CN106598231A - 手势识别方法及装置 - Google Patents
手势识别方法及装置 Download PDFInfo
- Publication number
- CN106598231A CN106598231A CN201611052030.2A CN201611052030A CN106598231A CN 106598231 A CN106598231 A CN 106598231A CN 201611052030 A CN201611052030 A CN 201611052030A CN 106598231 A CN106598231 A CN 106598231A
- Authority
- CN
- China
- Prior art keywords
- gesture
- state
- acceleration
- current time
- time
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/28—Recognition of hand or arm movements, e.g. recognition of deaf sign language
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Multimedia (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种手势识别方法及装置,该方法包括:当距离当前时刻之前预设时间段内的第一手势状态为识别手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第一状态积累时间,并获取当前时刻关联的逻辑标记;在当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值时,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕;判断采集的手势动作信号是否与预设的打叉手势动作信号匹配;若是,则触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态;若否,则将当前时刻的第二手势状态保存为识别手势状态。本发明提高了手势识别的准确性。
Description
技术领域
本发明涉及人机交互技术领域,尤其涉及一种手势识别方法及装置。
背景技术
目前,在对手势数据的处理过程中,都是通过实时分析任何状态下的手势动作,只要检测到的手势数据满足预设触发条件,便可触发与该手势数据关联的指定手势动作,但是,这种手势识别方法没有有效的手段来区别有效的手势数据和非有效的手势数据,对于用户触发的无规则的常规手势动作,采用这种方法,穿戴设备则无法正确判断该无规则的常规手势动作是否为有效的手势数据,由此,增大了因为无规则的常规手势动作意外触发指定手势动作而导致的误识别概率。
发明内容
本发明的主要目的在于提供一种手势识别方法及装置,旨在提高手势识别的准确性。
为实现上述目的,本发明提供的一种手势识别方法,所述手势识别方法包括:
当距离当前时刻之前预设时间段内的第一手势状态为识别手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第一状态积累时间,并获取当前时刻关联的逻辑标记;
在当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值时,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕;
判断采集的手势动作信号是否与预设的打叉手势动作信号匹配;
若是,则触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态;
若否,则将当前时刻的第二手势状态保存为识别手势状态。
优选地,所述判断采集的手势动作信号是否与预设的打叉手势动作信号匹配的步骤包括:
获取移动终端保存的加速度矢量序列,并获取移动终端保存的加速度矢量长度;
根据加速度矢量序列以及加速度矢量长度计算当前时刻的加速度标量序列;
根据当前时刻的加速度标量序列计算满足预设的打叉手势条件的特征点;
当满足打叉手势条件的特征点的个数达到预设精度值时,判定手势动作信号是打叉手势动作信号。
优选地,所述手势识别方法还包括:
当距离当前时刻之前预设时间段内的第一手势状态为普通手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第二状态积累时间,并判断当前时刻的第二状态积累时间是否大于第一预设时间阈值;
在当前时刻的第二状态积累时间大于第一预设时间阈值时,将当前时刻的第二手势状态保存为识别手势状态;
在当前时刻的第二状态积累时间小于第一预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
当距离当前时刻之前预设时间段内的第一手势状态为静止手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第三状态积累时间,并判断当前时刻的第三状态积累时间是否大于第二预设时间阈值;
在当前时刻的第三状态积累时间大于第二预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
在当前时刻的第三状态积累时间小于第二预设时间阈值时,将当前时刻的第二手势状态保存为静止手势状态。
优选地,所述当前时刻的加速度标量序列的计算公式为:
其中,Gk-n+1为加速度矢量序列中的第k-n+1个加速度矢量,Xk-n+1为第k-n+1个加速度矢量在x轴方向上的加速度分量,Yk-n+1为第k-n+1个加速度矢量在y轴方向上的加速度分量,Zk-n+1为第k-n+1个加速度矢量在z轴方向上的加速度分量,Gi为加速度矢量序列中的第i个加速度矢量,Xi为第i个加速度矢量在x轴方向上的加速度分量,Yi第i个加速度矢量在y轴方向上的加速度分量,Zi为第i个加速度矢量在z轴方向上的加速度分量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,λ为(0,1)的实数,q为正整数,k为正整数,n为移动终端保存的加速度矢量长度,i=k-n+2,k-n+3…k。
优选地,所述打叉手势条件的特征点的计算公式为:
其中,Gi为加速度矢量序列中的第i个加速度矢量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,Gi+1为加速度矢量序列中的第i+1个加速度矢量,T为(0,+∞)的实数,Ω为实数,为不等号,k为正整数,i=k-n+2,k-n+3…k-1。
此外,为实现上述目的,本发明还提供一种手势识别装置,该手势识别装置包括:
获取模块,用于当距离当前时刻之前预设时间段内的第一手势状态为识别手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第一状态积累时间,并获取当前时刻关联的逻辑标记;
确定模块,用于在当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值时,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕;
