CN112130677A - 一种可穿戴终端及其举手识别方法 - Google Patents

一种可穿戴终端及其举手识别方法 Download PDF

Info

Publication number
CN112130677A
CN112130677A CN202011011030.4A CN202011011030A CN112130677A CN 112130677 A CN112130677 A CN 112130677A CN 202011011030 A CN202011011030 A CN 202011011030A CN 112130677 A CN112130677 A CN 112130677A
Authority
CN
China
Prior art keywords
hand
lifting
momentum
wearable terminal
acceleration
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
Application number
CN202011011030.4A
Other languages
English (en)
Other versions
CN112130677B (zh
Inventor
何岸
赵燕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
DO Technology Co ltd
Original Assignee
DO Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by DO Technology Co ltd filed Critical DO Technology Co ltd
Priority to CN202011011030.4A priority Critical patent/CN112130677B/zh
Publication of CN112130677A publication Critical patent/CN112130677A/zh
Application granted granted Critical
Publication of CN112130677B publication Critical patent/CN112130677B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
    • G06F3/033—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor
    • G06F3/0346—Pointing devices displaced or positioned by the user, e.g. mice, trackballs, pens or joysticks; Accessories therefor with detection of the device orientation or free movement in a 3D space, e.g. 3D mice, 6-DOF [six degrees of freedom] pointers using gyroscopes, accelerometers or tilt-sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • User Interface Of Digital Computer (AREA)
  • Position Input By Displaying (AREA)

Abstract

本发明公开了一种举手识别方法，包括步骤：数据采集、最大瞬时动量计算、疑似举手识别以及举手动作识别，通过加速度传感器实时采集可穿戴终端在X、Y、Z三轴上的加速度的信号，并由加速度的信号计算X、Y、Z三轴的瞬时动量，再由X、Y、Z三轴的瞬时动量中的最大瞬时动量判断是否为疑似举手动作，进而通过可穿戴终端的X、Y、Z三轴的加速度变化和可穿戴终端的姿态来判断识别举手动作。该举手识别方法降低了计算复杂程度，提高了识别计算的精准性，同时减少了传感器在可穿戴终端中位置的影响，本发明还公开了一种可穿戴终端，具有精确识别举手动作的功能。

