行坐标转换，然后对坐标转换后的加速度值进行前段补偿和后段补偿，接着对补偿后的加速度值进行积分以得到速度，最后对速度进行后段补偿，最终积分获得手势的三维空间轨迹；具体执行过程如下：

以t₁～t₂时段表示运动时段，以t₂～t_end时段表示运动后的静止时段，将t时刻的原始加速度值进行坐标转换后得到aⁿ(t)，以表示t₀～t₁时段内加速度aⁿ(t)的平均值，以表示t₂～t_end时段内加速度aⁿ(t)的平均值；

对aⁿ(t)进行前段补偿后得到对aⁿ(t)进行后段补偿后得到

${\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{a}}^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ a^n\left(t\right)-\frac{{\stackrel{\&OverBar;}{a}}_{t_0-t_1}}{t_1}& (t_1<t\&le;t_{\mathrm{end}})\end{array}\right.$

${\hat{a}}^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ {\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{a}}^n\left(t\right)-\frac{{\stackrel{\&OverBar;}{a}}_{t_2-t_{\mathrm{end}}}(t-t_1)}{t_2-t_1}& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对补偿后的加速度值进行积分后得到速度Vⁿ(t)：

$V^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ {\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{a}}^n\left(t\right)(t-t_1)-\frac{{\stackrel{\&OverBar;}{a}}_{t_2-t_{\mathrm{end}}}{(t-t_1)}^2}{2(t_2-t_1)}& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对速度进行后段补偿得到最终速度

${\hat{V}}^n\left(t\right)=\left\{\begin{array}{cc}0& (0<t\&le;t_1)\\ V^n\left(t\right)-\frac{V^n\left(t_2\right)-V^n\left(t_1\right)}{t_2-t_1}& (t-t_1)(t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对补偿后的速度进行积分从而还原手势的三维空间轨迹。

所述运动检测阶段的具体执行过程如下：

(101)对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：对于当前采样点，计算去除重力加速度的加速度幅值R_a(M)和角速度幅值R_w(M)，执行步骤(102)；

(102)若R_a(M)>δ_th1，则当前采样点为加速度起点，执行步骤(103)；若R_w(M)>δ_th2，则当前采样点为角速度起点，执行步骤(105)；若R_a(M)<δ_th1，则当前采样点为加速度终点，执行步骤(108)；若R_w(M)<δ_th2，则当前采样点为角速度终点，执行步骤(109)；

(103)加速度起点后的t^*时长内是否检测到角速度起点：若检测到，则执行步骤(104)；否则，执行步骤(107)；

(104)将加速度起点确定为手势起点，执行步骤(111)；

(105)角速度起点后的t^*时长内是否检测到加速度起点：若检测到，则执行步骤(106)；否则，执行步骤(107)；

(106)将角速度起点确定为手势起点，执行步骤(111)；

(107)判断当前采样点为误动作，执行步骤(111)；

(108)判断当前节点是否同时为角速度终点：若是，则执行步骤(110)；否则，执行步骤(111)；

(109)判断当前节点是否同时为加速度终点：若是，则执行步骤(110)；否则，执行步骤(111)；

(110)将当前采样点确定为手势终点，执行步骤(111)；

(111)采集下一个采样点，返回步骤(101)。

有益效果：本发明提供的基于运动传感器提高智能设备手势识别精度的误差补偿方法，与现有的手势识别方法相比，本发明不需要设计专门的传感器，在搭载加速度传感器和陀螺仪的终端上都能够使用；并采用一种基于自适应阈值的方法来完成经过信号处理的信号的起点和终点的判断；同时对加速度的补偿进行了更合理的优化，从而使得还原的三维轨迹更准确，提高了手势识别的准确率；为实际的工程应用提供了理论基础。

附图说明

图1是基于ZVC零速度补偿算法的手势轨迹还原流程图；

图2是本发明实施例中带有误差补偿的基于改进的ZVC手势轨迹还原整体框图；

图3是本发明实施例中判断手势起点流程图。

具体实施方式

下面结合附图对本发明作更进一步的说明。

为克服传统手势识别中只使用加速度传感器，而无法获取设备姿态信息，使得手势操作只能在限定的设备姿态下进行的问题，本发明通过同时使用加速度传感器和陀螺仪，提高识别准确率和用户体验。在运动检测中，针对现有方案中计算量大，每个手势的测量值由于用户个体的差异而有所区别的问题，本发明采用一种基于自适应阈值的方法来对滤波后的手势信号进行分段，确定手势的起点和终点。在加速度误差补偿阶段，对经过坐标转换的加速度值进行误差补偿，从而减小加速度的零位移偏差对手势识别精度的影响。