第一判断模块,用于判断采集的手势动作信号是否与预设的打叉手势动作信号匹配;
第一保存模块,用于若采集的手势动作信号与预设的打叉手势动作信号匹配,则触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态;
第二保存模块,用于若采集的手势动作信号与预设的打叉手势动作信号不匹配,则将当前时刻的第二手势状态保存为识别手势状态。
优选地,所述第一判断模块包括:
获取单元,用于获取移动终端保存的加速度矢量序列,并获取移动终端保存的加速度矢量长度;
第一计算单元,用于根据加速度矢量序列以及加速度矢量长度计算当前时刻的加速度标量序列;
第二计算单元,用于根据当前时刻的加速度标量序列计算满足预设的打叉手势条件的特征点;
判定单元,用于当满足打叉手势条件的特征点的个数达到预设精度值时,判定手势动作信号是打叉手势动作信号。
优选地,所述手势识别还装置:
第二判断模块,用于当距离当前时刻之前预设时间段内的第一手势状态为普通手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第二状态积累时间,并判断当前时刻的第二状态积累时间是否大于第一预设时间阈值;
第三保存模块,用于在当前时刻的第二状态积累时间大于第一预设时间阈值时,将当前时刻的第二手势状态保存为识别手势状态;
第四保存模块,用于在当前时刻的第二状态积累时间小于第一预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
第三判断模块,用于当距离当前时刻之前预设时间段内的第一手势状态为静止手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第三状态积累时间,并判断当前时刻的第三状态积累时间是否大于第二预设时间阈值;
第五保存模块,用于在当前时刻的第三状态积累时间大于第二预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
第六保存模块,用于在当前时刻的第三状态积累时间小于第二预设时间阈值时,将当前时刻的第二手势状态保存为静止手势状态。
优选地,所述当前时刻的加速度标量序列的计算公式为:
其中,Gk-n+1为加速度矢量序列中的第k-n+1个加速度矢量,Xk-n+1为第k-n+1个加速度矢量在x轴方向上的加速度分量,Yk-n+1为第k-n+1个加速度矢量在y轴方向上的加速度分量,Zk-n+1为第k-n+1个加速度矢量在z轴方向上的加速度分量,Gi为加速度矢量序列中的第i个加速度矢量,Xi为第i个加速度矢量在x轴方向上的加速度分量,Yi第i个加速度矢量在y轴方向上的加速度分量,Zi为第i个加速度矢量在z轴方向上的加速度分量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,λ为(0,1)的实数,q为正整数,k为正整数,n为移动终端保存的加速度矢量长度,i=k-n+2,k-n+3…k。
优选地,所述满足预设条件的特征点的计算公式为:
其中,Gi为加速度矢量序列中的第i个加速度矢量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,Gi+1为加速度矢量序列中的第i+1个加速度矢量,T为(0,+∞)的实数,Ω为实数,为不等号,k为正整数,i=k-n+2,k-n+3…k-1。
本发明在确定当前时刻的第一状态积累时间大于识别结束阈值,以及确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕后,判断采集的手势动作信号是否与预设的打叉手势动作信号匹配,当确定采集的手势动作信号与预设的打叉手势动作信号匹配时,触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态,在确定采集的手势动作信号与预设的打叉手势动作信号不匹配时,将当前时刻的第二手势状态保存为识别手势状态。由于本发明在检测到手势信号时,并不是立即触发与该手势信号关联的指定手势动作,而是在确定当前时刻该手势信号的第一状态积累时间大于识别结束阈值后,进一步判断移动终端采集的手势动作信号是打叉手势动作信号,只有在确定移动终端采集的手势动作信号是打叉手势动作信号时,才确定在当前时刻该手势信号为有效手势数据,进而触发与该手势信号关联的指定手势动作,因此减少了无规则的常规手势动作误触发指定手势动作的概率,提高了手势识别的准确性。
附图说明
图1为本发明手势识别方法的第一实施例的流程示意图;
图2为本发明识别手势动作的流程示意图;
图3为本发明手势状态之间转移规则的流程示意图;
图4为本发明图1所示第一实施例中步骤S30的细化步骤的流程示意图;
图5为本发明手势识别方法的第二实施例的流程示意图;
图6为本发明手势识别方法的第三实施例的流程示意图;
图7为本发明手势识别装置的第一实施例的功能模块示意图;
图8为本发明手势识别装置的第二实施例中第一判断模块的细化功能模块示意图;
图9为本发明手势识别装置的第三实施例的功能模块示意图;
图10为本发明手势识别装置的第四实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
基于上述问题,本发明提供一种手势识别方法。
参照图1,图1为本发明手势识别方法的第一实施例的流程示意图。
在本实施例中,所述手势识别方法包括:
步骤S10,当距离当前时刻之前预设时间段内的第一手势状态为识别手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第一状态积累时间,并获取当前时刻关联的逻辑标记;
在本实施例中,本方案的手势识别方法适用于各移动终端中,该移动终端可以理解为穿戴设备,如智能手环,而且本方案的手势识别方法尤其适用于实时要求高、功耗低及计算能力差的穿戴设备。当该移动终端受到外力时,该移动终端中加速度传感器会产生相应的数据信号,即手势信号,在移动终端检测到手势信号时,对该手势信号进行采样,得到0,1,2,3…k-1,k多个采样点,其中,该移动终端是检测手势信号的同时对该手势信号进行采样,而不是在检测完毕该手势信号后再对该手势信号进行采样,将采样点k确定为当前时刻的采样点,那么k-1采样点确定为距离当前时刻之前预设时间段内的采样点,且采样点k对应的时间点确定为当前时刻,将k-1采样点的时间点确定为距离当前时刻之前预设时间段。获取该移动终端中加速度传感器在当前时刻检测到的原始加速度参数gk,该gk可以理解当前时刻加速度传感器受外力的加速度矢量,该gk可以表示为gk=(xk,yk,zk),其中,xk为gk的x轴方向的加速度分量,yk为gk的y轴方向的加速度分量,zk为gk的z轴方向的加速度分量,k为当前时间序列标记。
获取距离当前时刻之前预设时间段内的历史加速度参数Gk-1,该Gk-1可以理解为k-1时刻的处理后的加速度矢量,该Gk-1可以表示为Gk-1=(Xk-1,Yk-1,Zk-1)。其中,该Xk-1为Gk-1在x轴方向的加速度分量,该Yk-1为Gk-1在y轴方向的加速度分量,Zk-1为Gk-1在z轴方向的加速度分量,该移动终端在k-1时刻计算出该Gk-1,并保存该Gk-1,以供后续调用。
根据原始加速度参数gk以及历史加速度参数Gk-1计算当前时刻k处理后的加速度参数Gk,该Gk可以表示为Gk=(Xk,Yk,Zk),其中,该Xk为Gk在x轴方向的加速度分量,该Yk为Gk在y轴方向的加速度分量,Zk为Gk在z轴方向的加速度分量,该移动终端在k时刻计算出该Gk,并保存该Gk,以供后续调用。