Description

一种可穿戴终端及其举手识别方法
技术领域
本发明运动识别技术领域，尤其涉及一种可穿戴终端及其举手识别方法。
背景技术
随着智能穿戴行业的发展，用户对穿戴设备的智能程度期待越来越高，为了满足用户对智能穿戴设备的期待，增加智能穿戴设备的实用性和趣味性，如何实现智能穿戴设备的多功能化操作受到越来越多人的关注。
目前大多数智能穿戴设备采用角度或旋转方向的特征来实现抬腕屏幕识别、放下屏幕熄灭、翻腕屏幕切换等功能，而角度和旋转方向的计算比较复杂，且传感器在智能穿戴设备中的设置位置也会对角度和旋转方向的计算产生影响，这就造成了现有的智能穿戴设备的识别方式的精准性较差，同时可拓展性较差，同时对于手腕举起的判别也容易跟手腕抬起相混淆，无法进行精确的判别。
因此，如何使得智能穿戴设备能够精准对手腕的举起进行识别和判断是本技术领域的技术人员需要解决的技术问题。
发明内容
本发明主要解决的技术问题是提供一种可穿戴终端及其举手识别方法，解决现有的举手识别方法复杂且精准性差的问题。
为解决上述技术问题，本发明采用的一个技术方案是提供一种举手识别方法，用于具有加速度传感器的可穿戴终端，举手识别方法包括：
数据采集步骤，实时采集加速度传感器的X、Y、Z三轴的加速度。
最大瞬时动量计算步骤，根据加速度分别计算X、Y、Z三轴的瞬时动量，并获取X、Y、Z三轴的瞬时动量中的最大瞬时动量。
疑似举手识别步骤，将最大瞬时动量与第一预设动量阈值进行比较，最大瞬时动量大于或等于第一预设动量阈值则识别为疑似举手。
举手动作识别步骤，若识别为疑似举手，则根据可穿戴终端的X、Y、Z三轴加速度变化和姿态识别举手动作。
优选的，加速度传感器的Z轴垂直于可穿戴终端的触摸屏，加速度传感器的X轴与Y轴互相垂直且均平行于触摸屏，且X轴平行于人体前臂。
优选的，举手动作识别步骤包括：
动量计算步骤，计算X、Y、Z三轴在第一预设时间内的总动量。
姿态识别步骤，判断可穿戴终端的姿态是否为举手姿态。
综合处理步骤，X、Y、Z三轴的总动量大于或等于第二预设动量阈值，且可穿戴终端处于举手姿态的时间大于第二预设时间，则识别为举手动作。
优选的，还包括：
运动状态识别步骤，根据X、Y、Z三轴的瞬时动量中的最大瞬时动量判断可穿戴终端的运动状态。
优选的，第一预设动量阈值和第二预设动量阈值与可穿戴终端的运动状态相匹配。
优选的，姿态识别步骤包括：预设加速度传感器X、Y、Z三轴的举手姿态阈值，若加速度传感器X、Y、Z三轴的加速度分别满足预设的举手姿态阈值时，判断为举手姿态。
优选的，预设的举手姿态阈值与运动状态相匹配。
优选的，运动状态分为非剧烈运动和剧烈运动。
疑似举手识别步骤中，剧烈运动状态下的第一预设动量阈值大于非剧烈运动状态下的第一预设动量阈值。
举手动作识别步骤中，剧烈运动状态下的第二预设动量阈值大于非剧烈运动状态下的第二预设动量阈值。
优选的，动量计算步骤还包括：分别对加速度传感器的X、Y、Z三轴的加速度的信号进行滤波处理。
本发明还公开了一种可穿戴终端，具有加速度传感器，还包括：
数据采集模块，实时采集加速度传感器的X、Y、Z三轴的加速度。
最大瞬时动量计算模块，根据加速度分别计算X、Y、Z三轴的瞬时动量，并获取X、Y、Z三轴的瞬时动量中的最大瞬时动量。
疑似举手识别模块，将最大瞬时动量与第一预设动量阈值进行比较，最大瞬时动量大于或等于第一预设动量阈值则识别为疑似举手。
举手动作识别模块，若识别为疑似举手，则根据可穿戴终端的X、Y、Z三轴加速度变化和姿态识别举手动作。
