CN106778465A - 基于无源rfid设备的三维手势运动特征识别方法及无源rfid设备 - Google Patents

Abstract

本发明涉及一种基于无源RFID设备的三维手势运动特征识别方法及无源RFID设备，属于RFID定位领域，通过采用提供基于无源RFID设备的三维手势运动特征识别方法解决了由于环境影响带来的误差和较高速度导致的手势无法识别的问题，从而使得无源RFID设备在基于手势的交互应用系统中的应用成为可能；该应用上述基于无源RFID设备的三维手势运动特征识别方法的无源RFID设备，无源RFID设备包括佩戴上用户手指上的至少一个RFID标签、用以读取RFID标签的反射信号的天线、与天线信号连接的阅读器及与阅读器连接的计算机。

Description

基于无源RFID设备的三维手势运动特征识别方法及无源RFID 设备

技术领域

本发明涉及一种基于无源RFID设备的三维手势运动特征识别方法及无源RFID设备，属于RFID定位领域。

背景技术

在手势识别方法中，以往的手势跟踪与识别系统大多基于视觉传感器或需要佩戴专门的位置传感器来实现手部轨迹的跟踪与识别。而无源RFID追踪方案，只需在被跟踪物体上粘贴一张RFID标签即可，无需佩戴传感器，无需连接电源和数据线，可以在具有遮挡、隔断等有障碍物环境中使用。现有的无源RFID跟踪方案，依赖于使用特殊的高性能设备获取到精确空间数据后，分析其静态特征(如：骨骼、轮廓等)，通过SVM或者模板匹配等方法来匹配具有特定含义手势的骨骼形态或轮廓形状来达到识别手势的目的。基于Kinect或leapmotion的技术方案必须满足可视要求，即要求设备与人之间不能有阻隔和遮挡。但基于RFID的方案可以避免这个问题，但是现有的无源RFID系统普遍存在如下问题：一、无源RFID系统容易受到温度、距离、设备误差等噪声的干扰，很难在精确度与鲁棒性之间找到一个良好的平衡，从而导致空间位置数据采集的误差，严重时会导致手势识别错误或者失败；二、在实际交互应用中，由于手部运动相对较快，使用传统方案跟踪无源RFID目标，会导致由于严重的数据丢失而引起手势识别失败；三、在实际应用场景中，最常使用的手势有平移和画弧两种。但是，平移手势通常也会带有一定的弧度，如何恰当地识别并区分这两类手势是单纯通过提高精度无法解决的；四、以往方案通常只关注手势的形状特征，而无法识别其运动的几何学特征(如：同一个轮廓的手势在三维空间中的大小、朝向、倾斜角度等)。

发明内容

本发明的目的在于提供基于无源RFID设备的三维手势运动特征识别方法，其可以解决环境影响带来的误差和较高速度导致的手势无法识别的问题。

为达到上述目的，本发明提供如下技术方案：一种基于无源RFID设备的三维手势运动特征识别方法，包括：

S1：通过无源RFID设备采集数据，所采集到的数据为空间位置数据，将所采集到的数据形成一集合T，T＝{Tag_t1，Tag_t2，...Tag_tn}，其中，位置样本点Tag_ti与RFID标签号以及采样时间相关；

S2：通过TagID将数据按照RFID标签的编号分类，每一个RFID标签所对应的TagID组织成一个轨迹数据点序列通过中的位置点数据和采样时间间隔Δt，通过公式1：估算出各采样时间点上RFID标签的速度，以得到由各个采样时间点上速度矢量组成的速度矢量集v＝{v₁，v₂，...v_n}；

S3：通过公式2：将笛卡尔坐标系中的速度矢量集v映射到线元空间；然后通过公式3：得到速度矢量线元集合

将中的位置点数据在欧式几何空间中用刚体运动公式4表达，所述公式4：p(t)＝α(t)A(t)·p+a(t)，其中A(t)是旋转矩阵，α(t)是缩放因子；然后将上述公式4用线元形式表达，如公式5：

