CN109710116B - 一种非接触式手势状态识别系统及识别方法 - Google Patents
一种非接触式手势状态识别系统及识别方法 Download PDFInfo
- Publication number
- CN109710116B CN109710116B CN201810964738.8A CN201810964738A CN109710116B CN 109710116 B CN109710116 B CN 109710116B CN 201810964738 A CN201810964738 A CN 201810964738A CN 109710116 B CN109710116 B CN 109710116B
- Authority
- CN
- China
- Prior art keywords
- data
- training
- judgment
- err
- decision
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 238000012549 training Methods 0.000 claims abstract description 38
- 238000012545 processing Methods 0.000 claims abstract description 17
- 238000012360 testing method Methods 0.000 claims description 13
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 239000006260 foam Substances 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000003825 pressing Methods 0.000 claims description 3
- 239000004575 stone Substances 0.000 abstract description 10
- 238000004080 punching Methods 0.000 abstract description 5
- 238000004458 analytical method Methods 0.000 abstract description 2
- 239000004744 fabric Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 5
- 239000003990 capacitor Substances 0.000 description 3
- 239000004020 conductor Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- -1 scissors Substances 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及一种非接触式手势状态识别方法。该方法利用非接触电容外置传感器，通过芯片FDC2214进行不同谐振频率响应，把不同手势信号转换为不同谐振频率信号，通过微处理单元进行分析与处理，以实现对不同手势状态的判决。具体而言，装置具有训练和判决两种工作模式。在判决模式下，识别方法能对指定人员进行猜拳游戏和划拳游戏的判决。这里猜拳游戏的判决是指对手势比划石头、剪刀和布的判定，划拳游戏的判定是指手势比划1、2、3、4和5的判定。在训练模式下能对任意人员进行猜拳游戏和划拳游戏的手势训练，经过有限次训练后，能进行正确的手势判决。
Description
技术领域
本发明涉及手势状态识别方法，尤其涉及一种非接触式手势状态识别方法。
背景技术
电容式传感是一种低功耗、低成本且高分辨率的非接触式感测技术，适用于接近度检测、手势识别等各类应用。电容式传感系统中的传感器可以采用任意金属或导体，因此可实现高度灵活的低成本系统设计。
FDC2214是基于LC谐振电路原理的一个电容检测传感器。其基本原理如图2所示，在芯片每个检测通道的输入端连接一个电感和电容，组成LC电路，被测电容传感端与LC电路相连接，将产生一个振荡频率，根据该频率值可计算出被测电容值。在本实验中，覆铜板为“FDC2214的传感平面”，该平面为导体材质，当人手接近该导体传感平面时，传感端的电容发生了变化，这就会导致LC电路振荡频率的变化，从而反映出手势接近，以及手势的判定。
FDC2214与MCU通过I2C口进行通信，将把谐振频率输出给MCU进行处理和感知变化。
发明内容
本发明涉及基于FDC2214的传感器技术，机器学习算法，msp430单片机编程，数据处理与分析。
本发明的目的在于一种手势识别系统，该方法利用传感芯片FDC2214以及单片机MSP430，可以实现对猜拳游戏(石头、剪刀、布)和划拳游戏(1，2，3，4，5)的判决。
为了达到以上目的，本发明提出一种非接触式手势状态识别系统，包括：极板、FDC2214模块、处理模块、显示模块；其中，
采用四块所述极板拼成手的形状，并与所述FDC2214模块相连，用于探测手指为止，进而进一步识别手势；
所述FDC2214模块用于读取电容数据；
所述处理模块用于处理电容数据进行训练与判决；
所述显示模块用于显示出判决结果，如石头、剪刀、布、1、2、3、4、5。
本发明还提出了一种非接触式手势状态识别系统，包括以下步骤：
步骤一：测试每块极板上的电容大小；
步骤二：切换到训练模式时，为了滤除噪音等，每次训练取前十次的数据取平均值，测一个环境下的初始值，将测试数据与环境初始值的差作为存储在MSP430单片机中的数据。