该Gk中的Xk、Yk、Zk的计算公式为:
其中,L为(0,1)的实数。
根据该历史加速度参数Gk-1以及该Gk计算当前时刻k的状态信号逻辑向量S,该状态信号逻辑向量S可以表示为S=(sx,sy,sz),其中,sx为状态信号逻辑向量S在x轴方向的向量分量,sy为状态信号逻辑向量S在y轴方向的向量分量,sz为状态信号逻辑向量S在z轴方向的向量分量。
该状态信号逻辑向量S中的sx、sy、sz的计算公式为:
其中,λ为(0,+∞)的实数,||Xk-Xk-1||表示Xk与Xk-1的距离范数,||Yk-Yk-1||表示Yk与Yk-1的距离范数,||Zk-Zk-1||表示Zk与Zk-1的距离范数。
获取距离当前时刻之前预设时间段内的第一手势状态,即获取K-1时刻对应的第一手势状态Wk-1,该第一手势状态Wk-1包括普通手势状态、识别手势状态以及静止手势状态,该移动终端处于普通手势状态时,该移动终端中加速度传感器会产生有规律的尖峰;当该移动终端处于静止手势状态时,该移动终端中加速度传感器不会产生尖峰或者产生有规律的小尖峰(轻微震动);该识别手势状态可以理解为移动终端正在捕捉、识别手势动作。
当该k-1时刻的第一手势状态Wk-1为识别手势状态,但当前时刻k的状态信号逻辑向量S不满足预设向量值时,如当该k-1时刻的第一手势状态Wk-1为识别手势状态,但状态信号逻辑向量S的sx、sy、sz不全为0时,根据该当前时刻k的状态信号逻辑向量S获取对应的逻辑标记isR,由于该当前时刻k的状态信号逻辑向量S的sx、sy、sz不全为0,则获取到的逻辑标记isR=1,同时控制移动终端对k-1时刻保存的手势状态积累时间bufftime0进行初始化,那么当前时刻k的第一状态积累时间为0,将当前时刻k第二手势状态确定为识别手势状态,保存当前时刻k的处理后的加速度参数Gk、状态积累时间0、识别手势状态以及逻辑标记isR=1,并继续对该手势信号进行采样。
当第一手势状态为识别手势状态,且当前时刻k的状态信号逻辑向量S满足预设向量值时,如当第一手势状态为识别手势状态,且当前时刻k的状态信号逻辑向量S的sx、sy、sz全为0时,根据该当前时刻k的状态信号逻辑向量S获取对应的逻辑标记isR,由于该当前时刻k的状态信号逻辑向量S的sx、sy、sz全为0,则获取到的逻辑标记isR=0,同时计算在当前时刻k的第一状态积累时间bufftime1,该bufftime1=bufftime0+1,由于当前时刻k的逻辑标记isR=0,那么判断该当前时刻k的第一状态积累时间bufftime1是否大于时间阈值Tr2s,该时间阈值Tr2s可以理解为从识别手势状态转换成静止手势状态的最大时间阈值,当当前时刻k的第一状态积累时间bufftime1大于时间阈值Tr2s时,将当前时刻k的第二手势状态确定为静止手势状态,保存当前时刻k的处理后的加速度参数Gk、第一状态积累时间bufftime1以及静止手势状态,并继续对该手势信号进行采样;当当前时刻k的第一状态积累时间bufftime1小于或者等于时间阈值Tr2s时,将当前时刻k的第二手势状态确定为识别手势状态,保存当前时刻k的处理后的加速度参数Gk、第一手势状态积累时间bufftime1、识别手势状态以及逻辑标记isR=1,并继续对该手势信号进行采样。
但是,需要说明的是,在控制移动终端在对检测到的手势信号进行采样的过程中,若k-3时刻的第一手势状态为识别手势状态、状态积累时间为bufftime-2以及逻辑标记isR=0,在采样到k-2时刻时,若k-2时刻的状态信号逻辑向量S的sx、sy、sz的不全为0,则该k-2时刻的逻辑标记isR=1,控制移动终端将该k-3时刻的状态积累时间bufftime-2进行初始化,那么k-2时刻的状态积累时间为0,将k-2时刻的第一手势状态确定为识别手势状态,并保存k-2时刻的处理后的加速度参数Gk-2、状态积累时间为0、识别手势状态以及逻辑标记isR=1,在采样到k-1时刻时,若当k-1时刻的状态信号逻辑向量S的sx、sy、sz的全为0,但此时的逻辑标记isR保持与k-1时刻的逻辑标记isR=1一致,又因为k-1时刻的状态信号逻辑向量S的sx、sy、sz的全为0,则计算k-1时刻的状态积累时间为bufftime0,且由于k-2时刻的状态积累时间为0,那么k-1时刻的状态积累时间为bufftime0=0+1=1s,又因为k-1时刻的逻辑标记isR=1,则判断k-1时刻的状态积累时间为bufftime0是否大于识别结束阈值Tend,若k-1时刻的状态积累时间为bufftime0小于识别结束阈值Tend,该识别结束阈值Tend可以理解为动作结束预判时间阈值,则确定k-1时刻的第一手势状态为识别手势状态,保存k-1时刻的处理后的加速度参数Gk-2、状态积累时间bufftime0、识别手势状态以及逻辑标记isR=1,并继续对该手势信号进行采样;在采样到当前时刻k时,若当前时刻k的状态信号逻辑向量S的sx、sy、sz的全为0,但此时的逻辑标记isR保持与k-1时刻的逻辑标记isR=1一致,即该当前时刻k的状态信号逻辑向量S的sx、sy、sz的全为0,且逻辑标记isR=1,因此可确定当前时刻k的逻辑标记isR=1为满足第一预设标记。
可以理解的是,当该状态信号逻辑向量S的sx、sy、sz全为0时,表明该移动终端在当前时刻k未受到外力作用,当该状态信号逻辑向量S的sx、sy、sz不全为0时,表明该移动终端在当前时刻k受到外力作用。
步骤S20,在当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值时,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕;
步骤S30,判断采集的手势动作信号是否与预设的打叉手势动作信号匹配;
在当前时刻关联的逻辑标记满足第一预设标记值时,判断当前时刻k的第一状态积累时间bufftime1是否大于识别结束阈值Tend,若当前时刻k的第一状态积累时间为bufftime1小于或者等于识别结束阈值Tend,则确定当前时刻k的第二手势状态为识别手势状态,将当前时刻的逻辑标记isR确定为0,并捕捉手势动作信号,保存当前时刻k的处理后的加速度参数Gk、状态积累时间bufftime1、识别手势状态以及逻辑标记isR=0,并继续对该手势信号进行采样;若当前时刻k的第一状态积累时间为bufftime1大于识别结束阈值Tend,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕,即结束捕捉手势动作信号,并解析该采集的手势动作信号,判断采集的手势动作信号是否与预设的打叉手势动作信号匹配。
步骤S40,若是,则触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态;
该第二手势状态包括普通手势状态、识别手势状态以及静止手势状态。若采集的手势动作信号与预设的打叉手势动作信号匹配,则触发与打叉手势动作信号关联的动作响应,例如,该打叉手势动作信号关联的是取消动作,该穿戴设备当前时刻已经打开了一个应用界面,若确定该采集到的手势动作信号为打叉手势动作信号匹配,则关闭该应用界面,若该穿戴设备当前时刻处于看表阶段,在确定该采集到的手势动作信号为打叉手势动作信号匹配时,则关闭显示(暗屏)。在触发与打叉手势动作信号关联的动作响应的同时,将当前时刻的第二手势状态确定为普通手势状态,并将当前时刻的逻辑标记isR确定为0,保存当前时刻k的处理后的加速度参数Gk、第二状态积累时间bufftime1、普通手势状态以及逻辑标记isR=0,并继续对该手势信号进行采样。
