CN109814725A - 一种手势交互方法及系统 - Google Patents

Abstract

本发明公开一种手势交互方法及系统。手势交互方法包括：获取待识别手势对应的第一电容数据；所述第一电容数据为待识别手势对应的手势识别区域中每块电容极板的电容值；获取手势数据库中每个手势模板的第二电容数据；所述第二电容数据为手势模板对应的手势识别区域中每块电容极板的电容值；根据所述第一电容数据和所述第二电容数据，计算所述待识别手势和每个手势模板之间的电容值偏差值；将电容值偏差值最小的手势模板确定为所述待识别手势对应的手势。本发明可以提高手势识别的精度，提高手势交互的效率。

Description

一种手势交互方法及系统

技术领域

本发明涉及智能交互领域，特别是涉及一种手势交互方法及系统。

背景技术

随着科技的发展，越来越多的科技产品为了满足人们使用方便的目的，添加了各种人机交互手段。其中手势交互就是其中之一，并且随着开发的深入，越来越多的手势交互装置出现在人们的生活中，如智能驾驶，互动游戏，在线教育，视频直播，手势识别交互这一技术适用于多种场景。

对于识别方式来说，目前的手势识别方式有超声波识别，红外反射识别，图像识别。随着图像处理技术的发展，大多数的手势交互装置使用图像处理作为手势识别的方式，例如，有的方案中使用双目摄像头对图像处理后对手势进行捕捉，然后对已知手势模板进行匹配。这种方法对处理器性能要求高，并受环境影响大，不同环境光条件下可能造成手势的边界变形从而导致识别错误率上升。对于超声波识别和红外反射识别虽设计简单易用，但在识别精度方面有所欠缺。

