CN105786182A - 一种基于手势控制周围设备的方法及装置 - Google Patents

Abstract

本发明实施例公开了一种基于手势控制周围设备的方法及装置。通过在用户腕部佩戴智能控制装置，采集用户的腕部的三轴加速度数据，并对采集到的三轴加速度数据进行处理，将处理后的三轴加速度数据与模板数据进行匹配，识别手势的动作，根据识别出的手势的动作，对周围设备进行控制，该模板数据对应的手势动作可以是用户自定义的手势，通过对采集到的三轴加速度数据进行处理，可以使三轴加速度数据与模板数据进行精确匹配，从而可以给用户提供对周围设备进行精确、个性化的控制。

Description

一种基于手势控制周围设备的方法及装置

技术领域

本发明涉及智能终端技术领域，尤其涉及一种基于手势控制周围设备的方法及装置。

背景技术

周围设备，是指与用户处于一定范围内的设备，由于用户正在操控某个重要设备，不能脱离这个重要设备而对周围设备进行控制，例如，用户正在掌握方向盘开车，对于车内的一些周围设备如车窗、空调、音响等不方便离开方向盘进行控制，否则容易造成车祸，对用户的人身安全造成危害。

但是，随着现在设备智能化的提高，非常需要对周围设备进行精确、个性化的控制。

目前，智能穿戴设备种类繁多，其中用于智能控制周围设备的并不多，且多存在于理论研究阶段。有部分智能穿戴控制周围设备的产品，或者手势动作固定或者动作过少，且识别速度和识别精度尚未可知。

发明内容

本发明实施例提供了一种基于手势控制周围设备的方法及装置，以给用户提供对周围设备进行精确、个性化的控制。

一方面，提供了一种基于手势控制周围设备的方法，包括：

当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据；

对采集到的所述三轴加速度数据进行处理；

将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作；

根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

优选地，所述对采集到的所述三轴加速度数据进行处理，包括：

根据邻域五点加权平均法对采集到的三轴加速度数据进行平滑滤波；

从平滑滤波后的三轴加速度数据中截取有效的三轴加速度数据；

在所述有效的三轴加速度数据中提取有效的特征点；

将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，所述重构的三轴加速度数据包含所述有效的特征点。

优选地，所述将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，包括：

将长度为LENGTH1的有效的三轴加速度数据上的所述有效的特征点线性映射到长度为LENGTH2的重构的三轴加速度数据中，并将除所述有效的特征点外的加速度数据通过降采样方式进行数据重构；

将所述有效的加速度数据按比例缩放进行线性变换，使之落入与所述重构的三轴加速度数据一致的幅值区间。

优选地，所述方法还包括：

自定义手势动作，并训练所述自定义手势动作，得到所述自定义手势动作的模板数据。

优选地，所述将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作，包括：

将处理后的所述三轴加速度数据与模板数据通过动态时间调整算法进行非线性匹配，识别所述手势的动作。

另一方面，提供了一种基于手势控制周围设备的装置，包括：

采集单元，用于当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据；

处理单元，用于对采集到的所述三轴加速度数据进行处理；

识别单元，用于将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作；

控制单元，用于根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

优选地，所述处理单元包括：

滤波单元，用于根据邻域五点加权平均法对采集到的三轴加速度数据进行平滑滤波；

截取单元，用于从平滑滤波后的三轴加速度数据中截取有效的三轴加速度数据；

提取单元，用于在所述有效的三轴加速度数据中提取有效的特征点；

重构单元，用于将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，所述重构的三轴加速度数据包含所述有效的特征点。

优选地，所述重构单元包括：

映射单元，用于将长度为LENGTH1的有效的三轴加速度数据上的所述有效的特征点线性映射到长度为LENGTH2的重构的三轴加速度数据中，并将除所述有效的特征点外的加速度数据通过降采样方式进行数据重构；

缩放单元，用于将所述有效的加速度数据按比例缩放进行线性变换，使之落入与所述重构的三轴加速度数据一致的幅值区间。

优选地，所述装置还包括：

模板训练单元，用于自定义手势动作，并训练所述自定义手势动作，得到所述自定义手势动作的模板数据。

优选地，所述识别单元具体用于：

将处理后的所述三轴加速度数据与模板数据通过动态时间调整算法进行非线性匹配，识别所述手势的动作。

实施本发明实施例提供的一种基于手势控制周围设备的方法及装置，具有如下有益效果：

通过在用户腕部佩戴智能控制装置，采集用户的腕部的三轴加速度数据，并对采集到的三轴加速度数据进行处理，将处理后的三轴加速度数据与模板数据进行匹配，识别手势的动作，根据识别出的手势的动作，对周围设备进行控制，该模板数据对应的手势动作可以是用户自定义的手势，通过对采集到的三轴加速度数据进行处理，可以使三轴加速度数据与模板数据进行精确匹配，从而可以给用户提供对周围设备进行精确、个性化的控制。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于手势控制周围设备的方法的流程示意图；