步骤三：将系统切换到判决模式时，将要判决的数据和学习的数据相比较，把判决数据归类。
所述步骤三中的判决模式采用K近邻算法：
步骤a：输入一组训练数据集T＝(x1，y1)，(x2，y2)，…，(xN，yN)，其中
为实例的特征向量，yi∈Y＝{c1，c2…，ck}为实例的类别，i＝1，2…，N；实例特征向量x输出：实例x所属的类y；根据给点的距离度量，在训练数据集T中找出与x最近相邻的k个点，涵盖着k个点的领域，记为Nk(x)；再在Nk(x)中根据分类决策规则决定x的类别y；
步骤b：当系统处于训练模式下，首次先进行初始化的数值记录；之后的每次训练中，按下开始训练，开始读取四个极板的数值，取一段时间内的数值做平均，若是石头剪刀布判定，共取到3种手势，每种手势3组数据，每组数据包含4个极板的谐振值，将数据截断为5位，分别与初始化中的四个极板的谐振值相减，记录下来；
步骤c：当系统处于判决模式，则调用原先记录的训练模式的差，将测试的数据与初始值相减，再做如下处理：
judi＝|err-erri，1|+|err-erri，2|+|err-erri，3|+|err-erri，4| (2)；
其中，judi为该判决参照值，erri，j为读取之前第i次记录下覆铜板j的差值，共有九个判决参照值，取最小的五个，比较五个中所处最多的组是石头，剪刀还是布，从而把此次测试进行归类判决；若当场判决，采用的数组为预先设定好的；若学习后判决，采用的数组则为系统当场学习的。
由于采用了上述方案，本发明具有如下特点：存储数据量小，存储快，只用MSP430的一个I2C通道口，占用资源少，算法简单有效，计算快，判决高效，受环境影响小，比较稳定。
附图说明
图1为本发明实施例的手势识别系统总体设计示意框图。
图2为本发明实施例的手势识别系统电容传感极板位置及结构图。
图3为本发明实施例的手势识别系统的FDC2214传感器模块电路图。
图4为本发明实施例的手势识别系统的FDC2214传感器基本原理图。
图5为本发明实施例的手势识别系统的手势识别装置的测试示意图。
图6为本发明实施例的手势识别系统的程序设计流程图。
具体实施方式
结合以下具体实施例和附图，对发明作进一步的详细说明。实施本发明的过程、条件、实验方法等，除以下专门提及的内容之外，均为本领域的普遍知识和公知常识，本发明没有特别限制内容。
本发明提出了一种非接触式手势状态识别系统，包括：极板、FDC2214模块、处理模块、显示模块；其中，
采用四块所述极板拼成手的形状，并与所述FDC2214模块相连，用于探测手指为止，进而进一步识别手势；
所述FDC2214模块用于读取电容数据；
所述处理模块用于处理电容数据进行训练与判决；
所述显示模块用于显示出判决结果，如石头、剪刀、布、1、2、3、4、5。
本发明应用一块四通道的FDC2214芯片，把四个通道连到四块不同位置的覆铜板上，该覆铜板在底板上的结构与手掌结构相同，不同手势对应不同覆铜板感应效应，利用微处理单元芯片MSP430的I2C口读入四个通道的手势频率感应数据，这些电容数据反映出不同位置上极板与手的接近程度，通过这些电容数据与测好的数据进行比较归类。
本发明有两种工作模式：训练模式及判决模式，该方法首先结合预先测好的数据直接进行手势判决，如果无法得到准确结果，则可使该系统每种手势各训练3遍，再将系统调整为训练模式，根据此数据进行判决。
本发明当系统处于判决或是训练模式时，为了减轻环境因素的干扰等，使用泡沫箱作为周围介质包围测试区，使测试区处于密闭环境，除减小周围干扰的作用，其还具有减震固定的作用。
基于以上MSP430F5529单片机及FDC2214芯片的手势识别系统，本发明还提出了一种非接触式手势状态识别方法，包含以下步骤：
步骤一：手势检测，采用4块极板，如图2拼成手的形状，测试每块极板上的不同的电容大小。
步骤二：将系统切换到训练模式时，为了滤除噪音等，每次训练取前十次的数据取平均值，测一个环境下的初始值，将测试数据与环境初始值的差作为存储在MSP430单片机中的数据。
步骤三：将系统切换到判决模式时，采用KNN算法将要判决的数据和学习的数据相比较，把判决数据归类。
其中，具体算法为：
本平台的判决模式采用K-Nearest Neighbor，K近邻(K Nearest Neighbor，KNN)算法是解决分类问题中最为常用的算法之一。
具体而言，输入一组训练数据集T＝(x1，y1)，(x2，y2)，…，(xN，yN)，其中
为实例的特征向量，yi∈Y＝{c1，c2…，ck}为实例的类别，i＝1，2…，N；实例特征向量x输出：实例x所属的类y。可根据给点的距离度量，在训练集T中找出与x最近相邻的k个点，涵盖着k个点的领域，记为Nk(x)；再在Nk(x)中根据分类决策规则(如多数表决)来决定x的类别y。
当装置处于训练模式下，首次先进行初始化的数值记录。之后的每次训练中，按下开始训练，开始读取四个电容传感器的数值，取一段时间内的数值做平均，若是石头剪刀布判定，共取到3种手势，每种手势3组数据，每组数据包含4个电容传感器的谐振值，将数据截断为5位，分别与初始化中的四个电容传感器的谐振值相减，记录下来。
而当装置处于判决模式，则调用了原先记录的训练模式的差，将测试的数据与初始值相减，再做如下KNN算法处理：
judi＝|err-erri，1|+|err-erri，2|+|err-erri，3|+|err-erri，4| (2)
其中，judi为该判决参照值，erri，j为读取之前第i次记录下覆铜板j的差值，共有九个判决参照值，取最小的五个，比较五个中所处最多的组是石头，剪刀还是布，从而把此次测试进行归类判决。若当场判决，采用的数组为预先设定好的，若学习后判决，采用的数组则为装置当场学习的。