发明内容

本发明的目的是提供一种手势交互方法及系统，以提高手势识别的精度，提高手势交互的效率。

为实现上述目的，本发明提供了如下方案：

一种手势交互方法，包括：

获取待识别手势对应的第一电容数据；所述第一电容数据为待识别手势对应的手势识别区域中每块电容极板的电容值；

获取手势数据库中每个手势模板的第二电容数据；所述第二电容数据为手势模板对应的手势识别区域中每块电容极板的电容值；

根据所述第一电容数据和所述第二电容数据，采用贪婪算法计算所述待识别手势和每个手势模板之间的电容值偏差值；

将电容值偏差值最小的手势模板确定为所述待识别手势对应的手势。

可选的，所述获取待识别手势对应的第一电容数据，具体包括：

获取每块电容极板的环境电容值；所述环境电容值为启动时所述电容极板的电容值；

获取所述待识别手势对应的每块电容极板的电容测量值；

将每块电容极板的电容测量值减去环境电容值的差值，确定为所述电容极板对应的电容值，得到所述待识别手势对应的第一电容数据。

可选的，所述获取待识别手势对应的第一电容数据，之后还包括：

对所述第一电容数据进行卡尔曼滤波，得到所述第一电容数据的估计数据。

可选的，所述对所述第一电容数据进行卡尔曼滤波，具体包括：

获取前一次手势识别的方差数据；所述方差数据包括每个电容极板对应的测量电容值的方差、高斯噪声的方差和电容估计值的方差；

根据前一次手势识别的方差数据，获取本次卡尔曼滤波的增益系数；

获取前一次手势识别的电容极板的电容估计值；

获取本次手势识别的电容极板的电容测量值；

根据前一次手势识别电容极板的电容估计值、本次卡尔曼滤波的增益系数和本次手势识别的电容极板的电容测量值，获取本次卡尔曼滤波的电容估计值。

可选的，所述根据所述第一电容数据和所述第二电容数据，采用贪婪算法计算所述待识别手势和每个手势模板之间的电容值偏差值，具体包括：

获取每个电容极板的权重；

对于第i个手势模板，计算待识别手势对应的第k个电容极板的电容值与第i个手势模板对应的第k个电容极板的电容值之间的差值，得到第k个电容极板对应的电容差值；

依次得到每个电容极板对应的电容差值；

将每块电容极板对应的电容差值与权重相乘后求和，得到所述待识别手势与第i个手势模板之间的电容值偏差值；

依次获得所述待识别手势与每个手势模板之间的电容值偏差值。

本发明还提供一种手势交互系统，包括：

第一电容数据获取模块，用于获取待识别手势对应的第一电容数据；所述第一电容数据为待识别手势对应的手势识别区域中每块电容极板的电容值；

第二电容数据获取模块，用于获取手势数据库中每个手势模板的第二电容数据；所述第二电容数据为手势模板对应的手势识别区域中每块电容极板的电容值；

电容值偏差值计算模块，用于根据所述第一电容数据和所述第二电容数据，采用贪婪算法计算所述待识别手势和每个手势模板之间的电容值偏差值；

待识别手势确定模块，用于将电容值偏差值最小的手势模板确定为所述待识别手势对应的手势。

可选的，所述第一电容数据获取模块具体包括：

环境电容值获取单元，用于获取每块电容极板的环境电容值；所述环境电容值为启动时所述电容极板的电容值；

电容测量值获取单元，用于获取所述待识别手势对应的每块电容极板的电容测量值；

第一电容数据获得单元，用于将每块电容极板的电容测量值减去环境电容值的差值，确定为所述电容极板对应的电容值，得到所述待识别手势对应的第一电容数据。

可选的，所述手势交互系统还包括：卡尔曼滤波模块，用于获取待识别手势对应的第一电容数据之后，对所述第一电容数据进行卡尔曼滤波，得到所述第一电容数据的估计数据；所述卡尔曼滤波模块具体包括：

方差数据获取单元，用于获取前一次手势识别的方差数据；所述方差数据包括每个电容极板对应的测量电容值的方差、高斯噪声的方差和电容估计值的方差；

增益系数获取单元，用于根据前一次手势识别的方差数据，获取本次卡尔曼滤波的增益系数；

历史电容估计值获取单元，用于获取前一次手势识别的电容极板的电容估计值；

电容测量值获取单元，用于获取本次手势识别的电容极板的电容测量值；

本次电容估计值获取单元，用于根据前一次手势识别电容极板的电容估计值、本次卡尔曼滤波的增益系数和本次手势识别的电容极板的电容测量值，获取本次卡尔曼滤波的电容估计值。

可选的，所述电容值偏差值计算模块具体包括：

权重获取单元，用于获取每个电容极板的权重；

电容差值获取单元，用于对于第i个手势模板，计算待识别手势对应的第k个电容极板的电容值与第i个手势模板对应的第k个电容极板的电容值之间的差值，得到第k个电容极板对应的电容差值；依次得到每个电容极板对应的电容差值；

电容值偏差值获取单元，用于将每块电容极板对应的电容差值与权重相乘后求和，得到所述待识别手势与第i个手势模板之间的电容值偏差值；依次获得所述待识别手势与每个手势模板之间的电容值偏差值。

本发明还提供一种手势交互手势交互装置，包括：多个电容传感器、控制器和上位机；多个所述电容传感器铺设至手势识别区域，多个所述电容传感器的数据输出端与所述控制器的输入端连接，所述控制器用于根据多个所述电容传感器的输出数据确定待识别手势；所述控制器的输出端与所述上位机连接，所述上位机用于根据所述控制器确定的待识别手势显示识别结果。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明的手势交互方法使用贪婪算法，每种手势对应的电容极板都有权重，且可以根据环境情况调整，使分析更加准确，提高抗干扰能力和各种手势的识别正确率。本发明的手势交互装置，有着成本低廉和方便移植的优势，方便各种嵌入式设备加入以提高用户与产品的交互体验。而且针对不同的使用环境使用了软件防护，即初始化时在采集芯片内部配置检测频率，将环境中高频干扰去除，启动时又将环境值作为基准值，增强了其抗干扰能力。同时提供了调试接口，设计时通过显示屏显示当前电容数据，识别情况，为嵌入式设计提供了方便。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明手势交互方法的流程示意图；

图2为本发明手势交互系统的结构示意图；

图3为本发明具体实施案例的结构框图；

图4为本发明具体实施案例中传感器的外部电路图；

图5为本发明具体实施案例中处理器的外部电路图；

图6为本发明具体实施案例中电容极板的布置示意图；

图7为本发明具体实施案例中程序流程框图；

图8为本发明具体实施案例抗干扰程序流程框图。

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做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。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