图2为对图1所示的为本发明实施例提供的一种基于手势控制周围设备的方法进一步细化的流程示意图；

图3a为截取有效的三轴加速度数据示意图；

图3b为示例的三轴加速度数据示意图；

图4为局部极值点示意图；

图5为重构三轴加速度数据进行时间轴映射的示意图；

图6为不同匹配模式的对比示意图；

图7为本发明实施例提供的一种基于手势控制周围设备的装置的结构示意图；

图8为对图7所示的为本发明实施例提供的一种基于手势控制周围设备的装置进一步细化的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1为本发明实施例提供的一种基于手势控制周围设备的方法的流程示意图，该方法包括以下步骤：

S101，当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据。

本实施例中，在用户腕部佩戴智能控制装置，如智能手环，智能手表等，智能控制装置上设置有加速度传感器，当佩戴智能控制装置的用户采用手势对周围设备进行控制时，智能控制装置的加速度传感器可以采集到用户的腕部的三轴加速度数据。

在本实施例中，用户与周围设备处于设定范围内，智能控制装置与周围设备可以通过局域网或移动网络等进行无线连接。

S102，对采集到的所述三轴加速度数据进行处理。

采集三轴加速度数据时容易受到噪声和信号抖动的影响，故用户做出手势前和做出手势后通常需要一个停顿，这个停顿的时间内的三轴加速度数据对识别手势动作没有太大作用，只用于判断手势动作的开始和结束，依此截取有效的手势动作，由于用户手势动作幅度和速度不固定，难以与模板进行匹配，基于以上原因，需要对采集到的三轴加速度数据进行处理，以精确地识别出手势动作。

S103，将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作。

本实施例中，可设置一些对应不同控制指令的模板数据，该模板数据为用户定义的手势的三轴加速度数据，用户可以任意自定义手势，得到自定义手势的模板数据。将采集和处理后的三轴加速度数据与模板数据进行匹配，可以识别用户当前的手势动作。

S104，根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

不同的手势动作对应不同的控制指令，智能控制装置查找存储的手势动作与控制指令的对应关系，将查找到的控制指令发送给周围设备的接收模块，然后周围设备的控制模块根据接收到的控制指令对周围设备进行控制。该控制包括开关车窗、升降车窗、升降空调温度、开关音响、调高/调低音响音量等，在控制过程中，用户不必中断当前正在进行的工作，只需动一下手腕做一个简单的手势，便可对周围设备进行控制。

根据本发明实施例提供的一种基于手势控制周围设备的方法，通过在用户腕部佩戴智能控制装置，采集用户的腕部的三轴加速度数据，并对采集到的三轴加速度数据进行处理，将处理后的三轴加速度数据与模板数据进行匹配，识别手势的动作，根据识别出的手势的动作，对周围设备进行控制，该模板数据对应的手势动作可以是用户自定义的手势，通过对采集到的三轴加速度数据进行处理，可以使三轴加速度数据与模板数据进行精确匹配，从而可以给用户提供对周围设备进行精确、个性化的控制。

图2为对图1所示的为本发明实施例提供的一种基于手势控制周围设备的方法进一步细化的流程示意图，该方法包括以下步骤：

S201，自定义手势动作，并训练所述自定义手势动作，得到所述自定义手势动作的模板数据。

手势动作在执行过程中，空间三轴都会产生不同的加速度信息，且会随着动作执行的频率和动作执行的幅度的不同而变化。在自定义设定手势动作时，要注意动作容易识别，应该以日常生活中常见的手势为基础，因此手势设计尽量简单。构造一种手势动作模型，提取手势动作模型的特征信息，设定动作类型。对自定义手势进行训练时，同一手势动作训练N次，用动态时间调整(英文：DynamicTimeWarping，简称：DTW)算法求出两两之间的最小失真距离，选取失真距离数据最小的这两帧数据，沿DTW算法路径上取得一致性比较好的特征序列，将提取出来的这两帧序列在通过DTW算法回溯搜索得到最优路径对应的序列，将此序列求平均得到模板。