步骤S50,若否,则将当前时刻的第二手势状态保存为识别手势状态。
若采集的手势动作信号与预设的打叉手势动作信号不匹配,则确定当前时刻k的第二手势状态确定为识别手势状态,并将当前时刻的逻辑标记isR确定为0,保存当前时刻k的处理后的加速度参数Gk、第二状态积累时间bufftime1、识别手势状态以及逻辑标记isR=0,并继续对该手势信号进行采样。
需要说明的是,将该手势信号的起始采样点的手势状态默认为普通手势状态,该第二手势状态也包括普通手势状态、识别手势状态以及静止手势状态。
结合图2概括的说明本方案识别手势动作的流程,首先采集该移动终端中加速度传感器在当前时刻检测到的原始加速度参数,通过该原始加速度参数进一步提取手势状态的特征,然后对提取手势状态的特征进行分类,最后对分类后的手势状态的特征进行手势动作识别。结合图3,还需要说明的是,在普通手势状态下,当数据符合手势动作的预设触发条件时,可进入识别手势状态。如果识别手势状态持续保持一定时间,则进入静止手势状态;如果识别手势状态没有持续保持到一定时间,则捕捉手势动作信号,并判断捕捉到的手势动作信号是否为打叉手势动作信号,并根据判断结果进入对应的手势状态;在识别手势状态下,识别捕捉到的手势动作信号是否为打叉手势动作信号,若捕捉到的手势动作信号不是打叉手势动作信号,则识别手势状态,若捕捉到的手势动作信号是打叉手势动作信号,则进入普通手势状态,若识别手势状态持续保持一定时间,则进入静止手势状态;静止手势状态在传感器检测到有外力作用时,只能进入普通手势状态。其中,默认的手势状态为普通手势状态,只有在识别手势状态下,移动终端才会识别捕捉到的手势动作信号是否为打叉手势动作信号,而在普通手势状态或者静止手势状态下,移动终端不对任何形式的手势动作做应答。
本实施例在确定当前时刻的第一状态积累时间大于识别结束阈值,以及确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕后,判断采集的手势动作信号是否与预设的打叉手势动作信号匹配,当确定采集的手势动作信号与预设的打叉手势动作信号匹配时,触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态,在确定采集的手势动作信号与预设的打叉手势动作信号不匹配时,将当前时刻的第二手势状态保存为识别手势状态。由于本发明在检测到手势信号时,并不是立即触发与该手势信号关联的指定手势动作,而是在确定当前时刻该手势信号的第一状态积累时间大于识别结束阈值后,进一步判断移动终端采集的手势动作信号是打叉手势动作信号,只有在确定移动终端采集的手势动作信号是打叉手势动作信号时,才确定在当前时刻该手势信号为有效手势数据,进而触发与该手势信号关联的指定手势动作,因此减少了无规则的常规手势动作误触发指定手势动作的概率,提高了手势识别的准确性。
进一步的,请参阅图4,为本发明第一实施例中步骤S30的细化步骤的流程示意图,该步骤S30的细化步骤还包括:
步骤S31,获取移动终端保存的加速度矢量序列,并获取移动终端保存的加速度矢量长度;
在本实施例中,在移动终端检测到手势信号时,对该手势信号进行采样,得到0,1,2,3…k-1,k多个采样点,在采样过程中,获取各个采样点的原始加速度参数g0,g1,g2,g3…gk-1,gk,根据各个采样点的原始加速度参数分别计算各个采样点的处理后的加速度矢量G0,G1,G2,G3…Gk-1,Gk,保存各个采样点的处理后的加速度矢量,那么将各个采样点的处理后的加速度矢量组成加速度矢量序列{G0,G1,G2,G3…,Gk-1,Gk}。该移动终端保存的加速度矢量长度n是从逻辑标记isR=1的采样点开始计数到手势状态积累时间大于识别结束阈值的采样点结束计数,例如,采样点91,92,93…99,100的逻辑标记isR=1,但在采样点100(当前时刻k所对应的采样点)的第一手势状态积累时间大于识别结束阈值,那么该移动终端保存的加速度矢量长度n为10。根据该移动终端保存的加速度矢量长度n确定加速度矢量序列{Gk-n+1,Gk-n+2,…,Gk},如加速度矢量长度n为10,当前时刻k所对应的采样点为100,那么该加速度矢量序列为{G91,G92,…,G100}。获取移动终端保存的加速度矢量序列,并获取移动终端保存的加速度矢量长度。
需要说明的是,对于逻辑标记isR=0的采样点,该移动终端中的加速度传感器是不会手势动作信号,也不会计算加速度矢量长度n。
步骤S32,根据加速度矢量序列以及加速度矢量长度计算当前时刻的加速度标量序列;
在确定加速度矢量序列{Gk-n+1,Gk-n+2,…,Gk}以及加速度矢量长度n后,调用该移动终端存储的加速度标量序列的计算公式计算当前时刻的加速度标量序列{||Gk-n+1||,||Gk-n+2||,…,||Gk||},该当前时刻的加速度标量序列的计算公式为:
其中,Gk-n+1为加速度矢量序列中的第k-n+1个加速度矢量,Xk-n+1为第k-n+1个加速度矢量在x轴方向上的加速度分量,Yk-n+1为第k-n+1个加速度矢量在y轴方向上的加速度分量,Zk-n+1为第k-n+1个加速度矢量在z轴方向上的加速度分量,Gi为加速度矢量序列中的第i个加速度矢量,Xi为第i个加速度矢量在x轴方向上的加速度分量,Yi第i个加速度矢量在y轴方向上的加速度分量,Zi为第i个加速度矢量在z轴方向上的加速度分量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,λ为(0,1)的实数,q为正整数,k为正整数,n为移动终端保存的加速度矢量长度,i=k-n+2,k-n+3…k,||Gk-n+1||为当前时刻的加速度标量序列中的第k-n+1个加速度标量,||Gi||为当前时刻的加速度标量序列中的第i个加速度标量。
步骤S33,根据当前时刻的加速度标量序列计算满足预设的打叉手势条件的特征点;
根据当前时刻的加速度标量序列{||Gk-n+1||,||Gk-n+2||,…,||Gk||}计算满足预设的打叉手势条件的特征点N,该满足打叉手势条件的特征点N的计算公式为:
其中,Gi为加速度矢量序列中的第i个加速度矢量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,Gi+1为加速度矢量序列中的第i+1个加速度矢量,T为(0,+∞)的实数,Ω为实数,为不等号,k为正整数,i=k-n+2,k-n+3…k-1。
例如,该当前时刻的加速度标量序列为{||G91||,||G92||,…,||G100||},将||G91||,||G92||…||G99||代入上述打叉手势条件的特征点N的计算公式中进行计算,若计算得到(||G92||-||G91||)>T,(||G92||-||G91||)·(||G93||-||G92||)<=0,以及(||G99||-||G97||)>T,(||G99||-||G98||)·(||G100||-||G99||)<=0,则确定||G91||、||G92||和||G93||以及||G98||、||G99||和||G100||这两组特征点(共6个特征点)为满足打叉手势条件的特征点N。