下面结合实施例对本发明做出进一步的说明。

一种基于运动传感器提高智能设备手势识别精度的误差补偿方法，同时使用加速度传感器和陀螺仪进行手势识别，包括运动检测阶段和手势的三维空间轨迹重建阶段两个重要阶段。

(1)运动检测阶段

手势识别的第一步是确定手势的起点和终点，从而有效截取手势信号段。当手势动作开始时，加速度信号和角速度信号发生剧烈变化，因此可以同时比较加速度传感器和陀螺仪手势信号值与相应阈值的关系来确定起点和终点，但是要考虑到加速度和角速度不一定同时达到手势的起点和终点阈值的问题。

由于一次手势持续时间大约为0.5～1s，即手势的频率为1～2Hz，因此可以将信号的采样频率设置为100Hz。在进行运动检测之前，先通过低通滤波器来滤除高频分量。使用分别表示加速度传感器在第n个采样点上的X、Y、Z轴上的加速度值，使用分别表示陀螺仪在第n个采样点上的X、Y、Z轴上的角速度值，计算：

$R_a\left(n\right)=|\sqrt{{\left(x_n^a\right)}^2+{\left(y_n^a\right)}^2+{\left(z_n^a\right)}^2}-g|$

$R_w\left(n\right)=\left|\sqrt{{\left(x_n^w\right)}^2+{\left(y_n^w\right)}^2+{\left(z_n^w\right)}^2}\right|$

其中，g表示重力加速度，R_a(n)表示第n个采样点上去除重力加速度的加速度幅值，R_w(n)表示第n个采样点上的角速度幅值；进行如下判断：

①若R_a(M)>δ_th1，M＝n₁,n₁+1…,n₁+N，则判断采样点n₁为加速度起点；若R_w(M)>δ_th2，M＝m₁,m₁+1…,m₁+N，则判断采样点m₁为角速度起点；在此引入超时机制，判断在检测到加速度起点/角速度起点后的一定时长t^*＝0.1s内，是否检测到角速度起点/加速度起点(结合采样频率和t^*值的设定，即判断|m₁-n₁|≤10是否成立)，若检测到，则确定手势起点的坐标为A＝min(n₁,m₁)；其中，N＝5；

②若R_a(M)<δ_th1，M＝n₂,n₂+1…,n₂+N，则判断采样点n₂为加速度终点；若R_w(M)<δ_th2，M＝m₂,m₂+1…,m₂+N，则判断采样点m₂为角速度终点；确定手势终点的坐标为B＝max(n₂,m₂)；其中，N＝5。

以t₀～t₁时段表示运动前的静止时段，计算该静止时段的所有采样点的加速度平均值和角速度平均值同时设定系数K_t，定义加速度阈值δ_th1和角速度阈值δ_th2分别为：

${\mathrm{\&delta;}}_{\mathrm{th}1}=K_t{\stackrel{\&OverBar;}{R}}_a$

${\mathrm{\&delta;}}_{\mathrm{th}2}=K_t{\stackrel{\&OverBar;}{R}}_w$

通过多次实验确定，当K_t＝2时能有效降低由于突然抖动而产生的误检测；如图3所示，手势起点和手势终点判断的流程如下：

(101)对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：对于当前采样点，计算去除重力加速度的加速度幅值R_a(M)和角速度幅值R_w(M)，执行步骤(102)；

(102)若R_a(M)>δ_th1，则当前采样点为加速度起点，执行步骤(103)；若R_w(M)>δ_th2，则当前采样点为角速度起点，执行步骤(105)；若R_a(M)<δ_th1，则当前采样点为加速度终点，执行步骤(108)；若R_w(M)<δ_th2，则当前采样点为角速度终点，执行步骤(109)；