S202，当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据。

通过腕部三轴加速度传感器，随着手臂的摆动或手腕的动作，加速度传感器采集三轴加速度数据。

S203，根据邻域五点加权平均法对采集到的三轴加速度数据进行平滑滤波。

通过邻域五点加权平均法对三轴加速度信号进行平滑滤波。即不同时刻的数据加以不同的权，通常是越接近现时刻的数据权取得越大。对脉冲噪声和信号抖动起到了很好的压制作用。

邻域加权平滑滤波：

AX[i]＝AX[i-2]×k1+AX[i-1]×k2+AX[i]×k3+AX[i+1]×k4+AX[i+2]×k5

AY[i]＝AY[i-2]×k1+AY[i-1]×k2+AY[i]×k3+AY[i+1]×k4+AY[i+2]×k5

AZ[i]＝AZ[i-2]×k1+AZ[i-1]×k2+AZ[i]×k3+AZ[i+1]×k4+AZ[i+2]×k5

其中：AX、AY、AZ分别为三轴加速度。

k1、k2、k3、k4、k5为权系数。

本实施中可选取三角窗数据加权，具体为1/9、2/9、1/3、2/9、1/9。

S204，从平滑滤波后的三轴加速度数据中截取有效的三轴加速度数据。

图3a为截取有效的三轴加速度数据示意图，动态手势的完成需要三个阶段：准备阶段、进行阶段和结束阶段。实际动作的捕捉可以采用平稳状态提取，即准备阶段，手势动作执行之前做一个短暂的停顿，手势动作结束之后再做一个短暂的停顿，据此，寻找到手势动作的开始位置和结束位置截取有效的手势动作数据。图3b为示例的三轴加速度数据示意图，曲线1、2、3分别表示X轴、Y轴和Z轴的加速度数据，可以看出有效的加速度数据为进行阶段的数据。

通过滑动时间窗口检测区间信号幅度判断是否为无动作的平稳状态，并计算其持续时长，若滑动窗口的信号幅值呈现较大的变化，且前面准备阶段的时长大于等于设定的短暂停顿时长，则滑动窗口的起始位置可确定为开始位置，同理，若滑动窗口内的信号基本无大的浮动即又回至无动作的平稳状态，且平稳状态的持续时长大于等于设定的停顿时长，即后面结束阶段的时长满足停顿时长要求，则结束阶段的起始位置可确定为进行阶段的结束位置。

具体实施方式为：根据一定长度的加速度数据判断手势状态：平稳状态or活动状态；

MAX_AX-MIN_AX<RANGE0；

MAX_AY-MIN_AY<RANGE0；

MAX_AZ-MIN_AZ<RANGE0；

MAX_AX，MAX_AY，MAX_AZ为滑动窗口内的加速度数据的最大值，MIN_AX，MIN_AY，MIN_AZ为滑动窗口内的加速度数据的最小值，RANGE0为平稳状态下加速度数据的区间幅值最大浮动范围；

若三轴加速度数据均小于平稳区间的幅值浮动范围阈值，则当前状态为平稳状态；

MAX_AX-MIN_AX>RANGE1；

MAX_AY-MIN_AY>RANGE1；

MAX_AZ-MIN_AZ>RANGE1；

RANGE1为正常手势动作下加速度数据的区间幅值最小浮动范围；

若三轴加速度数据其中一轴大于活动区间的幅值浮动范围阈值，则当前状态为活动状态。

准备阶段和结束阶段的平稳状态的持续时长需要大于预设持续时长，具体的预设持续时长根据实际统计分析获取。

S205，在所述有效的三轴加速度数据中提取有效的特征点。

手势动作的数据特征是手势识别的关键。加速度曲线的极值点代表着数据的强弱及变化趋势。根据手势加速度的特点，从中提取到有效的极值点，作为手势动作的特征参数。

局部极值点与区间最值一致的情况下，得到有效的特征点。图4为局部极值点示意图。

具体的通过五点查找法寻找局部极值点：

若ACC[i+2]为{ACC[i]ACC[i+1]ACC[i+2]ACC[i+3]ACC[i+4]}中满足条件的极值点,则可确定其为局部峰谷点；

通过查找局部极值点邻域区间内的最大最小值，得到邻域区间的最值。

邻域长度为以局部极值点为中心的左右邻域半径长度。

若局部极值与其邻域区间内的最值为同一点，则该点可确定为有效特征点。

S206，将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，所述重构的三轴加速度数据包含所述有效的特征点。