步骤S34,当满足打叉手势条件的特征点的个数达到预设精度值时,判定手势动作信号是打叉手势动作信号。
当满足打叉手势条件的特征点N达到预设精度值ε时,例如N=6,该ε(0,+∞)的偶整数,判定手势动作信号是打叉手势动作信号。其中,每一个移动终端中有且只能存在一个预设精度值ε,不同的移动终端中的预设精度值ε不同,该预设精度值ε越大,表示对手势动作的识别时间越长(采样点越密集),表明识别精度越高。
本实施例在根据加速度矢量序列以及加速度矢量长度计算出当前时刻的加速度标量序列后,根据该当前时刻的加速度标量序列计算出满足预设的打叉手势条件的特征点,当满足打叉手势条件的特征点的个数达到预设精度值时,判定手势动作信号是打叉手势动作信号,通过简单的计算方法便可准确的判定出采集的手势动作信号是打叉手势动作信号,从而使得计算能力较差的移动终端也可以准确识别出打叉手势动作信号,降低了移动终端的硬件成本,又因为本方案只有在确定当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值后,才会进一步分析当前采集完毕的手势动作信号是否为打叉手势动作信号,而不需要实时分析移动终端采集的手势动作信号,从而降低了移动终端的功耗。
进一步的,基于上述第一实施例,请参照图5,为本发明提出的手势识别方法的第二实施例的流程示意图,在该第二实施例中,步骤S10之前,该手势识别方法还包括:
步骤S60,当距离当前时刻之前预设时间段内的第一手势状态为普通手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第二状态积累时间,并判断当前时刻的第二状态积累时间是否大于第一预设时间阈值;
在本实施例中,当k-1时刻的第一手势状态Wk-1为普通手势状态,且当前时刻k的状态逻辑向量满足预设向量时,如当k-1时刻的第一手势状态Wk-1为普通手势状态,且状态信号逻辑向量S的sx、sy、sz全为0时,获取k-1时刻的状态积累时间bufftime0,将k-1时刻的状态积累时间bufftime0按照预设时间积累条件进行累加得到当前时刻k的第二状态积累时间bufftime2,如bufftime2=bufftime0+1。判断第二状态积累时间bufftime2是否大于第一时间阈值To2r,该第一时间阈值To2r可以理解为从普通手势状态转换成识别手势状态的最大时间阈值。
当k-1时刻的第一手势状态Wk-1为普通手势状态,且当前时刻k的状态逻辑向量不满足预设向量时,如当k-1时刻的第一手势状态Wk-1为普通手势状态,且状态信号逻辑向量S的sx、sy、sz不全为0时,控制移动终端对k-1时刻保存的手势状态积累时间bufftime0进行初始化,那么当前时刻k的第二状态积累时间bufftime2为0,将当前时刻k第二手势状态确定为普通手势状态,保存当前时刻k的处理后的加速度参数Gk、第二状态积累时间bufftime2为0以及普通手势状态,并继续对该手势信号进行采样。
步骤S70,在当前时刻的第二状态积累时间大于第一预设时间阈值时,将当前时刻的第二手势状态保存为识别手势状态;
若第二状态积累时间bufftime2大于第一时间阈值To2r,则将当前时刻k的第二手势状态确定为识别手势状态,保存当前时刻k的处理后的加速度参数Gk、第二状态积累时间bufftime2以及识别手势状态,并继续对该手势信号进行采样。
步骤S80,在当前时刻的第二状态积累时间小于第一预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态。
若第二状态积累时间bufftime2小于或者等于第一间阈值To2r,则将当前时刻k的第二状态确定为普通手势状态,保存当前时刻k的处理后的加速度参数Gk、第二状态积累时间bufftime2以及普通手势状态,并继续对该手势信号进行采样。
本实施例当距离当前时刻之前预设时间段内的第一手势状态为普通手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第二状态积累时间,并判断当前时刻的第二状态积累时间是否大于第一预设时间阈值,在当前时刻的第二状态积累时间大于第一预设时间阈值时,将当前时刻的第二手势状态保存为识别手势状态,在当前时刻的第二状态积累时间小于第一预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态。由于该第一预设时间阈值To2r为从普通手势状态转换成识别手势状态的最大时间阈值,在当前时刻的第二状态积累时间大于To2r时,将当前时刻的第二手势状态保存为识别手势状态,而不是现有技术中通过解锁相应的手势状态才能触发指定手势动作,从而简化了触发指定手势动作的流程,提高了手势识别的准确性,改善用户体验。
进一步的,基于上述第一实施例,请参照图6,为本发明提出的手势识别方法的第三实施例的流程示意图,在该第三实施例中,步骤S10之前,该手势识别方法还包括:
步骤S90,当距离当前时刻之前预设时间段内的第一手势状态为静止手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第三状态积累时间,并判断当前时刻的第三状态积累时间是否大于第二预设时间阈值;
当k-1时刻的第一手势状态Wk-1为静止手势状态,且当前时刻k的状态逻辑向量满足预设向量时,如当k-1时刻的第一手势状态Wk-1为静止手势状态,且状态信号逻辑向量S的sx、sy、sz全为0时,获取k-1时刻的状态积累时间bufftime0,将k-1时刻的状态积累时间bufftime0按照预设时间积累条件进行累加得到当前时刻k的第三状态积累时间bufftime3,如bufftime3=bufftime0+1。判断第三状态积累时间bufftime3是否大于第二时间阈值Ts2o,该第二时间阈值Ts2o可以理解为从静止手势状态转换成普通手势状态的最大时间阈值。
当k-1时刻的第一手势状态Wk-1为静止手势状态,且当前时刻k的状态逻辑向量不满足预设向量时,如当k-1时刻的第一手势状态Wk-1为静止手势状态,且状态信号逻辑向量S的sx、sy、sz不全为0时,控制移动终端对k-1时刻保存的手势状态积累时间bufftime0进行初始化,那么当前时刻k的第三状态积累时间bufftime3为0,将当前时刻k第二手势状态确定为普通手势状态,保存当前时刻k的处理后的加速度参数Gk、第三状态积累时间bufftime3为0以及普通手势状态,并继续对该手势信号进行采样。
步骤S100,在当前时刻的第三状态积累时间大于第二预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
若第三状态积累时间bufftime3大于第二时间阈值Ts2o,则将当前时刻k的第二手势状态确定为普通手势状态,保存当前时刻k的处理后的加速度参数Gk、第三状态积累时间bufftime3以及普通手势状态,并继续对该手势信号进行采样。
步骤S200,在当前时刻的第三状态积累时间小于第二预设时间阈值时,将当前时刻的第二手势状态保存为静止手势状态。
若第三状态积累时间bufftime3小于或者等于第二时间阈值Ts2o,则将当前时刻k的第二手势状态确定为静止手势状态,保存当前时刻k的处理后的加速度参数Gk、第三状态积累时间bufftime3以及静止手势状态,并继续对该手势信号进行采样。