本实施例中的基于MSP430F5529单片机及FDC2214芯片的手势识别方法，主要步骤如下：(1)装置工作在判决模式下，能对参赛者指定人员进行猜拳判决，给出手势“石头”、“剪刀”和“布”的准确判决，每一次判决的时间不大于1秒。能对参赛者指定人员进行划拳判决，给出手势“1”、“2”、“3”、“4”和“5”的准确判决，要求每一次判决的时间不大于1秒。
(2)装置工作在训练模式下，对任意测试者进行猜拳(“石头”、“剪刀”和“布”)或划拳(“1”、“2”、“3”、“4”和“5”)的手势训练，每种动作训练次数为3次，总的训练时间不大于1分钟；然后切换工作模式到判决模式，对被训练的人员进行猜拳或划拳判决，每一次判决的时间不大于1秒。
本发明的保护内容不局限于以上实施例。在不背离发明构思的精神和范围下，本领域技术人员能够想到的变化和优点都被包括在本发明中，并且以所附的权利要求书为保护范围。
Claims (2)
1.一种非接触式手势状态识别方法，其特征在于，所述方法采用非接触式手势状态识别系统，所述系统包括：极板、FDC2214模块、处理模块、显示模块；采用四块所述极板拼成手的形状，并与所述FDC2214模块相连，用于探测手指为止，进而进一步识别手势；所述FDC2214模块用于读取电容数据；所述处理模块用于处理电容数据进行训练与判决；所述显示模块用于显示出判决结果；
所述方法包括以下步骤：
步骤一：测试每块极板上的电容大小；
步骤二：切换到训练模式时，为了滤除噪音等，每次训练取前十次的数据取平均值，测一个环境下的初始值，将测试数据与环境初始值的差作为存储在MSP430单片机中的数据；
步骤三：将系统切换到判决模式时，将要判决的数据和学习的数据相比较，把判决数据归类；其中，判决模式采用K近邻算法：
步骤a：输入一组训练数据集T(x1,y1),(x2,y2),…,(xN,yN)，其中
为实例的特征向量，
为实例的类别,i＝1,2…,N；实例特征向量x输出：实例x所属的类
根据给点的距离度量，在训练数据集T中找出与x最近相邻的k个点，涵盖着k个点的领域，记为Nk(x)；再在Nk(x)中根据分类决策规则决定x的类别
步骤b：当系统处于训练模式下，首次先进行初始化的数值记录；之后的每次训练中，按下开始训练，开始读取四个极板的数值，取一段时间内的数值做平均，每种手势3组数据，每组数据包含4个极板的谐振值，将数据截断为5位，分别与初始化中的四个极板的谐振值相减，记录下来；
步骤c：当系统处于判决模式，则调用原先记录的训练模式的差，将测试的数据与初始值相减，再做如下处理：
judi＝|err-erri,1|+|err-erri,2|+|err-erri,3|+|err-erri,4| (2)；
其中，judi为该判决参照值，erri,j为读取之前第i次记录下覆铜板j的差值，共有九个判决参照值，取最小的五个，比较五个中所处最多的组，从而把此次测试进行归类判决；若当场判决，采用的数组为预先设定好的；若学习后判决，采用的数组则为系统当场学习；
步骤d：求得所得结果最小的即为该次判决该归入的类别。
2.如权利要求1所述的非接触式手势状态识别方法，其特征在于，所述非接触式手势状态识别系统进一步包括：泡沫箱，所述泡沫箱作为周围介质包围需要用手覆盖上去检测的测试区。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810964738.8A CN109710116B (zh) | 2018-08-23 | 2018-08-23 | 一种非接触式手势状态识别系统及识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810964738.8A CN109710116B (zh) | 2018-08-23 | 2018-08-23 | 一种非接触式手势状态识别系统及识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109710116A CN109710116A (zh) | 2019-05-03 |
| CN109710116B true CN109710116B (zh) | 2021-12-07 |
Family
ID=66253733
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810964738.8A Active CN109710116B (zh) | 2018-08-23 | 2018-08-23 | 一种非接触式手势状态识别系统及识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109710116B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110275614B (zh) * | 2019-05-30 | 2022-09-30 | 福建工程学院 | 一种非接触式手势识别装置及其方法 |
| CN110673781A (zh) * | 2019-08-21 | 2020-01-10 | 华东师范大学 | 一种基于模块匹配的手势识别装置及识别方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106502570A (zh) * | 2016-10-25 | 2017-03-15 | 科世达（上海）管理有限公司 | 一种手势识别的方法、装置及车载系统 |
| CN106774887A (zh) * | 2016-12-15 | 2017-05-31 | 芯海科技（深圳）股份有限公司 | 一种非接触式手势识别装置和识别方法 |