由于用户手势动作幅度和速度不固定，因此采集的用户手势动作加速度数据必须进行变换重构，以消除加速度信号的幅度和时间轴的差异对识别结果的影响，从而简化识别过程，降低识别难度。具体的实施方式：将实际的手势动作线性映射到模板动作事件轴，实现幅值区间和时间轴的一致。

具体地，S206包括步骤A和步骤B：

步骤A：将长度为LENGTH1的有效的三轴加速度数据上的所述有效的特征点线性映射到长度为LENGTH2的重构的三轴加速度数据中，并将除所述有效的特征点外的加速度数据通过降采样方式进行数据重构。即时间轴映射。

由于手势动作除了有效的特征信号之外还存在着信息冗余。在此对特征点预留的情况下，对剩余的加速度数据进行抽取，重构一组包含有效特征信息的删减版加速度数据。

图5为重构三轴加速度数据进行时间轴映射的示意图。具体实施为：如果LENGTH1长度满足映射缩放的条件，则在特征点线性映射后，余下的加速度数据通过降采样方式进行数据重构。

映射缩放条件：LENGTH1须小于最短长的有效手势动作长度LENGTH_S、大于模板手势加速度数据长度LENGTH0，LENGTH_S可依据实际情况通过统计进行预设。

其中LENGTH1、LENGTH2分别为原手势动作数据长度、重构手势动作数据长度。

LENGTH2＝LENGTH1/k，k＝Round(LENGTH1/LENGTH0)为缩放指数，Round为四舍五入取整。算法执行过程中，原动作数据长度LENGTH1同一统一存在一个上限，不可能无限放大，以实际执行过程中最慢的有效手势动作时长进行界定。

由于新加速度数据为整数倍抽取重构，故特征点之间的数据可以通过k个数据抽取中位值做为新的加速度数据。

步骤B：将所述有效的加速度数据按比例缩放进行线性变换，使之落入与所述重构的三轴加速度数据一致的幅值区间。即幅值标准化。

将截取的手势动作对应的加速度数据按比例缩放进行线性变换，使之落入与模板加速度数据一致的幅值区间。

NEW_AX[i]＝((AX[i]-AX_Min)/(AX_Max-AX_Min))(RANG_ED-RANG_ST)+RANG_ST

其中：AX_Max、AX_Min分别为截取手势动作的加速度数据的最大最小值；RANG_ST、RANG_ED对应为样本手势动作的加速度数据的幅值范围。

AX为截取手势动作的加速度数据，NEW_AX为截取的手势动作幅值标准化后的加速度数据。

S207，将处理后的所述三轴加速度数据与模板数据通过动态时间调整算法进行非线性匹配，识别所述手势的动作。

若是对测试模板T和参考模板R进行直接匹配，则需要两个模板的长度相等，线性匹配则需要测试模板的整个执行过程速度完全一致或者等比例缩放，实际执行过程中，测试模板与参考模块不可能完全相同，这些差异不仅包括动作动作的强度、频谱的偏移、更重要的是执行过程的速度变化，最终导致测试模板和参考模板往往不存在对应关系。图6为不同匹配模式的对比示意图。

DTW算法是一种非线性匹配算法，可使时间长度不一样的模式A与B的元素之间匹配，使匹配后的两个模式之间的累积距离最小，从而保证模式之间的最大相似性。

具体实施方式，根据典型的动态时间规整优化算法用满足一定条件的的时间规整函数W(n)描述测试模板和参考模板的时间对应关系，求解动作手势与样本手势匹配时累计距离最小所对应的规整函数，使得不同速度完成的手势动作的数据长度相同。

DTW能够衡量这两个序列的相似程度。

比如说，给定一个样本序列R0和比对序列T1,T2：

R：3，5，6，7，7，1

T1：3，6，6，7，8，1，1

T2：2，5，7，7，7，7，2

DTW首先会根据序列点之间的距离(欧氏距离)，获得一个序列距离矩阵M，其中行对应R序列，列对应T1序列，矩阵元素为对应行列中R序列和T1序列点到点的欧氏距离D(i,j).

后根据距离矩阵生成累积距离矩阵(CostMatrix)Mc(i,j)。

其计算方法如下：

(1)第一行第一列元素为M的第一行第一列元素，在这里就是0；

(2)其他位置的元素(Mc(i,j))的值则需要逐步计算，具体值的计算方法为

Mc(i,j)＝Min(Mc(i-11,j-1),Mc(i-1,j),Mc(i,j-1))+D(i,j)

到达终点(n,m)后，这个累积距离就是我们上面说的最后的总的距离,也就是序列R0和T1的相似度。计算得到，R0和T1的累积距离为2，R0和T2的累积距离为3，所以，R0和T1更相似。

本实施例是对自定义手势动作训练出来的三轴加速度参考模板R与实际手势动作的三轴加速度映射模板M通过DTW算法进行非线性匹配，以实现对实际测试模板T的手势动作识别。

S208，根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

根据识别的手势动作类型通过无线发送器发出无线控制指令至车内的无线接收器控制车内设备。

根据本发明实施例提供的一种基于手势控制周围设备的方法，通过在用户腕部佩戴智能控制装置，采集用户的腕部的三轴加速度数据，并对采集到的三轴加速度数据进行处理，将处理后的三轴加速度数据与模板数据进行匹配，识别手势的动作，根据识别出的手势的动作，对周围设备进行控制，该模板数据对应的手势动作可以是用户自定义的手势，通过对采集到的三轴加速度数据进行处理，可以使三轴加速度数据与模板数据进行精确匹配，从而可以给用户提供对周围设备进行精确、个性化的控制。

需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为根据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

图7为本发明实施例提供的一种基于手势控制周围设备的装置的结构示意图，该装置1000包括：

采集单元11，用于当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据。

处理单元12，用于对采集到的所述三轴加速度数据进行处理.

识别单元13，用于将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作。

控制单元14，用于根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

根据本发明实施例提供的一种基于手势控制周围设备的装置，通过在用户腕部佩戴智能控制装置，采集用户的腕部的三轴加速度数据，并对采集到的三轴加速度数据进行处理，将处理后的三轴加速度数据与模板数据进行匹配，识别手势的动作，根据识别出的手势的动作，对周围设备进行控制，该模板数据对应的手势动作可以是用户自定义的手势，通过对采集到的三轴加速度数据进行处理，可以使三轴加速度数据与模板数据进行精确匹配，从而可以给用户提供对周围设备进行精确、个性化的控制。

图8为对图7所示的为本发明实施例提供的一种基于手势控制周围设备的装置进一步细化的结构示意图，该装置2000包括：

模板训练单元21，用于自定义手势动作，并训练所述自定义手势动作，得到所述自定义手势动作的模板数据。

采集单元22，用于当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据。

处理单元23，用于对采集到的所述三轴加速度数据进行处理。

在本实施例中处理单元23包括：

滤波单元231，用于根据邻域五点加权平均法对采集到的三轴加速度数据进行平滑滤波；

截取单元232，用于从平滑滤波后的三轴加速度数据中截取有效的三轴加速度数据；

提取单元233，用于在所述有效的三轴加速度数据中提取有效的特征点；

重构单元234，用于将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，所述重构的三轴加速度数据包含所述有效的特征点。

具体地，重构单元234又包括：

映射单元，用于将长度为LENGTH1的有效的三轴加速度数据上的所述有效的特征点线性映射到长度为LENGTH2的重构的三轴加速度数据中，并将除所述有效的特征点外的加速度数据通过降采样方式进行数据重构；