本实施例当距离当前时刻之前预设时间段内的第一手势状态为静止手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第三状态积累时间,并判断当前时刻的第三状态积累时间是否大于第二预设时间阈值,在当前时刻的手势状态大于第二预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态,在当前时刻的手势状态小于第二预设时间阈值时,将当前时刻的第二手势状态保存为静止手势状态。由于该第二时间阈值Ts2o为从静止手势状态转换成普通手势状态的最大时间阈值,在当前时刻的第三状态积累时间大于Ts2o时,将当前时刻的第二手势状态保存为普通手势状态,而不是现有技术中通过解锁相应的手势状态才能触发指定手势动作,从而简化了触发指定手势动作的流程,提高了手势识别的准确性,改善用户体验。
本发明进一步提供一种手势识别装置。
参照图7,图7为本发明手势识别装置的第一实施例的功能模块示意图。
在本实施例中,所述手势识别装置包括:获取模块10、确定模块20、第一判断模块30、第一保存模块40及第二保存模块50。
所述获取模块10,用于当距离当前时刻之前预设时间段内的第一手势状态为识别手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第一状态积累时间,并获取当前时刻关联的逻辑标记;
所述确定模块20,用于在当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值时,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕;
所述第一判断模块30,用于判断采集的手势动作信号是否与预设的打叉手势动作信号匹配;
所述第一保存模块40,用于若采集的手势动作信号与预设的打叉手势动作信号匹配,则触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态;
所述第二保存模块50,用于若采集的手势动作信号与预设的打叉手势动作信号不匹配,则将当前时刻的第二手势状态保存为识别手势状态。
在具体实现过程中,手势识别装置中的各个模块的功能与图1中各个方法步骤中的操作相对应。有关这些操作步骤的具体内容已经在前文做了详细的描述。因此此处不再赘述。
进一步的,基于上述第一实施例,提出本发明手势识别装置的第二实施例,在本实施例中,参照图8,所述第一判断模块30包括获取单元31、第一计算单元32、第二计算单元33及判定单元34。
所述获取单元31,用于获取移动终端保存的加速度矢量序列,并获取移动终端保存的加速度矢量长度;
所述第一计算单元32,用于根据加速度矢量序列以及加速度矢量长度计算当前时刻的加速度标量序列;
所述第二计算单元33,用于根据当前时刻的加速度标量序列计算满足预设的打叉手势条件的特征点;
所述判定单元34,用于当满足打叉手势条件的特征点的个数达到预设精度值时,判定手势动作信号是打叉手势动作信号。
在具体实现过程中,第一判断模块30中的各个单元的功能与图4中各个方法步骤中的操作相对应。有关这些操作步骤的具体内容已经在前文做了详细的描述。因此此处不再赘述。
进一步的,基于上述第一实施例,提出本发明手势识别装置的第三实施例,在本实施例中,参照图9,所述手势识别装置还包括:第二判断模块60、第三保存模块70及第四保存模块80。
所述第二判断模块60,用于当距离当前时刻之前预设时间段内的第一手势状态为普通手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第二状态积累时间,并判断当前时刻的第二状态积累时间是否大于第一预设时间阈值;
所述第三保存模块70,用于在当前时刻的第二状态积累时间大于第一预设时间阈值时,将当前时刻的第二手势状态保存为识别手势状态;
所述第四保存模块80,用于在当前时刻的第二状态积累时间小于第一预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态。
在具体实现过程中,手势识别装置中的各个模块的功能与图5中各个方法步骤中的操作相对应。有关这些操作步骤的具体内容已经在前文做了详细的描述。因此此处不再赘述。
进一步的,基于上述第一实施例,提出本发明手势识别装置的第四实施例,在本实施例中,参照图10,所述手势识别装置还包括:第三判断模块90、第五保存模块100及第六保存模块200。
所述第三判断模块90,用于当距离当前时刻之前预设时间段内的第一手势状态为静止手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第三状态积累时间,并判断当前时刻的第三状态积累时间是否大于第二预设时间阈值;
所述第五保存模块100,用于在当前时刻的第三状态积累时间大于第二预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
所述第六保存模块200,用于在当前时刻的第三状态积累时间小于第二预设时间阈值时,将当前时刻的第二手势状态保存为静止手势状态。
在具体实现过程中,手势识别装置中的各个模块的功能与图6中各个方法步骤中的操作相对应。有关这些操作步骤的具体内容已经在前文做了详细的描述。因此此处不再赘述。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种手势识别方法,其特征在于,所述手势识别方法包括以下步骤:
当距离当前时刻之前预设时间段内的第一手势状态为识别手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第一状态积累时间,并获取当前时刻关联的逻辑标记;
在当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值时,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕;
判断采集的手势动作信号是否与预设的打叉手势动作信号匹配;
若是,则触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态;
若否,则将当前时刻的第二手势状态保存为识别手势状态。
2.如权利要求1所述的手势识别方法,其特征在于,所述判断采集的手势动作信号是否与预设的打叉手势动作信号匹配的步骤包括:
获取移动终端保存的加速度矢量序列,并获取移动终端保存的加速度矢量长度;
根据加速度矢量序列以及加速度矢量长度计算当前时刻的加速度标量序列;
根据当前时刻的加速度标量序列计算满足预设的打叉手势条件的特征点;
当满足打叉手势条件的特征点的个数达到预设精度值时,判定手势动作信号是打叉手势动作信号。
3.如权利要求1所述的手势识别方法,其特征在于,所述手势识别方法还包括:
当距离当前时刻之前预设时间段内的第一手势状态为普通手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第二状态积累时间,并判断当前时刻的第二状态积累时间是否大于第一预设时间阈值;
在当前时刻的第二状态积累时间大于第一预设时间阈值时,将当前时刻的第二手势状态保存为识别手势状态;
在当前时刻的第二状态积累时间小于第一预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
当距离当前时刻之前预设时间段内的第一手势状态为静止手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第三状态积累时间,并判断当前时刻的第三状态积累时间是否大于第二预设时间阈值;