本发明的有益效果是：本发明公开了一种举手识别方法，包括步骤：数据采集、最大瞬时动量计算、疑似举手识别以及举手动作识别，通过加速度传感器实时采集可穿戴终端在X、Y、Z三轴上的加速度的信号，并由加速度的信号计算X、Y、Z三轴的瞬时动量，再由X、Y、Z三轴的瞬时动量中的最大瞬时动量判断是否为疑似举手动作，进而通过可穿戴终端的X、Y、Z三轴的加速度变化和可穿戴终端的姿态来判断识别举手动作。该举手识别方法降低了计算复杂程度，提高了识别计算的精准性，同时减少了传感器在可穿戴终端中位置的影响，本发明还公开了一种可穿戴终端，具有精确识别举手动作的功能。
附图说明
图1是人体举手动作示意图；
图2是本发明举手识别方法一实施例的流程图；
图3是本发明举手识别方法另一实施例中原理流程图；
图4是本发明举手识别方法另一实施例中方向定义示意图；
图5是本发明可穿戴终端一实施例示意图。
具体实施方式
为了便于理解本发明，下面结合附图和具体实施例，对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是，本发明可以以许多不同的形式来实现，并不限于本说明书所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是，除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
如图1所示，该举手识别方法应用于对人体的举手动作识别，举手动作识别能应用于且不限于腕式可穿戴终端的屏幕切换，可穿戴终端可以为内部设置有加速度传感器的手环、手表或其它腕式穿戴设备。
结合图2、图3和图4，该举手识别方法，用于具有加速度传感器的可穿戴终端，举手识别方法包括：
数据采集步骤S1，实时采集加速度传感器的X、Y、Z三轴的加速度。
最大瞬时动量计算步骤S2，根据加速度分别计算X、Y、Z三轴的瞬时动量，并获取X、Y、Z三轴的瞬时动量中的最大瞬时动量。
疑似举手识别步骤S3，将最大瞬时动量与第一预设动量阈值进行比较，最大瞬时动量大于或等于第一预设动量阈值则识别为疑似举手。
举手动作识别步骤S4，若识别为疑似举手，则根据可穿戴终端的X、Y、Z三轴加速度变化和姿态识别举手动作。
通过加速度传感器实时采集X、Y、Z三轴方向上的加速度，再根据这些加速度分别计算X、Y、Z三轴的瞬时动量，并获取三轴中的最大瞬时动量，利用该最大瞬时动量判断动作是否为疑似举手动作，再通过可穿戴终端的三轴的总动量和姿态姿态持续时间来判断识别是否为举手动作，最终识别确定举手动作，该种方式降低了计算的复杂程度，减少了加速度传感器在可穿戴终端中位置的影响，可被设置在可穿戴终端中的不同位置上，同时还可将该种方法应用在可穿戴终端的课程或游戏活动中，比如在课程教学中，可通过判断是否举手来确定起身回答教师所提问题的学生，另如在竞赛抢答环节也可以利用该方法快速确定抢答人员，这无疑会增强该方法及可穿戴终端的实用性和趣味性。
优选的，加速度传感器是能够测量加速度值的传感器，具体的，加速度传感器为MEMS传感器。
进一步优选的，加速度传感器的数量至少为一个。
优选的，加速度传感器的Z轴垂直于可穿戴终端的触摸屏，加速度传感器的X轴与Y轴互相垂直且均平行于触摸屏，且X轴平行于人体前臂。
在该实施例中，非限定性的用箭头X表示横向方向，箭头Y表示纵向方向，箭头Z表示竖向方向，当人体前臂平放时，佩戴在人体手腕上的可穿戴终端的屏幕朝上，上述X方向的加速度代表的是沿着手臂延伸方向上的加速度，Y方向的加速度代表的是在水平面上垂直于手臂延伸方向的加速度，Z方向代表的是垂直于可穿戴终端屏幕所在平面方向上的加速度。
加速度传感器中包括质量块、弹性元件等部分组成，输出加速度，由加速度传感器中的质量块和弹性元件获得检测值，在没有加速度的情况下，弹性元件不会发生形变，质量块静止，当产生加速度时，弹性元件发生形变，质量块的位置会发生变化，由弹性元件的弹性系数和质量块的质量计算获得检测值，由检测值计算获得加速度。
进一步优选的，检测值的计量单位是通常用g表示，1g代表一个重力加速度，即9.8m/s2，此时质量块仅在重力作用下产生位移。当X方向的检测值X_test、Y方向的检测值Y_test或Z方向的检测值Z_test任一检测值的数值为1g，其余两个方向的检测值的数值为0g时，可穿戴终端处于静止状态，手臂水平或竖直且保持为静止状态，该种设置形式保证了无论加速度传感器设置在可穿戴终端中的哪个位置，都不影响对姿态动作的检测判定，减少了加速度传感器在可穿戴终端中设置的不同位置对识别判断的结果产生的影响。
进一步优选的，不同姿态下的加速度传感器各个轴的加速度值不同，例如，在静止状态下，加速度传感器的X轴的加速度检测值等于重力加速度，Y轴和Z轴的检测值为零。
优选的，定义X轴方向上的加速度为x_a，Y轴方向上的加速度为y_a，Z轴方向上的加速度为z_a。
进一步优选的，由加速度x_a计算出X方向上的瞬时动量x_feature，由加速度y_a计算出Y方向上的瞬时动量y_feature，由加速度z_a计算出Z方向上的瞬时动量z_feature，在一个时间段内，这些瞬时动量具有最大瞬时动量max_feature，最大瞬时动量max_feature包括最大瞬时动量max_x_feature、最大瞬时动量max_y_feature以及最大瞬时动量max_z_feature，具体的，从上述瞬时动量x_feature中选取最大的动量为最大瞬时动量max_x_feature，从瞬时动量y_feature中选取最大的瞬时动量为最大瞬时动量max_y_feature，从瞬时动量z_feature中选取最大的瞬时动量为最大瞬时动量max_z_feature。
进一步优选的，在某一瞬时时刻，X、Y、Z三轴具有X方向上的瞬时动量x_feature，Y方向上的瞬时动量y_feature，Z方向上的瞬时动量z_feature，从上述三者中的瞬时动量中选取最大的瞬时动量作为和第一预设动量阈值进行比较的最大瞬时动量max_j_feature，当最大瞬时动量max_j_feature大于或等于第一预设动量阈值时，确定为疑似举手动作，否则返回数据采集步骤，继续实时采集数据。该种方式降低了计算的繁琐程度，且减少了计算所需要的数据总量，进一步保证识别判断的精准性，提高动作辨识的准确度。
优选的，举手动作识别步骤包括：
动量计算步骤，计算X、Y、Z三轴在第一预设时间内的总动量。
进一步优选的，第一预设时间为40毫秒-600毫秒，并获得在该第一预设时间内加速度传感器X轴方向上的加速度x_at、Y轴方向上的加速度y_at和Z轴方向上的加速度z_at，计算获得第一预设时间内加速度传感器的X轴方向上的总动量X_featuret、Y轴方向上的总动量Y_featuret以及Z轴方向上的总动量Z_featuret。
姿态识别步骤，判断可穿戴终端的姿态是否为举手姿态。
优选的，以手臂扬起，前臂垂直于水平面时的可穿戴终端的位置为原点，X轴方向上以指向上空的方向为正方向，当X轴正方向上的检测值的数值为1g，且Y轴和Z轴的检测值均为零时，则可识别为举手姿态。通过判断加速度传感器的检测值判断举手姿态，不管加速度传感器在可穿戴终端的什么位置，不会影响对举手姿态的判断，减少了加速度传感器的在可穿戴终端中的位置不同对识别结果产生的影响。
综合处理步骤，X、Y、Z三轴的总动量大于或等于第二预设动量阈值，且可穿戴终端处于举手姿态的时间大于第二预设时间，则识别为举手动作。
进一步优选的，第二预设时间为0.5秒-3秒，具体优选为1.5秒，当X、Y、Z三轴的总动量大于或等于第二预设动量阈值时，且举手姿态的持续时间大于1.5秒时，判断为举手动作。
优选的，举手识别方法还包括：
运动状态识别步骤，根据X、Y、Z三轴的瞬时动量中的最大瞬时动量判断可穿戴终端的运动状态。
运动状态包括有多个，每个运动状态对应预设有运动状态区间值，当max_feature(指最大瞬时动量)的数值在某一运动状态区间值内，则确定为该运动状态。
进一步优选的，运动状态分为非剧烈运动和剧烈运动，若最大瞬时动量值在非剧烈运动的运动状态区间值内，确定为非剧烈运动，返回到数据采集步骤，继续采集数据，若最大瞬时动量值在剧烈运动的运动状态区间值内，则确定为剧烈运动，则确定为举手动作，即举手动作是以剧烈运动状态为前提，该种设置是因为举手动作一般是剧烈运动下的手臂快速扬起运动，缓慢的手臂扬起并不符合可穿戴设备常规的举手识别，有利于增强识别的精准性，避免错判。
进一步优选的，非剧烈运动对应的运动状态区间为(a，b)，剧烈运动对应的运动状态区间为(b，c)，运动越剧烈预设的运动状态区间内的上限数值和下限数值越大，当a＜max_feature≤b时，则确定为非剧烈运动，当b＜max_feature≤c时，则确定为剧烈运动，当确定运动状态为剧烈运动，同时姿态为举手姿态且持续时间大于第二预设时间时，判断识别为举手动作，否则返回到上述数据采集步骤，继续采集数据。
进一步优选的，疑似举手识别步骤中，剧烈运动状态下的第一预设动量阈值大于非剧烈运动状态下的第一预设动量阈值。举手动作识别步骤中，剧烈运动状态下的第二预设动量阈值大于非剧烈运动状态下的第二预设动量阈值。
进一步优选的，运动状态还可以分为完全静止、轻微活动、正常活动、剧烈活动。
优选的，第一预设动量阈值和第二预设动量阈值与可穿戴终端的运动状态相匹配。
进一步优选的，姿态识别步骤包括：预设加速度传感器X、Y、Z三轴的举手姿态阈值，若加速度传感器X、Y、Z三轴的加速度分别满足预设的举手姿态阈值时，判断为举手姿态。
进一步优选的，预设的举手姿态阈值与运动状态相匹配。
进一步优选的，在非剧烈运动中预设的X、Y、Z三轴的举手姿态阈值的两端的端值对应小于在剧烈运动中预设的X、Y、Z三轴的举手姿态阈值的两端的端值。
根据加速度及姿态来判断识别举手动作，能够快速获取举手动作的识别判断结果，具有较高的识别效率，为了进一步的提高判断识别结果的准确度，还可以结合运动状态判断识别举手动作，具有较高的准确性，也可以根据需要选择是否使用运动状态判断识别举手动作，以获得不同的识别效率和准确性。
优选的，姿态包括有抬起姿态、放下姿态、垂臂姿态、举手姿态、举手还原姿态，若确定姿态特征为举手姿态，则可进一步确定举手动作，若确定姿态特征为其它姿态，则返回到数据采集步骤，继续采集数据。
进一步优选的，定义各种姿态特征如下：
以前臂平放，前臂指向身体正前方时的姿态作为初始姿态；
以前臂平放时的平面作为水平面；
前臂靠近身体并与水平面具有一定的抬起角度，前臂指向身体的左侧面或右侧面作为抬起姿态；
前臂靠近身体，前臂指向身体的前侧面、后侧面、左侧面或右侧面作为放下姿态；
手臂自然下垂指向地面作为垂臂姿态；
前臂垂直于水平面，且指向上空作为举手姿态；
前臂靠近身体平放在水平面上，前臂指向身体的前侧面、左侧面或右侧面作为举手还原姿态。
优选的，运动动作包括有抬起动作、放下动作、垂臂动作、举手动作、举手还原动作。
优选的，抬起动作的起始姿态为初始姿态，抬起动作的结束姿态为抬起姿态，抬起动作为前臂以一定抬起角度向身体方向靠近。
优选的，放下动作的起始姿态为抬起姿态，放下动作的结束姿态为放下姿态，放下动作为前臂逐渐向下使抬起角度逐渐减小为0。
优选的，垂臂动作的起始姿态为初始姿态、抬起姿态或放下姿态，垂臂动作的结束姿态为垂臂姿态，垂臂动作为从初始姿态、抬起姿态或放下姿态放下手臂使手臂自然下垂。
优选的，举手动作的起始姿态为初始姿态或放下姿态，举手动作的结束姿态为举手姿态，举手动作为前臂水平面以手肘为轴心向上转动90°迅速直立。
优选的，举手还原动作的起始姿态为举手姿态，举手还原动作的结束姿态为初始姿态或放下姿态，举手还原动作为前臂以手肘为轴心向下转回90°迅速放平或向下转回180°迅速放下。
进一步优选的，分别预设抬起动作中加速度区间值为(p，q)，放下动作中加速度区间值为(r，t)，垂臂动作中加速度区间值为(u，v)，举手动作中加速度区间值为(w，x)，举手还原动作中加速度区间值为(y，z)。
优选的，当手臂从一姿态到另一姿态变化时，加速度值在X方向、Y方向、Z方向上的变化量分别为Δx_a、Δy_a、Δz_a，对比Δx_a、Δy_a、Δz_a的大小选取加速度值变化量的最大值Δmax_a，判断Δmax_a的所在的加速度区间值；
当p＜Δmax_a＜q，且运动状态为非剧烈运动时，确定为抬起动作，由此可确定抬起动作结束后的姿态为抬起姿态。
当r＜Δmax_a＜t，且运动状态为非剧烈运动时，确定为放下动作，由此可确定放下动作结束后的姿态为放下姿态。
当u＜Δmax_a＜v，且运动状态为非剧烈运动时，确定为垂臂动作，由此可确定垂臂动作结束后的姿态为垂臂姿态。
当w＜Δmax_a＜x，且运动状态为剧烈运动时，确定为举手动作，由此可确定举手动作结束后的姿态为举手姿态。
当y＜Δmax_a＜z，且运动状态为剧烈运动时，确定为举手还原动作，由此可确定举手还原动作结束后的姿态为举手还原姿态。
可根据加速度传感器的加速度、可穿戴终端的运动状态、姿态分别判断识别举手动作，进一步的，也可将上述三种两两结合或三者同时结合判断举手动作，由此可提高判断识别的准确性。
优选的，动量计算步骤还包括：分别对加速度传感器的X、Y、Z三轴的加速度的信号进行滤波处理。
如图5所示，一种可穿戴终端1，具有加速度传感器，还包括：
数据采集模块11，实时采集加速度传感器的X、Y、Z三轴的加速度；
最大瞬时动量计算模块12，根据加速度分别计算X、Y、Z三轴的瞬时动量，并获取X、Y、Z三轴的瞬时动量中的最大瞬时动量；
疑似举手识别模块13，将最大瞬时动量与第一预设动量阈值进行比较，最大瞬时动量大于或等于第一预设动量阈值则识别为疑似举手；
举手动作识别模块14，若识别为疑似举手，则根据可穿戴终端的X、Y、Z三轴加速度变化和姿态识别举手动作。
优选的，还包括举手识别输出模块15，当有效识别出举手动作，则输出举手识别结果。
关于可穿戴终端1各模块执行的操作的详细描述可以参照本申请提供的举手识别方法的实施例中的描述，在此就不再一一赘述。
应理解，上述方法实施例的各步骤可以通过可穿戴终端处理器中的硬件形式的逻辑电路或者软件形式的指令完成。软件指令可以由相应的软件模块组成，软件模块可以被存放于随机存取存储器(random access memory，RAM)、闪存、只读存储器(read-onlymemory，ROM)、可编程只读存储器(programmable rom，PROM)、可擦除可编程只读存储器(erasable PROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)、寄存器、硬盘、移动硬盘、CD-ROM或者本领域熟知的任何其它形式的存储介质中。
本发明公开了一种举手识别方法，包括步骤：数据采集、最大瞬时动量计算、疑似举手识别以及举手动作识别，通过加速度传感器实时采集可穿戴终端在X、Y、Z三轴上的加速度的信号，并由加速度的信号计算X、Y、Z三轴的瞬时动量，再由X、Y、Z三轴的瞬时动量中的最大瞬时动量判断是否为疑似举手动作，进而通过可穿戴终端的X、Y、Z三轴的加速度变化和可穿戴终端的姿态来判断识别举手动作。该举手识别方法降低了计算复杂程度，提高了识别计算的精准性，同时减少了传感器在可穿戴终端中位置的影响，本发明还公开了一种可穿戴终端，具有精确识别举手动作的功能。
以上仅为本发明的实施例，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)

1.一种举手识别方法，用于具有加速度传感器的可穿戴终端，其特征在于，所述举手识别方法包括：
数据采集步骤，实时采集所述加速度传感器的X、Y、Z三轴的加速度；
最大瞬时动量计算步骤，根据所述加速度分别计算所述X、Y、Z三轴的瞬时动量，并获取所述X、Y、Z三轴的瞬时动量中的最大瞬时动量；
疑似举手识别步骤，将所述最大瞬时动量与第一预设动量阈值进行比较，所述最大瞬时动量大于或等于所述第一预设动量阈值则识别为疑似举手；
举手动作识别步骤，若识别为所述疑似举手，则根据所述可穿戴终端的X、Y、Z三轴加速度变化和姿态识别举手动作。
2.根据权利要求1所述的举手识别方法，其特征在于，所述加速度传感器的Z轴垂直于所述可穿戴终端的触摸屏，所述加速度传感器的X轴与Y轴互相垂直且均平行于所述触摸屏，且所述X轴平行于人体前臂。
3.根据权利要求1所述的举手识别方法，其特征在于，所述举手动作识别步骤包括：
动量计算步骤，计算所述X、Y、Z三轴在第一预设时间内的总动量；
姿态识别步骤，判断所述可穿戴终端的姿态是否为举手姿态；
综合处理步骤，所述X、Y、Z三轴的总动量大于或等于第二预设动量阈值，且所述可穿戴终端处于举手姿态的时间大于第二预设时间，则识别为举手动作。
4.根据权利要求3所述的举手识别方法，其特征在于，还包括：
运动状态识别步骤，根据所述X、Y、Z三轴的瞬时动量中的最大瞬时动量判断所述可穿戴终端的运动状态。
5.根据权利要求4所述的举手识别方法，其特征在于，所述第一预设动量阈值和第二预设动量阈值与所述可穿戴终端的运动状态相匹配。
6.根据权利要求4所述的举手识别方法，其特征在于，所述姿态识别步骤包括：预设所述加速度传感器X、Y、Z三轴的举手姿态阈值，若所述加速度传感器X、Y、Z三轴的加速度分别满足所述预设的举手姿态阈值时，判断为举手姿态。
7.根据权利要求6所述的举手识别方法，其特征在于，预设的所述举手姿态阈值与所述运动状态相匹配。
8.根据权利要求4所述的举手识别方法，其特征在于，所述运动状态分为非剧烈运动和剧烈运动；
所述疑似举手识别步骤中，剧烈运动状态下的所述第一预设动量阈值大于非剧烈运动状态下的所述第一预设动量阈值；
所述举手动作识别步骤中，剧烈运动状态下的所述第二预设动量阈值大于非剧烈运动状态下的所述第二预设动量阈值。
9.根据权利要求3所述的举手识别方法，其特征在于，所述动量计算步骤还包括：分别对所述加速度传感器的X、Y、Z三轴的加速度的信号进行滤波处理。
10.一种可穿戴终端，具有加速度传感器，其特征在于，还包括：
数据采集模块，实时采集所述加速度传感器的X、Y、Z三轴的加速度；
最大瞬时动量计算模块，根据所述加速度分别计算所述X、Y、Z三轴的瞬时动量，并获取所述X、Y、Z三轴的瞬时动量中的最大瞬时动量；
疑似举手识别模块，将所述最大瞬时动量与第一预设动量阈值进行比较，所述最大瞬时动量大于或等于所述第一预设动量阈值则识别为疑似举手；
举手动作识别模块，若识别为所述疑似举手，则根据所述可穿戴终端的X、Y、Z三轴加速度变化和姿态识别举手动作。
CN202011011030.4A 2020-09-23 2020-09-23 一种可穿戴终端及其举手识别方法 Active CN112130677B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011011030.4A CN112130677B (zh) 2020-09-23 2020-09-23 一种可穿戴终端及其举手识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011011030.4A CN112130677B (zh) 2020-09-23 2020-09-23 一种可穿戴终端及其举手识别方法