| CN107219924A (zh) * | 2017-05-27 | 2017-09-29 | 华南理工大学 | 一种基于惯性传感器的空中手势识别方法 |
-
2018
- 2018-08-23 CN CN201810964738.8A patent/CN109710116B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106502570A (zh) * | 2016-10-25 | 2017-03-15 | 科世达（上海）管理有限公司 | 一种手势识别的方法、装置及车载系统 |
| CN106774887A (zh) * | 2016-12-15 | 2017-05-31 | 芯海科技（深圳）股份有限公司 | 一种非接触式手势识别装置和识别方法 |
| CN107219924A (zh) * | 2017-05-27 | 2017-09-29 | 华南理工大学 | 一种基于惯性传感器的空中手势识别方法 |
Non-Patent Citations (2)
| Title |
|---|
| http://www.51hei.com/bbs/dpj-130703-1.html;1106998808;《2018TI杯大学生电子设计竞赛FDC2214手势识别设计报告》;20180802;网页全文 * |
| https://blog.csdn.net/he__yuan/article/details/81260370;斜杠青年/;《（D题FDC2214手势识别装置）2018年全国大学生电子设计大赛（TI杯）参赛经验总结》;20180728;网页全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109710116A (zh) | 2019-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12002282B2 (en) | Operating a fingerprint sensor comprised of ultrasonic transducers | |
| US11288891B2 (en) | Operating a fingerprint sensor comprised of ultrasonic transducers | |
| US9996165B2 (en) | 3D gesture recognition | |
| CN105938404B (zh) | 用于触摸屏幕感应的方法和设备、对应的装置和计算机程序产品 | |
| TWI652628B (zh) | 指紋識別方法及電子裝置 | |
| CN105630227B (zh) | 一种触摸屏灵敏度的调整方法及系统 | |
| CN105631402A (zh) | 指纹识别装置及方法 | |
| CN105617638A (zh) | 羽毛球挥拍动作识别方法和装置 | |
| CN103109252A (zh) | 使用声学超声阻抗描记术的用于指向装置的方法和系统 | |
| CN103197817A (zh) | 互电容式触摸系统中的快速触摸检测 | |
| CN109710116B (zh) | 一种非接触式手势状态识别系统及识别方法 | |
| CN105844262A (zh) | 一种湿手操作模式下结合指纹判断触摸位置的方法及装置 | |
| WO2018160120A1 (en) | Method of classifying a finger touch in respect of finger pressure and fingerprint sensing system | |
| US20160054831A1 (en) | Capacitive touch device and method identifying touch object on the same | |
| CN104081328A (zh) | 智能触摸屏键激活检测 | |
| CN103186279A (zh) | 执行检测操作的方法和装置 | |
| CN102981671A (zh) | 多类物体触控点检测方法 | |
| CN110275614B (zh) | 一种非接触式手势识别装置及其方法 | |
| CN109241876A (zh) | 一种基于k近邻算法的手势识别系统及方法 | |
| CN110766057A (zh) | 一种手势识别装置及方法 | |
| CN109343694B (zh) | 一种用于猜拳划拳游戏的手势识别系统和方法 | |
| CN117742502A (zh) | 一种基于电容、距离传感器的双模态手势识别系统及方法 | |
| CN105892746A (zh) | 一种触控方法以及电子设备 | |
| US9946917B2 (en) | Efficient determination of biometric attribute for fast rejection of enrolled templates and other applications | |
| US11416095B2 (en) | Touch screen controller for determining relationship between a user's hand and a housing of an electronic device |
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 |