(103)加速度起点后的t^*时长内是否检测到角速度起点：若检测到，则执行步骤(104)；否则，执行步骤(107)；

(104)将加速度起点确定为手势起点，执行步骤(111)；

(105)角速度起点后的t^*时长内是否检测到加速度起点：若检测到，则执行步骤(106)；否则，执行步骤(107)；

(106)将角速度起点确定为手势起点，执行步骤(111)；

(107)判断当前采样点为误动作，执行步骤(111)；

(108)判断当前节点是否同时为角速度终点：若是，则执行步骤(110)；否则，执行步骤(111)；

(109)判断当前节点是否同时为加速度终点：若是，则执行步骤(110)；否则，执行步骤(111)；

(110)将当前采样点确定为手势终点，执行步骤(111)；

(111)采集下一个采样点，返回步骤(101)。

(2)手势的三维空间轨迹重建阶段

通过对误差传播模型的建立，分析出需要从欧拉角和加速度两个参量进行补偿。本发明主要从加速度补偿的角度进行改进。

对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：对经过低通滤波器滤波后的原始采样信号先进行坐标转换，然后对坐标转换后的加速度值进行前段补偿和后段补偿，接着对补偿后的加速度值进行积分以得到速度，最后对速度进行后段补偿，最终获得手势的三维空间轨迹；具体执行过程如下：

以t₁～t₂时段表示运动时段，以t₂～t_end时段表示运动后的静止时段，将t时刻的原始加速度值进行坐标转换后得到aⁿ(t)，以表示t₀～t₁时段内加速度aⁿ(t)的平均值，以表示t₂～t_end时段内加速度aⁿ(t)的平均值；

对aⁿ(t)进行前段补偿后得到对aⁿ(t)进行后段补偿后得到

${\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{a}}^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ a^n\left(t\right)-\frac{{\stackrel{\&OverBar;}{a}}_{t_0-t_1}}{t_1}& (t_1<t\&le;t_{\mathrm{end}})\end{array}\right.$

${\hat{a}}^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ {\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{a}}^n\left(t\right)-\frac{{\stackrel{\&OverBar;}{a}}_{t_2-t_{\mathrm{end}}}(t-t_1)}{t_2-t_1}& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对补偿后的加速度值进行积分后得到速度Vⁿ(t)：

$V^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ {\stackrel{\stackrel{\&OverBar;}{\&OverBar;}}{a}}^n\left(t\right)(t-t_1)-\frac{{\stackrel{\&OverBar;}{a}}_{t_2-t_{\mathrm{end}}}{(t-t_1)}^2}{2(t_2-t_1)}& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对速度进行后段补偿得到最终速度

${\hat{V}}^n\left(t\right)=\left\{\begin{array}{cc}0& (0<t\&le;t_1)\\ V^n\left(t\right)-\frac{V^n\left(t_2\right)-V^n\left(t_1\right)}{t_2-t_1}& (t-t_1)(t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对补偿后的速度进行积分从而还原手势的三维空间轨迹。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (2)

1.一种基于运动传感器提高智能设备手势识别精度的误差补偿方法，其特征在于：同时使用加速度传感器和陀螺仪进行手势识别，具体包括如下步骤：

(1)运动检测阶段：基于自适应阈值的方法对滤波后的手势信号进行分段，以确定手势起点和手势终点，即：当去除重力加速度后的加速度幅值和角速度幅值中任意一个大于起点设置的门限时，确定对应时刻为手势起点；当去除重力加速度后的加速度幅值和角速度幅值均小于终点设置的门限时，确定对应时刻为手势终点；同时，为了有效减少因抖动而造成的误检测，引入超时机制以去除误动作；具体执行过程如下：

对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：使用分别表示加速度传感器在第n个采样点上的X、Y、Z轴上的加速度值，使用分别表示陀螺仪在第n个采样点上的X、Y、Z轴上的角速度值，计算：

$R_a\left(n\right)=|\sqrt{{\left(x_n^a\right)}^2+{\left(y_n^a\right)}^2+{\left(z_n^a\right)}^2}-g|$

$R_w\left(n\right)=\left|\sqrt{{\left(x_n^w\right)}^2+{\left(y_n^w\right)}^2+{\left(z_n^w\right)}^2}\right|$

其中，g表示重力加速度，R_a(n)表示第n个采样点上去除重力加速度的加速度幅值，R_w(n)表示第n个采样点上的角速度幅值；进行如下判断：

①若R_a(M)>δ_th1，M＝n₁,n₁+1…,n₁+N，则判断采样点n₁为加速度起点；若R_w(M)>δ_th2，M＝m₁,m₁+1…,m₁+N，则判断采样点m₁为角速度起点；在此引入超时机制，判断在检测到加速度起点/角速度起点后的一定时长t^*内，是否检测到角速度起点/加速度起点，若检测到，则确定手势起点的坐标为A＝min(n₁,m₁)；其中，N＝5；

②若R_a(M)<δ_th1，M＝n₂,n₂+1…,n₂+N，则判断采样点n₂为加速度终点；若R_w(M)<δ_th2，M＝m₂,m₂+1…,m₂+N，则判断采样点m₂为角速度终点；确定手势终点的坐标为B＝max(n₂,m₂)；其中，N＝5；