S4：使用速度矢量线元集合中的数据拟合所述公式5，并使用主成分分析方法来提取运动特征。

进一步地，所述主成分分析方法具体如下：

根据方程式：

得到最小值的特征根其中k∈{1，2，3，4}为特征根的数量；

然后通过公式7：

判断出旋转或平移运动，其中，为运动中转动能量的占比。

进一步地，依据刚体运动学理论，根据特征根得到物体具体运动特征。

进一步地，根据公式8

得到旋转轴矢量参数；

根据公式9：

得到中心点参数。

进一步地，在所述步骤S1中，所采集到的数据为具有误差的空间位置数据。

本发明还提供了一种应用上述基于无源RFID设备的三维手势运动特征识别方法的无源RFID设备，所述无源RFID设备包括佩戴上用户手指上的至少一个RFID标签、与天线信号连接的阅读器及与所述阅读器连接的计算机。

进一步地，相邻两个所述RFID标签位置相互错开。

进一步地，所述天线的数量为部署在用户两侧的一对。

本发明的有益效果在于：通过采用提供基于无源RFID设备的三维手势运动特征识别方法解决了由于环境影响带来的误差和较高速度导致的手势无法识别的问题，从而使得无源RFID设备在基于手势的交互应用系统中的应用成为可能。

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。

附图说明

图1为本发明一实施例所示的无源RFID设备的结构示意图。

图2为佩戴图1中的RFID标签的示意图。

图3为图1所示的无源RFID设备采集到的原始手势数据点示意图。

图4为在原始数据点集合的基础上提取的运动特征示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

请参见图1，本发明一较佳实施例所示的无源RFID设备包括佩戴上用户手指2上的至少一个RFID标签4、用以读取所述RFID标签4的反射信号的天线1、与天线1信号连接的阅读器(未图示)及与所述阅读器连接的计算机3。该阅读器为UHF高频阅读器，其读取天线的信号，然后将采集到的空间位置数据传送到计算机3进行处理。1个RFID标签4的情况下，只能提取一条手势轨迹，多个RFID标签4能够提取更多的手势信息，在本实施例中，RFID标签的数量为四个，如图2中标记的a、b、c、d。为了防止反射信号干扰，并表达更多的手势信息，相邻两个所述RFID标签位置相互错开。该计算机3为普通商用计算机。所述天线1的数量为部署在用户两侧的一对，两个天线1之间的距离最大为10m，该天线1为UHF天线。

应用于上述无源RFID设备的基于无源RFID设备的三维手势运动特征识别方法包括步骤S1至S4。

S1：通过无源RFID设备采集数据，所采集到的数据数据为空间位置数据，该空间位置数据可以具有误差。将所采集到的数据形成一集合T，T＝{Tag_t1，Tag_t2，...Tag_tn}，其中，位置样本点Tag_ti与RFID标签号以及采样时间相关，如图3中所示。

S2：通过TagID将数据按照RFID标签的编号分类，每一个手指上的RFID标签所对应的TagID可以组织成一个轨迹数据点序列，记为通过中的位置点数据和设备采样时间间隔Δt，通过公式(1)估算出各采样时间点上标签的大致速度，从而得到由各个采样时间点上速度矢量组成的速度矢量集v＝{v₁，v₂，...v_n}。公式(1)如下：

上述公式(1)中，p_tn-p_tn-1代表两个采样时间点之间位置点之间的距离差(为两个矢量的差)，分母代表两个采样点的之间间隔。

S3：通过公式(2)将笛卡尔坐标系中的速度矢量集v映射到线元空间，公式(2)如下：

上述公式(2)中，v为向量，即公式(1)所算出来的速度；p为向量，即向量v的矩向量，计算方法如下：p分别与v做向量叉积和点积，得到公式(2)左侧的向量。

通过公式(3)得到速度矢量线元集合公式(3)如下：

上述公式(3)目的在于：将公式(2)计算得到的每个采样时间点上的组成一个集合，该集合计作：

将中的位置点数据在欧式几何空间中用刚体运动公式(4)表达，公式(4)如下：

p(t)＝α(t)A(t)·p+a(t) (4)

其中，A(t)是旋转矩阵，p代表某一时刻运动的物体(点)的位置，α(t)A(t)·p中，p就是每一时刻点的位置，前面的系数一个是旋转矩阵，将公式(4)推广到可以旋转运动，α(t)是缩放因子，为了考虑运动的弹性，刚体运动是1。

将上述公式(4)用线元形式表达，如下述公式(5)：

S4：使用速度矢量线元集合中的数据拟合公式(5)，并使用PCA(主成分分析)方法来提取运动特征。

所述主成分分析方法具体如下：

根据方程式(6)得到最小值的特征根其中k∈{1，2，3，4}为特征根的数量，方程式(6)如下：

然后通过公式(7)判断出旋转或平移运动，公式(7)如下：

其中，为运动中转动能量的占比。该公式(7)为特征根里面两个相互垂直的特征向量的范数，这里也可以理解为矢量的大小。该公式(7)的意义为：当转动量的远远大于平动量的时候，物体在平移；反之则在旋转。这个函数可以实际计算样本中，将这两种运动很明显的分离开来。

根据刚体运动学理论，根据特征根得到物体具体运动特征。其中物体具体运动特征和特征根的对应关系如下：

当k＝4时，为球面运动；当k＝3时，为平面运动；当k＝2时，为圆柱、圆锥或者旋转圆柱面运动；当k＝1时，根据特征根对应的特征向量，可以区分运动特征如表1所示(其中表示最小的特征根对应的特征向量)：

表1特征根数量为1时，特征向量对应的运动类型

上述方法在识别运动类型的同时，还能够提取旋转轴和中心点两个运动特征的关键参数。其中，根据下述公式(8)

得到旋转轴矢量参数；上述公式(8)原理是根据刚体运动公式(4)推导所得到。通过该公式(8)可以得到旋转轴。

根据下述公式(9)：

得到中心点参数。上述公式(9)原理同样根据刚体运动公式(4)推导所得到。通过该公式(9)可以得到旋转中心。

综上所述：通过采用提供基于无源RFID设备的三维手势运动特征识别方法解决了由于环境影响带来的误差和较高速度导致的手势无法识别的问题，从而使得无源RFID设备在基于手势的交互应用系统中的应用成为可能。另外，通过该方法可提取其方向，倾斜角度等具体参数，从而使手势在实际应用中能够表达更加丰富的含义。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (8)

1.一种基于无源RFID设备的三维手势运动特征识别方法，其特征在于，包括：

S1：通过无源RFID设备采集数据，所采集到的数据为空间位置数据，将所采集到的数据形成一集合T，T＝{Tag_t1,Tag_t2,…Tag_tn}，其中，位置样本点Tag_ti与RFID标签号以及采样时间相关；

S2：通过TagID将数据按照RFID标签的编号分类，每一个RFID标签所对应的TagID组织成一个轨迹数据点序列通过中的位置点数据和采样时间间隔Δt，通过公式1：估算出各采样时间点上RFID标签的速度，以得到由各个采样时间点上速度矢量组成的速度矢量集

S3：通过公式2：将笛卡尔坐标系中的速度矢量集v映射到线元空间；然后通过公式3：得到速度矢量线元集合

将中的位置点数据在欧式几何空间中用刚体运动公式4表达，所述公式4：p(t)＝α(t)A(t)·p+a(t)，其中A(t)是旋转矩阵，α(t)是缩放因子；然后将上述公式4用线元形式表达，如公式5：

S4：使用速度矢量线元集合中的数据拟合所述公式5，并使用主成分分析方法来提取运动特征。

2.如权利要求1所述的基于无源RFID设备的三维手势运动特征识别方法，其特征在于，在所述步骤S4中，所述主成分分析方法具体如下：

根据方程式：

得到最小值的特征根其中k∈{1,2,3,4}为特征根的数量；

然后通过公式7：

判断出旋转或平移运动，其中，为运动中转动能量的占比。

3.如权利要求2所述的基于无源RFID设备的三维手势运动特征识别方法，其特征在于，依据刚体运动学理论，根据特征根得到物体具体运动特征。

4.如权利要求2或3所述的基于无源RFID设备的三维手势运动特征识别方法，其特征在于，根据公式8

得到旋转轴矢量参数；

根据公式9：

得到中心点参数。

5.如权利要求1所述的基于无源RFID设备的三维手势运动特征识别方法，其特征在于，在所述步骤S1中，所采集到的数据为具有误差的空间位置数据。

6.一种应用权利要求1至5项中任意一项所述的基于无源RFID设备的三维手势运动特征识别方法的无源RFID设备，其特征在于，所述无源RFID设备包括佩戴上用户手指上的至少一个RFID标签、用以读取所述RFID标签的反射信号的天线、与天线信号连接的阅读器及与所述阅读器连接的计算机。

7.如权利要求6所述的无源RFID设备，其特征在于，相邻两个所述RFID标签位置相互错开。

8.如权利要求7所述的无源RFID设备，其特征在于，所述天线的数量为部署在用户两侧的一对。