图1为本发明手势交互方法的流程示意图。如图1所示，本发明手势交互方法包括以下步骤：

步骤100：获取待识别手势对应的第一电容数据。所述第一电容数据为待识别手势对应的手势识别区域中每块电容极板的电容值。所述第一电容数据并不是直接测得的数据，而是去除环境电容值之后的电容数据。具体过程如下：

获取每块电容极板的环境电容值；所述环境电容值为启动时所述电容极板的电容值；

获取所述待识别手势对应的每块电容极板的电容测量值；

将每块电容极板的电容测量值减去环境电容值的差值，确定为所述电容极板对应的电容值，得到所述待识别手势对应的第一电容数据。

步骤200：获取手势数据库中每个手势模板的第二电容数据。所述第二电容数据为手势模板对应的手势识别区域中每块电容极板的电容值。每个手势模板在录入时，在每个电容极板处都会有对应的电容值数据，不同手势对应的电容极板的电容值数据不同，在该手势模板下，所有电容极板的电容值数据构成该手势模板的第二电容数据。

步骤300：根据第一电容数据和第二电容数据，计算所述待识别手势和每个手势模板之间的电容值偏差值。获取了第一电容数据之后，先进行卡尔曼滤波，去除噪声以及无效数据，得到第一电容数据的估计数据。然后，根据滤波后的估计数据计算待识别手势和每个手势模板之间的电容值偏差值。

具体的，卡尔曼滤波过程为：

获取前一次手势识别的方差数据；所述方差数据包括每个电容极板对应的测量电容值的方差、高斯噪声的方差和电容估计值的方差；

根据前一次手势识别的方差数据，获取本次卡尔曼滤波的增益系数；

获取前一次手势识别的电容极板的电容估计值；

获取本次手势识别的电容极板的电容测量值；

根据前一次手势识别电容极板的电容估计值、本次卡尔曼滤波的增益系数和本次手势识别的电容极板的电容测量值，获取本次卡尔曼滤波的电容估计值。

计算待识别手势和每个手势模板之间的电容值偏差值，具体过程如下：

获取每个电容极板的权重；

对于第i个手势模板，计算待识别手势对应的第k个电容极板的电容值与第i个手势模板对应的第k个电容极板的电容值之间的差值，得到第k个电容极板对应的电容差值；

依次得到每个电容极板对应的电容差值；

将每块电容极板对应的电容差值与权重相乘后求和，得到所述待识别手势与第i个手势模板之间的电容值偏差值；

依次获得所述待识别手势与每个手势模板之间的电容值偏差值。

步骤400：将电容值偏差值最小的手势模板确定为待识别手势对应的手势。

本发明还提供一种手势交互系统，图2为本发明手势交互系统的结构示意图。如图2所示，所述手势交互系统包括以下结构：

第一电容数据获取模块201，用于获取待识别手势对应的第一电容数据；所述第一电容数据为待识别手势对应的手势识别区域中每块电容极板的电容值；

第二电容数据获取模块202，用于获取手势数据库中每个手势模板的第二电容数据；所述第二电容数据为手势模板对应的手势识别区域中每块电容极板的电容值；

电容值偏差值计算模块203，用于根据所述第一电容数据和所述第二电容数据，计算所述待识别手势和每个手势模板之间的电容值偏差值；

待识别手势确定模块204，用于将电容值偏差值最小的手势模板确定为所述待识别手势对应的手势。

所述第一电容数据获取模块201具体包括：

环境电容值获取单元，用于获取每块电容极板的环境电容值；所述环境电容值为启动时所述电容极板的电容值；

电容测量值获取单元，用于获取所述待识别手势对应的每块电容极板的电容测量值；

第一电容数据获得单元，用于将每块电容极板的电容测量值减去环境电容值的差值，确定为所述电容极板对应的电容值，得到所述待识别手势对应的第一电容数据。

所述手势交互系统还包括：卡尔曼滤波模块，用于获取待识别手势对应的第一电容数据之后，对所述第一电容数据进行卡尔曼滤波，得到所述第一电容数据的估计数据；所述卡尔曼滤波模块具体包括：

方差数据获取单元，用于获取前一次手势识别的方差数据；所述方差数据包括每个电容极板对应的测量电容值的方差、高斯噪声的方差和电容估计值的方差；

增益系数获取单元，用于根据前一次手势识别的方差数据，获取本次卡尔曼滤波的增益系数；

历史电容估计值获取单元，用于获取前一次手势识别的电容极板的电容估计值；

电容测量值获取单元，用于获取本次手势识别的电容极板的电容测量值；

本次电容估计值获取单元，用于根据前一次手势识别电容极板的电容估计值、本次卡尔曼滤波的增益系数和本次手势识别的电容极板的电容测量值，获取本次卡尔曼滤波的电容估计值。

所述电容值偏差值计算模块203具体包括：

权重获取单元，用于获取每个电容极板的权重；

电容差值获取单元，用于对于第i个手势模板，计算待识别手势对应的第k个电容极板的电容值与第i个手势模板对应的第k个电容极板的电容值之间的差值，得到第k个电容极板对应的电容差值；依次得到每个电容极板对应的电容差值；

电容值偏差值获取单元，用于将每块电容极板对应的电容差值与权重相乘后求和，得到所述待识别手势与第i个手势模板之间的电容值偏差值；依次获得所述待识别手势与每个手势模板之间的电容值偏差值。

本发明还提供一种手势交互手势交互装置，包括：多个电容传感器、控制器和上位机；多个所述电容传感器铺设至手势识别区域，多个所述电容传感器的数据输出端与所述控制器的输入端连接，所述控制器用于根据多个所述电容传感器的输出数据确定待识别手势；所述控制器的输出端与所述上位机连接，所述上位机用于根据所述控制器确定的待识别手势显示识别结果。

下面结合一个具体实施案例进一步说明本发明的方案。

本实施案例基于STM32控制，使用TI公司的数字型电容传感器对非空手势进行识别，并与控制器、上位机进行交互。为各种嵌入式产品提供一个手势交互接口。具体方案的系统结构如图3所示，图3为本发明具体实施案例的结构框图。

硬件结构：本实施案例使用STM32F103C8T6作为主控制器，作为手势交互的“大脑”，使用电容传感器检测不同手势下不同的电容值，采用的传感器为FDC2214电容传感器，可根据方案更改为同类型电容传感器，为了调试时的方便，还可以采用0.96寸的OLED显示屏，无线上位机作来显示传感器数值及手势判别结果，使结果更直观，帮助调试。

传感器：本实施案例采用FDC2214电容传感器，手势识别精准的关键在于这款抗电磁干扰的28位，12位电容传感器。电容式感应是一种低功耗，低成本，高分辨率非接触式感应技术，可以适用于各种不同的应用接近检测和手势识别。采用FDC2x1x创新的抗EMI技术架构，甚至可以保持性能高噪音环境的存在。在实际使用过程中FDC2214电容传感器需要2.7V和3.6V的电压电源。所以在VDD和GND引脚之间使用0.1μF和1μF的多层陶瓷旁路X7R电容。如果电源距离FDC超过几英寸，除陶瓷旁路电容外，可能还需要额外的大容量电容。所以放置一个为10μF的电解电容器。放置位置最靠近器件的VDD和GND引脚。传感器的电路布局为现有技术，如图4所示，图4为本发明具体实施案例中传感器的外部电路图。在实际应用中，可以根据实际情况用同类型多通道传感器来代替FDC2214传感器，来达到各种要求。

处理器：处理器是整个方案的大脑，负责配置与读取传感器数据，将数据和判断结果显示在屏幕上，本方案使用STM32F103作为处理器。图5为本发明具体实施案例中处理器的外部电路图。

电容极板布局：为了节省芯片资源与整体体积，使用的电容采集通道尽量不要太多，在放置位置上避免相同大小的两个通道相邻放置，在手势识别不易分辨的区域(如掌心部分，本身体积较大，反馈给极板的电容值也较大，且不同手势变化不明显)多放置电容极板，在较易分辨的区域(如手指处，手指弯曲伸直对通道变化较明显)可以少放置极板，具体情况根据使用场合不同做出调整。图6为本发明具体实施案例中电容极板的布置示意图，对应矩形的面积就代表此处极板的面积。

程序设计：该程序由初始化，数据采集，数值匹配，显示四部分组成。

初始化：负责初始化传感器和显示屏。数据采集部分：进入工作状态时采集一部分时间内的传感器平均值，待数据稳定后将其作为初值；将传感器得到的各通道电容值进行简单卡尔曼滤波处理，将一段时间的数据组储存，得到波形。数值匹配：根据采集的数据与存储的数据进行匹配，确定采集的数据对应的手势。在不同情况下(开发人员调试阶段，用户初次使用，用户正常使用)，通过按键选择工作模式(调试模式，录入模式，匹配模式)。显示部分：将不同工作模式得到的结果发送至显示屏。具体过程如图7所示，图7为本发明具体实施案例中程序流程框图。

本实施案例所有的通信方式采用IIC通信和串口通信，IIC总线是由Philips公司开发的一种简单、双向二线制同步串行总线。处理器与传感器、显示器之间使用IIC通讯。实现读取传感器数据、显示数据的功能。当使用上位机作为显示部分时，数据通过串口发送至无线通信模块，将信息发送至PC机。

本实施案例中还增加抗干扰程序。程序在启动时先各通道的电容值作为环境值，检测一段时间各通道的电容值平均值稳定(平均方差较小)，将该平均值设为初值，并存入Flash，作为下次非正常启动的默认数据。之后每个周期得到的电容值都要减去初值得到相对与当前环境的电容值，用该电容值参与程序的主循环。图8为本发明具体实施案例抗干扰程序流程框图，图8中的算法程序就是图7中读取传感器到录入及显示的不断循环。

正常开机复位与非正常开机复位的识别：如果该设计在非人为掉电后(非按键关机)，将存在Flash的环境数据作为下一次初始化的初始环境条件。这样在突然掉电又供电的情况下，该设计将继续保持上一次供电时的环境参数。

传感器寄存器配置：该配置主要是对FDC2214的配置，使用其他的传感器时按照对应过程进行配置，下面以FDC2214电容传感器的配置为例。

①配置Set_FDC2214寄存器，将参考计数间隔时间和转换之前稳定时间对四个通道同时进行初始化，之后选择传感器频率为10MHZ。然后更新配置。

②配置使用精度，为保证测试效果，我们选用28位的最高精度。

③配置传感器时钟建立。转换时间的驱动电流

④配置转换时间的驱动电流。

⑤配置内部振荡器作为参考频率，并更新设置。

贪婪算法的匹配过程：贪婪算法的本质就是每一步都选择最佳方案，将各个方案的结果相叠加得到最优选择，具体如下：

首先，我们需要录入已知手势在手势识别区域时各个极板对应的电容值。

录入完成后，即可进行待识别手势的匹配。匹配过程中使用多通道检测，即在不同时刻对不同电容极板的数据进行采集。如编号为1～4的四块极板，都与通道一相连接，按照时序每次读取一个极板上的电容值，这样便实现了使用一个通道检测多个极板上电容值功能，例如，使用12块极板，只需使用3通道进行采集。得到12个通道的电容值后，分别与各个手势的十二个通道值相减，得到每个手势得到一组差值。一组差值中共有12个数据，分别对应12块极板，将每块极板赋予不同的权重(可以判断这个手势的重要程度，通过多次训练得到)。分别与差值相乘后求和，得到最终的偏差值，通过比较各个偏差值，最小的一个值对应的手势即是与录入最接近的手势。

但录入数据时周围的不稳定情况会干扰手势的匹配，如手的某个部位没有放稳，或环境有变化，导致数据采集有误。因此需要排除掉不稳定的极板，在收拾模板录入时，可以判断连续采集的数据方差是否稳定，当方差大于设定值时，适当减少该极板的权重，或直接舍弃该极板，与上述训练得到的权重叠加，得到最终的结果，这样可以有效的排除局部干扰。

卡尔曼滤波：本实施案例使用简单卡尔曼滤波。将采集到的各通道的电容变化输入滤波器，做出最优估计，该过程消除了一部分噪声的干扰和影响。具体卡尔曼滤波过程如下：

①得到卡尔曼增益系数K[i+1]

K[i+1]＝(P[i]+Q)/(P[i]+Q+R) (1)

其中，P[i]是上一次估计值的方差，Q是高斯噪声的方差，R是测量值的方差。估计值的方差和高斯噪声的方差都是常数。所以上一次估计值的方差起决定性作用，如果上一次估计完以后发现方差很大，说明估计的不太靠谱，K会随之变大更接近1，测量值所占比值就会更大，也就是说这一次的估计值更信任测量值。

②得到本次方差P[i+1]

本次方差由上次方差和本次卡尔曼增益系数决定，如公式(2)

P[i+1]＝(1-K[i+1])P[i] (2)

③本次的估计值是由上次的估计值和这次的测量值共同决定的，这两者所占权重由K决定，K即卡尔曼增益系数，x即估计值，z即测量值，如公式(3)。

X[i+1]＝(1-K[i+1])x[i]+K[i+1]*z[i+1] (3)

其中，x[i]为上次的估计值，z[i+1]为本次测量值。

模式选择及显示：读取到传感器数据后，根据不同的工作模式，OLED会显示不同的数据，让用户放手录入、离开和再次放置的提示；判断模式下，不断判断手势，将判断得到的手势显示。通过IIC将数据信息发送至OLED上。方便开发调试，也可以直接加入嵌入式设计中，同时只需更改例程库文件，即可支持其他使用IIC通信的显示屏。

本发明针对不同的环境条件，通过一段时间的电容值采集判断环境是否稳定，如果稳定将该段时间内测量到的平均值作为基准值以减小环境干扰。将得到的传感器数据加入到卡尔曼滤波器中，对传感器状态进行最优估计，减少了一部分环境噪声，在保留实际值的情况下减小了外界的干扰。使用贪婪算法再判断时将各部分需要考虑的影响因素都加入了进去，更加客观的实现判断，提高了正确率。

本发明具有以下有益效果：

第一，成本低廉且方便移植，方便各种嵌入式设备加入以提高用户与产品的交互体验。

第二，针对不同的使用环境使用了软件防护，即初始化时在采集芯片内部配置检测频率，将环境中高频干扰去除，启动时又将环境值作为基准值，增强了其抗干扰能力。

第三，使用贪婪算法，每种手势对应通道都有权重，且可以根据环境情况调整，使分析更加准确，提高抗干扰能力和各种手势的识别正确率，

第四，提供了调试接口，设计时通过显示屏显示当前电容数据，识别情况，为嵌入式设计提供了方便。

对于匹配方式来说，很多设计中是使用的固定的模板匹配，无法识别更多种的手势指令。也有许多设计中使用各种匹配算法进行匹配，但大多数也是对固定的模板来识别，不能做到控制自由。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种手势交互方法，其特征在于，包括：

获取待识别手势对应的第一电容数据；所述第一电容数据为待识别手势对应的手势识别区域中每块电容极板的电容值；

获取手势数据库中每个手势模板的第二电容数据；所述第二电容数据为手势模板对应的手势识别区域中每块电容极板的电容值；

根据所述第一电容数据和所述第二电容数据，采用贪婪算法计算所述待识别手势和每个手势模板之间的电容值偏差值；

将电容值偏差值最小的手势模板确定为所述待识别手势对应的手势。

2.根据权利要求1所述的手势交互方法，其特征在于，所述获取待识别手势对应的第一电容数据，具体包括：

获取每块电容极板的环境电容值；所述环境电容值为启动时所述电容极板的电容值；

获取所述待识别手势对应的每块电容极板的电容测量值；

将每块电容极板的电容测量值减去环境电容值的差值，确定为所述电容极板对应的电容值，得到所述待识别手势对应的第一电容数据。

3.根据权利要求1所述的手势交互方法，其特征在于，所述获取待识别手势对应的第一电容数据，之后还包括：

对所述第一电容数据进行卡尔曼滤波，得到所述第一电容数据的估计数据。

4.根据权利要求3所述的手势交互方法，其特征在于，所述对所述第一电容数据进行卡尔曼滤波，具体包括：

获取前一次手势识别的方差数据；所述方差数据包括每个电容极板对应的测量电容值的方差、高斯噪声的方差和电容估计值的方差；

根据前一次手势识别的方差数据，获取本次卡尔曼滤波的增益系数；

获取前一次手势识别的电容极板的电容估计值；

获取本次手势识别的电容极板的电容测量值；

根据前一次手势识别电容极板的电容估计值、本次卡尔曼滤波的增益系数和本次手势识别的电容极板的电容测量值，获取本次卡尔曼滤波的电容估计值。

5.根据权利要求1所述的手势交互方法，其特征在于，所述根据所述第一电容数据和所述第二电容数据，采用贪婪算法计算所述待识别手势和每个手势模板之间的电容值偏差值，具体包括：

获取每个电容极板的权重；

对于第i个手势模板，计算待识别手势对应的第k个电容极板的电容值与第i个手势模板对应的第k个电容极板的电容值之间的差值，得到第k个电容极板对应的电容差值；

依次得到每个电容极板对应的电容差值；

将每块电容极板对应的电容差值与权重相乘后求和，得到所述待识别手势与第i个手势模板之间的电容值偏差值；

依次获得所述待识别手势与每个手势模板之间的电容值偏差值。

6.一种手势交互系统，其特征在于，包括：

第一电容数据获取模块，用于获取待识别手势对应的第一电容数据；所述第一电容数据为待识别手势对应的手势识别区域中每块电容极板的电容值；

第二电容数据获取模块，用于获取手势数据库中每个手势模板的第二电容数据；所述第二电容数据为手势模板对应的手势识别区域中每块电容极板的电容值；

电容值偏差值计算模块，用于根据所述第一电容数据和所述第二电容数据，采用贪婪算法计算所述待识别手势和每个手势模板之间的电容值偏差值；

待识别手势确定模块，用于将电容值偏差值最小的手势模板确定为所述待识别手势对应的手势。

7.根据权利要求6所述的手势交互系统，其特征在于，所述第一电容数据获取模块具体包括：

环境电容值获取单元，用于获取每块电容极板的环境电容值；所述环境电容值为启动时所述电容极板的电容值；

电容测量值获取单元，用于获取所述待识别手势对应的每块电容极板的电容测量值；

第一电容数据获得单元，用于将每块电容极板的电容测量值减去环境电容值的差值，确定为所述电容极板对应的电容值，得到所述待识别手势对应的第一电容数据。

8.根据权利要求6所述的手势交互系统，其特征在于，所述手势交互系统还包括：卡尔曼滤波模块，用于获取待识别手势对应的第一电容数据之后，对所述第一电容数据进行卡尔曼滤波，得到所述第一电容数据的估计数据；所述卡尔曼滤波模块具体包括：

方差数据获取单元，用于获取前一次手势识别的方差数据；所述方差数据包括每个电容极板对应的测量电容值的方差、高斯噪声的方差和电容估计值的方差；

增益系数获取单元，用于根据前一次手势识别的方差数据，获取本次卡尔曼滤波的增益系数；

历史电容估计值获取单元，用于获取前一次手势识别的电容极板的电容估计值；

电容测量值获取单元，用于获取本次手势识别的电容极板的电容测量值；

本次电容估计值获取单元，用于根据前一次手势识别电容极板的电容估计值、本次卡尔曼滤波的增益系数和本次手势识别的电容极板的电容测量值，获取本次卡尔曼滤波的电容估计值。

9.根据权利要求6所述的手势交互系统，其特征在于，所述电容值偏差值计算模块具体包括：

权重获取单元，用于获取每个电容极板的权重；

电容差值获取单元，用于对于第i个手势模板，计算待识别手势对应的第k个电容极板的电容值与第i个手势模板对应的第k个电容极板的电容值之间的差值，得到第k个电容极板对应的电容差值；依次得到每个电容极板对应的电容差值；

电容值偏差值获取单元，用于将每块电容极板对应的电容差值与权重相乘后求和，得到所述待识别手势与第i个手势模板之间的电容值偏差值；依次获得所述待识别手势与每个手势模板之间的电容值偏差值。

10.一种手势交互手势交互装置，其特征在于，包括：多个电容传感器、控制器和上位机；多个所述电容传感器铺设至手势识别区域，多个所述电容传感器的数据输出端与所述控制器的输入端连接，所述控制器用于根据多个所述电容传感器的输出数据确定待识别手势；所述控制器的输出端与所述上位机连接，所述上位机用于根据所述控制器确定的待识别手势显示识别结果。