以t₀～t₁时段表示运动前的静止时段，计算该静止时段的所有采样点的加速度平均值和角速度平均值同时设定系数K_t，定义加速度阈值δ_th1和角速度阈值δ_th2分别为：

${\mathrm{\&delta;}}_{\mathrm{th}1}=K_t{\stackrel{\&OverBar;}{R}}_a$

${\mathrm{\&delta;}}_{\mathrm{th}2}=K_t{\stackrel{\&OverBar;}{R}}_w$

(2)手势的三维空间轨迹重建阶段：对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：对经过低通滤波器滤波后的原始采样信号先进行坐标转换，然后对坐标转换后的加速度值进行前段补偿和后段补偿，接着对补偿后的加速度值进行积分以得到速度，最后对速度进行后段补偿，最终积分获得手势的三维空间轨迹；具体执行过程如下：

以t₁～t₂时段表示运动时段，以t₂～t_end时段表示运动后的静止时段，将t时刻的原始加速度值进行坐标转换后得到aⁿ(t)，以表示t₀～t₁时段内加速度aⁿ(t)的平均值，以表示t₂～t_end时段内加速度aⁿ(t)的平均值；

对aⁿ(t)进行前段补偿后得到对aⁿ(t)进行后段补偿后得到

${\stackrel{=}{a}}^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ a^n\left(t\right)-\frac{{\stackrel{\&OverBar;}{a}}_{t_0-t_1}}{t_1}& (t_1<t\&le;t_{\mathrm{end}})\end{array}\right.$

${\hat{a}}^{\text{n}}\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ {\stackrel{=}{a}}^n\left(t\right)-\frac{{\stackrel{\&OverBar;}{a}}_{t_2-t_{\mathrm{end}}}(t-t_1)}{t_2-t_1}& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对补偿后的加速度值进行积分后得到速度Vⁿ(t)：

$V^n\left(t\right)=\left\{\begin{array}{cc}0& (t_0<t\&le;t_1)\\ {\stackrel{=}{a}}^n\left(t\right)(t-t_1)-\frac{{\stackrel{\&OverBar;}{a}}_{t_2-t_{\mathrm{end}}}{(t-t_1)}^2}{2(t_2-t_1)}& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对速度进行后段补偿得到最终速度

${\hat{V}}^{\text{n}}\left(t\right)=\left\{\begin{array}{cc}0& (0<t\&le;t_1)\\ V^n\left(t\right)-\frac{V^n\left(t_2\right)-V^n\left(t_1\right)}{t_2-t_1}\left({t-t}_1\right)& (t_1<t\&le;t_2)\\ 0& (t_2<t\&le;t_{\mathrm{end}})\end{array}\right.$

对补偿后的速度进行积分从而还原手势的三维空间轨迹。

2.根据权利要求1所述的基于运动传感器提高智能设备手势识别精度的误差补偿方法，其特征在于：所述运动检测阶段的具体执行过程如下：

(101)对于加速度传感器和陀螺仪检测到的原始采样信号，先通过低通滤波器滤除高频分量，接着进行如下计算：对于当前采样点，计算去除重力加速度的加速度幅值R_a(M)和角速度幅值R_w(M)，执行步骤(102)；

(102)若R_a(M)>δ_th1，则当前采样点为加速度起点，执行步骤(103)；若R_w(M)>δ_th2，则当前采样点为角速度起点，执行步骤(105)；若R_a(M)<δ_th1，则当前采样点为加速度终点，执行步骤(108)；若R_w(M)<δ_th2，则当前采样点为角速度终点，执行步骤(109)；

(103)加速度起点后的t^*时长内是否检测到角速度起点：若检测到，则执行步骤(104)；否则，执行步骤(107)；

(104)将加速度起点确定为手势起点，执行步骤(111)；

(105)角速度起点后的t^*时长内是否检测到加速度起点：若检测到，则执行步骤(106)；否则，执行步骤(107)；

(106)将角速度起点确定为手势起点，执行步骤(111)；

(107)判断当前采样点为误动作，执行步骤(111)；

(108)判断当前节点是否同时为角速度终点：若是，则执行步骤(110)；否则，执行步骤(111)；

(109)判断当前节点是否同时为加速度终点：若是，则执行步骤(110)；否则，执行步骤(111)；

(110)将当前采样点确定为手势终点，执行步骤(111)；

(111)采集下一个采样点，返回步骤(101)。