CN105005378A - 一种可以控制远程电器的手势识别系统及控制方法 - Google Patents

Abstract

一种可以控制远程电器的手势识别系统及控制方法，所述系统包括一内置有手势识别远程控制电路的操作手柄，所述的控制电路主要由模式识别微处理器、9轴姿态传感器和蓝牙传输模块组成，9轴姿态传感器和模式识别微处理器采用I²C总线通信，模式识别微处理器与蓝牙传输模块之间采用串口TTL通信；模式识别微处理器通过I²C总线按照一定时间间隔采集9轴姿态传感器的数据，采集的数据使用模式识别函数处理得出手势分类，根据分类结果进行编码后通过串口TTL传输到蓝牙传输模块并发送到转换装置；使用者手势会通过手柄的模式识别微处理器识别成特定的操控命令，通过蓝牙信号转换装置，转换为适合远距离传输的数字信号，并通过通信网络传输信号；在信号接收端通过信号转换装置将信号转换为可以控制实际电器的信号，从而实现远程电器控制。

Description

一种可以控制远程电器的手势识别系统及控制方法

技术领域

本发明涉及的是一种可以控制远程电器的手势识别系统及控制方法，属于智能控制技术领域。

背景技术

国内外研究表明，随着家居智能化的发展，控制电器所使用的方式越来越复杂，能控制的电器也越来越多，复杂度的上升导致了用户体验的下降，用户需要花费更多精力来学习不同的界面和各种不同的控制和设置方式。目前，家居智能化电器控制的创新点主要集中在以下几个方面：从控制设备来说，主要有智能路由器、电视机顶盒和游戏机等；从控制方式来说，主要有通过APP将手机变成万能遥控器、增加控制面板和基于情景模式的控制模式。基本所有的技术手段都不同程度地增加了用户使用的复杂性，采用不通过脑部海马体记忆的手势记忆方式可以相当程度上降低用户的学习难度，减少用户的操作复杂度从而提高用户满意度。

发明内容

本发明的目的在与克服现有技术存在的不足，而提供一种结构组成合理，使用操作方便，能减少用户操作的复杂度，提高用户满意度的可以控制远程电器的手势识别系统及控制方法。

本发明的目的是通过如下技术方案来完成的，一种可以控制远程电器的手势识别系统，它包括一操作手柄，该操作手柄内置有手势识别远程控制电路，所述的控制电路主要由模式识别微处理器CPU、9轴姿态传感器和蓝牙传输模块组成，其中9轴姿态传感器和模式识别微处理器CPU采用I²C总线通信，模式识别微处理器CPU与低功耗的蓝牙传输模块之间采用串口TTL通信；

所述的模式识别微处理器CPU通过I²C总线按照一定时间间隔采集9轴姿态传感器的数据，采集的数据使用模式识别函数处理，得出手势分类，并根据分类结果进行编码后再通过串口TTL传输到蓝牙传输模块发送到转换装置。

本发明所述的模式识别函数的生成是通过超算系统采用BP算法实现，具体包括：

输入层节点1800个，隐含层节点36个，输出层节点2个，以下分析以输入层到隐含层为例：

隐含层第j个节点的输入为：输入层到隐含层第j个节点的权值系数乘以输入层变量

其中激励函数为非线性函数

激励函数的微分

误差函数对于权值矩阵的偏微分方程，其中

又因为：

所以可推导出误差函数的偏微分等于：

$\frac{\mathrm{\θ}E}{{\mathrm{\θw}}_{ij}}={\mathrm{\δ}}_j{x}_i$

其中

由此可推出，BP算法后向的权值调整方程为，α为神经网络算法的学习率：

${\mathrm{\Δw}}_{ij}=-\mathrm{\α}\frac{\mathrm{\δ}E}{{\mathrm{\δw}}_{ij}}$

一种利用所述可以控制远程电器的手势识别系统进行远程电器控制方法，所述的控制方法包括如下步骤：

a)由模式识别微处理器CPU进行手势数据收集，并将加速度计和陀螺仪数据向量化，将地磁数据向量化；

b)由模式识别微处理器CPU生成神经网络训练数据集，并进行BP算法形成识别矩阵其  中加速度和陀螺仪一个，地磁一个共两个；

c)根据识别矩阵形成识别函数写入到模式识别微处理器CPU的存储器ROM内；

d)模式识别微处理器CPU调用识别函数判断手势类型，并根据识别结果生成控制编码；

e)由模式识别微处理器CPU通过低功耗的蓝牙传输模块(3)控制编码发送到转换装置，如手机上，再由转换装置发送控制数据到网络；

f)由接收端的转换装置，如手机发送控制信号到目标电器，实现远程电器控制。

本发明所述手柄的手势识别和姿态判断是由深度神经网络实现，但简单的识别功能如开启和敲击可以用其他相对简单的识别函数实现，从而节省cpu的存储空间；本发明的主要作用是减少用户操作复杂度，从原来的打开设备、输入密码、找到应用、操作应用、控制设备等复杂流程减少到：拿起手柄挥舞、完成控制。远程控制的电器还能用于社交、老年人关怀等应用。

本发明具有结构组成合理，使用操作方便，能减少用户操作的复杂度，提高用户满意度等特点。

附图说明

图1是本发明所述的系统组成示意图。

图2是本发明所述系统控制原理图。

具体实施方式

下面将结合附图对本发明作详细的介绍：图1所示，本发明所述的一种可以控制远程电器的手势识别系统，它包括一操作手柄4，该操作手柄4内置有手势识别远程控制电路，所述的控制电路主要由模式识别微处理器CPU1、9轴姿态传感器2和蓝牙传输模块3组成，其中9轴姿态传感器2和模式识别微处理器CPU1采用I²C总线通信，模式识别微处理器CPU1与低功耗的蓝牙传输模块3之间采用串口TTL通信；

所述的模式识别微处理器CPU1通过I²C总线按照一定时间间隔采集9轴姿态传感器2的数据，采集的数据使用模式识别函数处理，得出手势分类，并根据分类结果进行编码后再通过串口TTL传输到蓝牙传输模块3发送到转换装置。

本发明所述的模式识别函数的生成是通过超算系统采用BP算法实现，具体包括：

输入层节点1800个，隐含层节点36个，输出层节点2个，以下分析以输入层到隐含层为例：

隐含层第j个节点的输入为：输入层到隐含层第j个节点的权值系数乘以输入层变量

其中激励函数为非线性函数

激励函数的微分

误差函数对于权值矩阵的偏微分方程，其中

$\frac{{\mathrm{\θnet}}_j}{{\mathrm{\θw}}_{ij}}=\frac{\mathrm{\θ}}{{\mathrm{\θw}}_{ij}}\left(\underset{k=1}{\overset{n}{\Σ}}{w}_{kj}{x}_k\right)=x_i$

又因为：

所以可推导出误差函数的偏微分等于：

$\frac{\mathrm{\θ}E}{{\mathrm{\θw}}_{ij}}={\mathrm{\δ}}_j{x}_i$

其中

由此可推出，BP算法后向的权值调整方程为，α为神经网络算法的学习率：

${\mathrm{\Δw}}_{ij}=-\mathrm{\α}\frac{\mathrm{\δ}E}{{\mathrm{\δw}}_{ij}}$

一种利用所述可以控制远程电器的手势识别系统进行远程电器控制方法，所述的控制方法包括如下步骤：

a)由模式识别微处理器CPU进行手势数据收集，并将加速度计和陀螺仪数据向量化，将地磁数据向量化；

b)由模式识别微处理器CPU生成神经网络训练数据集，并进行BP算法形成识别矩阵其  中加速度和陀螺仪一个，地磁一个共两个；

c)根据识别矩阵形成识别函数写入到模式识别微处理器CPU的存储器ROM内；

d)模式识别微处理器CPU调用识别函数判断手势类型，并根据识别结果生成控制编码；

e)由模式识别微处理器CPU通过低功耗的蓝牙传输模块(3)控制编码发送到转换装置，如手机上，再由转换装置发送控制数据到网络；

f)由接收端的转换装置，如手机发送控制信号到目标电器，实现远程电器控制。

实施例：本发明所述的9轴传感器(加速度、陀螺仪和地磁传感器)采用MPU-9250芯片，16bit数据输出陀螺仪范围±2000°/s,加速度计范围±16g，磁场范围±4800μΤ，模式识别微处理器CPU采用德州仪器公司生产的MSP430F6659超低功耗处理器，蓝牙芯片采用Nordic公司的nRF51822单模低功耗蓝牙芯片；上述芯片(电路)与电池一起安装在手柄内部。

该手势识别的游戏手柄能通过加速度传感器、陀螺仪和地磁传感器判断使用者手势和手柄本身空间姿态。在没有探测到加速度改变的状态手柄会处于低功耗休眠状态。使用者手势会通过手柄的微处理器芯片识别成特定的操控命令，通过低功耗蓝牙信号转换装置(如手机)，转换为适合远距离传输的数字信号，并通过通信网络传输信号。在信号接收端通过信号转换装置(如手机)将信号转换为可以控制实际电器的信号，如低功耗蓝牙、Wifi等信号，从而实现远程电器控制。

Claims (3)

1. 一种可以控制远程电器的手势识别系统，它包括一操作手柄，该操作手柄内置有手势识别远程控制电路，其特征在于所述的控制电路主要由模式识别微处理器CPU、9轴姿态传感器和蓝牙传输模块组成，其中9轴姿态传感器(2)和模式识别微处理器CPU(1)采用I²C总线通信，模式识别微处理器CPU(1)与低功耗的蓝牙传输模块(3)之间采用串口TTL通信；

所述的模式识别微处理器CPU(1)通过I²C总线按照一定时间间隔采集9轴姿态传感器的数据，采集的数据使用模式识别函数处理，得出手势分类，并根据分类结果进行编码后再通过串口TTL传输到蓝牙传输模块发送到转换装置。

2.根据权利要求1所述的可以控制远程电器的手势识别系统，其特征在于所述的模式识别函数的生成是通过超算系统采用BP算法实现，具体包括：

输入层节点1800个，隐含层节点36个，输出层节点2个，以下分析以输入层到隐含层为例：

隐含层第j个节点的输入为：输入层到隐含层第j个节点的权值系数乘以输入层变量

其中激励函数为非线性函数

激励函数的微分

误差函数对于权值矩阵的偏微分方程，其中

又因为：

所以可推导出误差函数的偏微分等于：

其中

由此可推出，BP算法后向的权值调整方程为，α为神经网络算法的学习率：

3.一种利用权利要求1或2所述可以控制远程电器的手势识别系统进行远程电器控制方法，其特征在于所述的控制方法包括如下步骤：

a)由模式识别微处理器CPU进行手势数据收集，并将加速度计和陀螺仪数据向量化，将地磁数据向量化；

b)由模式识别微处理器CPU生成神经网络训练数据集，并进行BP算法形成识别矩阵其中加速度和陀螺仪一个，地磁一个共两个；

c)根据识别矩阵形成识别函数写入到模式识别微处理器CPU的存储器ROM内；

d)模式识别微处理器CPU调用识别函数判断手势类型，并根据识别结果生成控制编码；

e)由模式识别微处理器CPU通过低功耗的蓝牙传输模块(3)控制编码发送到转换装置，如手机上，再由转换装置发送控制数据到网络；

f)由接收端的转换装置，如手机发送控制信号到目标电器，实现远程电器控制。