在当前时刻的第三状态积累时间大于第二预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
在当前时刻的第三状态积累时间小于第二预设时间阈值时,将当前时刻的第二手势状态保存为静止手势状态。
4.如权利要求2所述的手势识别方法,其特征在于,所述当前时刻的加速度标量序列的计算公式为:
其中,Gk-n+1为加速度矢量序列中的第k-n+1个加速度矢量,Xk-n+1为第k-n+1个加速度矢量在x轴方向上的加速度分量,Yk-n+1为第k-n+1个加速度矢量在y轴方向上的加速度分量,Zk-n+1为第k-n+1个加速度矢量在z轴方向上的加速度分量,Gi为加速度矢量序列中的第i个加速度矢量,Xi为第i个加速度矢量在x轴方向上的加速度分量,Yi第i个加速度矢量在y轴方向上的加速度分量,Zi为第i个加速度矢量在z轴方向上的加速度分量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,λ为(0,1)的实数,q为正整数,k为正整数,n为移动终端保存的加速度矢量长度,i=k-n+2,k-n+3…k。
5.如权利要求2或4所述的手势识别方法,其特征在于,所述满足打叉手势条件的特征点的计算公式为:
其中,Gi为加速度矢量序列中的第i个加速度矢量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,Gi+1为加速度矢量序列中的第i+1个加速度矢量,T为(0,+∞)的实数,Ω为实数,为不等号,k为正整数,i=k-n+2,k-n+3…k-1。
6.一种手势识别装置,其特征在于,所述手势识别装置包括:
获取模块,用于当距离当前时刻之前预设时间段内的第一手势状态为识别手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第一状态积累时间,并获取当前时刻关联的逻辑标记;
确定模块,用于在当前时刻关联的逻辑标记满足第一预设标记值,且当前时刻的第一状态积累时间大于识别结束阈值时,确定在当前时刻对移动终端中加速度传感器捕捉的手势动作信号采集完毕;
第一判断模块,用于判断采集的手势动作信号是否与预设的打叉手势动作信号匹配;
第一保存模块,用于若采集的手势动作信号与预设的打叉手势动作信号匹配,则触发与打叉手势动作信号关联的动作响应,并将当前时刻的第二手势状态保存为普通手势状态;
第二保存模块,用于若采集的手势动作信号与预设的打叉手势动作信号不匹配,则将当前时刻的第二手势状态保存为识别手势状态。
7.如权利要求6所述的手势识别装置,其特征在于,所述第一判断模块包括:
获取单元,用于获取移动终端保存的加速度矢量序列,并获取移动终端保存的加速度矢量长度;
第一计算单元,用于根据加速度矢量序列以及加速度矢量长度计算当前时刻的加速度标量序列;
第二计算单元,用于根据当前时刻的加速度标量序列计算满足预设的打叉手势条件的特征点;
判定单元,用于当满足打叉手势条件的特征点的个数达到预设精度值时,判定手势动作信号是打叉手势动作信号。
8.如权利要求6所述的手势识别装置,其特征在于,所述手势识别还装置:
第二判断模块,用于当距离当前时刻之前预设时间段内的第一手势状态为普通手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第二状态积累时间,并判断当前时刻的第二状态积累时间是否大于第一预设时间阈值;
第三保存模块,用于在当前时刻的第二状态积累时间大于第一预设时间阈值时,将当前时刻的第二手势状态保存为识别手势状态;
第四保存模块,用于在当前时刻的第二状态积累时间小于第一预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
第三判断模块,用于当距离当前时刻之前预设时间段内的第一手势状态为静止手势状态,且当前时刻的状态逻辑向量满足预设向量时,确定当前时刻的第三状态积累时间,并判断当前时刻的第三状态积累时间是否大于第二预设时间阈值;
第五保存模块,用于在当前时刻的第三状态积累时间大于第二预设时间阈值时,将当前时刻的第二手势状态保存为普通手势状态;
第六保存模块,用于在当前时刻的第三状态积累时间小于第二预设时间阈值时,将当前时刻的第二手势状态保存为静止手势状态。
9.如权利要求7所述的手势识别装置,其特征在于,所述当前时刻的加速度标量序列的计算公式为:
其中,Gk-n+1为加速度矢量序列中的第k-n+1个加速度矢量,Xk-n+1为第k-n+1个加速度矢量在x轴方向上的加速度分量,Yk-n+1为第k-n+1个加速度矢量在y轴方向上的加速度分量,Zk-n+1为第k-n+1个加速度矢量在z轴方向上的加速度分量,Gi为加速度矢量序列中的第i个加速度矢量,Xi为第i个加速度矢量在x轴方向上的加速度分量,Yi第i个加速度矢量在y轴方向上的加速度分量,Zi为第i个加速度矢量在z轴方向上的加速度分量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,λ为(0,1)的实数,q为正整数,k为正整数,n为移动终端保存的加速度矢量长度,i=k-n+2,k-n+3…k。
10.如权利要求7或9所述的手势识别装置,其特征在于,所述满足预设条件的特征点的计算公式为:
其中,Gi为加速度矢量序列中的第i个加速度矢量,Gi-1为加速度矢量序列中的第i-1个加速度矢量,Gi+1为加速度矢量序列中的第i+1个加速度矢量,T为(0,+∞)的实数,Ω为实数,为不等号,k为正整数,i=k-n+2,k-n+3…k-1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611052030.2A CN106598231B (zh) | 2016-11-22 | 2016-11-22 | 手势识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611052030.2A CN106598231B (zh) | 2016-11-22 | 2016-11-22 | 手势识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106598231A true CN106598231A (zh) | 2017-04-26 |
CN106598231B CN106598231B (zh) | 2019-12-10 |
Family
ID=58593273
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611052030.2A Active CN106598231B (zh) | 2016-11-22 | 2016-11-22 | 手势识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106598231B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107797666A (zh) * | 2017-11-21 | 2018-03-13 | 出门问问信息科技有限公司 | 手势识别方法、装置及电子设备 |
CN110187772A (zh) * | 2019-06-03 | 2019-08-30 | 中国科学院电子学研究所 | 拍掌手势识别的方法 |