Publications (2)

Publication Number Publication Date
CN112130677A true CN112130677A (zh) 2020-12-25
CN112130677B CN112130677B (zh) 2023-05-12

Family

ID=73839159

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011011030.4A Active CN112130677B (zh) 2020-09-23 2020-09-23 一种可穿戴终端及其举手识别方法

Country Status (1)

Country Link
CN (1) CN112130677B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005346016A (ja) * 2004-06-07 2005-12-15 Willway:Kk 挙手検知機、およびこれを用いた挙手検知システム
CN105496416A (zh) * 2015-12-28 2016-04-20 歌尔声学股份有限公司 一种人体运动状态的识别方法和装置
CN106293024A (zh) * 2015-05-21 2017-01-04 北京智谷睿拓技术服务有限公司 姿态确定方法和设备
CN107305138A (zh) * 2016-04-20 2017-10-31 李斌 基于手腕姿态检测的篮球动作识别方法和系统
CN107451724A (zh) * 2017-07-17 2017-12-08 惠州市德赛工业研究院有限公司 基于手环的学生校园活动管理方法
WO2018030734A1 (ko) * 2016-08-09 2018-02-15 주식회사 비플렉스 3d 시뮬레이션 방법 및 장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005346016A (ja) * 2004-06-07 2005-12-15 Willway:Kk 挙手検知機、およびこれを用いた挙手検知システム
CN106293024A (zh) * 2015-05-21 2017-01-04 北京智谷睿拓技术服务有限公司 姿态确定方法和设备
CN105496416A (zh) * 2015-12-28 2016-04-20 歌尔声学股份有限公司 一种人体运动状态的识别方法和装置
CN107305138A (zh) * 2016-04-20 2017-10-31 李斌 基于手腕姿态检测的篮球动作识别方法和系统
WO2018030734A1 (ko) * 2016-08-09 2018-02-15 주식회사 비플렉스 3d 시뮬레이션 방법 및 장치
CN107451724A (zh) * 2017-07-17 2017-12-08 惠州市德赛工业研究院有限公司 基于手环的学生校园活动管理方法

Also Published As

Publication number Publication date
CN112130677B (zh) 2023-05-12

Similar Documents

Publication Publication Date Title
US11103749B2 (en) Systems and methods of swimming analysis
JP6064280B2 (ja) ジェスチャを認識するためのシステムおよび方法
US10398358B2 (en) Dynamic sampling
Stephen et al. The role of fractality in perceptual learning: exploration in dynamic touch.
CN108703760A (zh) 基于九轴传感器的人体运动姿态识别系统及方法
CN111700624B (zh) 一种智能手环检测运动姿态的模式识别方法及系统
CN111722713A (zh) 多模态融合的手势键盘输入方法、设备、系统及存储介质
CN108629170A (zh) 身份识别方法以及相应的装置、移动终端
Du et al. Gesture recognition method based on deep learning
JP2017144130A (ja) 運動解析装置、運動解析システム、運動解析方法、運動解析プログラム、記録媒体および表示方法
CN113856132B (zh) 一种跳绳动作识别系统、方法及跳绳
CN106248101A (zh) 一种监测方法以及装置
CN109758154B (zh) 一种运动状态确定方法、装置、设备及存储介质
CN112130676A (zh) 一种可穿戴终端及其翻腕识别方法
CN112130677A (zh) 一种可穿戴终端及其举手识别方法
CN110477924A (zh) 适应性运动姿态感测系统与方法
CN106805385B (zh) 一种大礼拜计数手环、计数方法及计数系统
Prudêncio et al. Physical activity recognition from smartphone embedded sensors
CN111803902B (zh) 泳姿识别方法、装置、可穿戴设备及存储介质
CN102475966A (zh) 一种基于计算机的扭腰运动实现方法及系统
CN112130675A (zh) 一种抬腕识别方法及可穿戴终端
CN108255093A (zh) 控制装置与控制方法
CN214388644U (zh) 一种智能跳绳防作弊系统及智能跳绳手柄
CN112426709B (zh) 前臂运动姿态识别方法、界面交互的控制方法及装置
CN112162595B (zh) 一种垂臂旋转识别方法及可穿戴终端

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