缩放单元，用于将所述有效的加速度数据按比例缩放进行线性变换，使之落入与所述重构的三轴加速度数据一致的幅值区间。

识别单元24，用于将处理后的所述三轴加速度数据与模板数据通过动态时间调整算法进行非线性匹配，识别所述手势的动作。

控制单元25，用于根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

根据本发明实施例提供的一种基于手势控制周围设备的装置，通过在用户腕部佩戴智能控制装置，采集用户的腕部的三轴加速度数据，并对采集到的三轴加速度数据进行处理，将处理后的三轴加速度数据与模板数据进行匹配，识别手势的动作，根据识别出的手势的动作，对周围设备进行控制，该模板数据对应的手势动作可以是用户自定义的手势，通过对采集到的三轴加速度数据进行处理，可以使三轴加速度数据与模板数据进行精确匹配，从而可以给用户提供对周围设备进行精确、个性化的控制。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本发明可以用硬件实现，或固件实现，或它们的组合方式来实现。当使用软件实现时，可以将上述功能存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。以此为例但不限于：计算机可读介质可以包括随机存取存储器(RandomAccessMemory，RAM)、只读存储器(Read-OnlyMemory，ROM)、电可擦可编程只读存储器(ElectricallyErasableProgrammableRead-OnlyMemory，EEPROM)、只读光盘(CompactDiscRead-OnlyMemory，CD-ROM)或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。此外。任何连接可以适当的成为计算机可读介质。例如，如果软件是使用同轴电缆、光纤光缆、双绞线、数字用户线(DigitalSubscriberLine，DSL)或者诸如红外线、无线电和微波之类的无线技术从网站、服务器或者其他远程源传输的，那么同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线和微波之类的无线技术包括在所属介质的定影中。如本发明所使用的，盘(Disk)和碟(disc)包括压缩光碟(CD)、激光碟、光碟、数字通用光碟(DVD)、软盘和蓝光光碟，其中盘通常磁性的复制数据，而碟则用激光来光学的复制数据。上面的组合也应当包括在计算机可读介质的保护范围之内。

总之，以上所述仅为本发明技术方案的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于手势控制周围设备的方法，其特征在于，包括：

当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据；

对采集到的所述三轴加速度数据进行处理；

将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作；

根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

2.如权利要求1所述的方法，其特征在于，所述对采集到的所述三轴加速度数据进行处理，包括：

根据邻域五点加权平均法对采集到的三轴加速度数据进行平滑滤波；

从平滑滤波后的三轴加速度数据中截取有效的三轴加速度数据；

在所述有效的三轴加速度数据中提取有效的特征点；

将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，所述重构的三轴加速度数据包含所述有效的特征点。

3.如权利要求2所述的方法，其特征在于，所述将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，包括：

将长度为LENGTH1的有效的三轴加速度数据上的所述有效的特征点线性映射到长度为LENGTH2的重构的三轴加速度数据中，并将除所述有效的特征点外的加速度数据通过降采样方式进行数据重构；

将所述有效的加速度数据按比例缩放进行线性变换，使之落入与所述重构的三轴加速度数据一致的幅值区间。

4.如权利要求1所述的方法，其特征在于，还包括：

自定义手势动作，并训练所述自定义手势动作，得到所述自定义手势动作的模板数据。

5.如权利要求4所述的方法，其特征在于，所述将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作，包括：

将处理后的所述三轴加速度数据与模板数据通过动态时间调整算法进行非线性匹配，识别所述手势的动作。

6.一种基于手势控制周围设备的装置，其特征在于，包括：

采集单元，用于当用户采用手势对周围设备进行控制时，采集所述用户的腕部的三轴加速度数据；

处理单元，用于对采集到的所述三轴加速度数据进行处理；

识别单元，用于将处理后的所述三轴加速度数据与模板数据进行匹配，识别所述手势的动作；

控制单元，用于根据识别出的手势的动作，发送控制指令给周围设备的接收模块，由所述周围设备的控制模块根据所述控制指令对所述周围设备进行控制。

7.如权利要求6所述的装置，其特征在于，所述处理单元包括：

滤波单元，用于根据邻域五点加权平均法对采集到的三轴加速度数据进行平滑滤波；

截取单元，用于从平滑滤波后的三轴加速度数据中截取有效的三轴加速度数据；

提取单元，用于在所述有效的三轴加速度数据中提取有效的特征点；

重构单元，用于将所述有效的三轴加速度数据映射到模板动作事件轴，得到重构的三轴加速度数据，所述重构的三轴加速度数据包含所述有效的特征点。

8.如权利要求7所述的装置，其特征在于，所述重构单元包括：

映射单元，用于将长度为LENGTH1的有效的三轴加速度数据上的所述有效的特征点线性映射到长度为LENGTH2的重构的三轴加速度数据中，并将除所述有效的特征点外的加速度数据通过降采样方式进行数据重构；

缩放单元，用于将所述有效的加速度数据按比例缩放进行线性变换，使之落入与所述重构的三轴加速度数据一致的幅值区间。

9.如权利要求6所述的装置，其特征在于，还包括：

模板训练单元，用于自定义手势动作，并训练所述自定义手势动作，得到所述自定义手势动作的模板数据。

10.如权利要求9所述的装置，其特征在于，所述识别单元具体用于：

将处理后的所述三轴加速度数据与模板数据通过动态时间调整算法进行非线性匹配，识别所述手势的动作。