CN110362264A (zh) * | 2019-06-28 | 2019-10-22 | 武汉海微科技有限公司 | 一种基于触摸板的动态手势识别方法、装置和系统 |
CN113494802A (zh) * | 2020-05-28 | 2021-10-12 | 海信集团有限公司 | 一种智能冰箱控制方法及智能冰箱 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853133A (zh) * | 2010-05-31 | 2010-10-06 | 中兴通讯股份有限公司 | 一种自动识别手势的方法及移动终端 |
CN103809735A (zh) * | 2012-11-12 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种手势识别的方法及装置 |
CN104914991A (zh) * | 2015-03-17 | 2015-09-16 | 广州大学 | 可穿戴智能手环手势识别方法及其装置 |
CN105718202A (zh) * | 2016-01-22 | 2016-06-29 | 庞迪 | 一种基于手势的图标迁移实现方法及实现系统 |
CN106095307A (zh) * | 2016-06-01 | 2016-11-09 | 努比亚技术有限公司 | 旋转手势识别装置及方法 |
-
2016
- 2016-11-22 CN CN201611052030.2A patent/CN106598231B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101853133A (zh) * | 2010-05-31 | 2010-10-06 | 中兴通讯股份有限公司 | 一种自动识别手势的方法及移动终端 |
CN103809735A (zh) * | 2012-11-12 | 2014-05-21 | 腾讯科技(深圳)有限公司 | 一种手势识别的方法及装置 |
CN104914991A (zh) * | 2015-03-17 | 2015-09-16 | 广州大学 | 可穿戴智能手环手势识别方法及其装置 |
CN105718202A (zh) * | 2016-01-22 | 2016-06-29 | 庞迪 | 一种基于手势的图标迁移实现方法及实现系统 |
CN106095307A (zh) * | 2016-06-01 | 2016-11-09 | 努比亚技术有限公司 | 旋转手势识别装置及方法 |
Non-Patent Citations (1)
Title |
---|
陈意等: ""一种基于加速度特征提取的手势识别方法"", 《传感技术学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107797666A (zh) * | 2017-11-21 | 2018-03-13 | 出门问问信息科技有限公司 | 手势识别方法、装置及电子设备 |
CN110187772A (zh) * | 2019-06-03 | 2019-08-30 | 中国科学院电子学研究所 | 拍掌手势识别的方法 |
CN110187772B (zh) * | 2019-06-03 | 2020-09-25 | 中国科学院电子学研究所 | 拍掌手势识别的方法 |
CN110362264A (zh) * | 2019-06-28 | 2019-10-22 | 武汉海微科技有限公司 | 一种基于触摸板的动态手势识别方法、装置和系统 |
CN110362264B (zh) * | 2019-06-28 | 2022-06-10 | 武汉海微科技有限公司 | 一种基于触摸板的动态手势识别方法、装置和系统 |
CN113494802A (zh) * | 2020-05-28 | 2021-10-12 | 海信集团有限公司 | 一种智能冰箱控制方法及智能冰箱 |
Also Published As
Publication number | Publication date |
---|---|
CN106598231B (zh) | 2019-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105184325B (zh) | 一种移动智能终端 | |
CN106598231A (zh) | 手势识别方法及装置 | |
Ko et al. | Using dynamic time warping for online temporal fusion in multisensor systems | |
CN111325089B (zh) | 跟踪对象的方法和设备 | |
WO2021184619A1 (zh) | 一种人体运动姿态识别评价方法及其系统 | |
WO2009056688A1 (en) | System for sports activity | |
KR20120052610A (ko) | 신경망 학습을 통한 동작 인식 방법 및 장치 | |
CN111436944A (zh) | 一种基于智能移动终端的跌倒检测方法 | |
CN107798351B (zh) | 一种基于深度学习神经网络的身份识别方法和系统 | |
Fernandez-Lopez et al. | Optimizing resources on smartphone gait recognition | |
CN111089604A (zh) | 基于可穿戴传感器的健身运动识别方法 | |
CN108717548B (zh) | 一种面向传感器动态增加的行为识别模型更新方法及系统 | |
CN110929242B (zh) | 基于无线信号进行姿态无关的连续用户认证方法及系统 | |
CN111860117A (zh) | 一种基于深度学习的人体行为识别方法 | |
CN110123280A (zh) | 一种基于智能移动终端操作行为识别的手指灵活度检测方法 | |
CN113268143A (zh) | 一种基于强化学习的多模态人机交互方法 | |
CN111803902B (zh) | 泳姿识别方法、装置、可穿戴设备及存储介质 | |
CN110909687A (zh) | 动作特征有效性判定方法、计算机存储介质和电子装置 | |
CN112130675A (zh) | 一种抬腕识别方法及可穿戴终端 | |
CN103826202B (zh) | 基于手机传感器信息改进WiFi定位结果跳动的方法 | |
CN114327045A (zh) | 基于类别不平衡信号的跌倒检测方法及系统 | |
CN106598232A (zh) | 手势识别方法及装置 | |
CN112527118B (zh) | 一种基于动态时间规整的头部姿态识别方法 | |
Siirtola et al. | From user-independent to personal human activity recognition models using smartphone sensors | |
CN115546825A (zh) | 一种安检规范性自动监测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |