CN117111732A - 基于智能戒指的手势监测方法及系统 - Google Patents

基于智能戒指的手势监测方法及系统 Download PDF

Info

Publication number
CN117111732A
CN117111732A CN202310720022.4A CN202310720022A CN117111732A CN 117111732 A CN117111732 A CN 117111732A CN 202310720022 A CN202310720022 A CN 202310720022A CN 117111732 A CN117111732 A CN 117111732A
Authority
CN
China
Prior art keywords
data
similarity
current data
gesture
sensor
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.)
Pending
Application number
CN202310720022.4A
Other languages
English (en)
Inventor
张辉军
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.)
Shenzhen Moyoung Technology Co ltd
Original Assignee
Shenzhen Moyoung 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 Shenzhen Moyoung Technology Co ltd filed Critical Shenzhen Moyoung Technology Co ltd
Priority to CN202310720022.4A priority Critical patent/CN117111732A/zh
Publication of CN117111732A publication Critical patent/CN117111732A/zh
Pending legal-status Critical Current

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
    • A—HUMAN NECESSITIES
    • A44—HABERDASHERY; JEWELLERY
    • A44C—PERSONAL ADORNMENTS, e.g. JEWELLERY; COINS
    • A44C9/00—Finger-rings
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明涉及数据处理领域，提供一种基于智能戒指的手势监测方法及系统，包括：利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据；基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与当前数据时间连续的预设数量的传感器数据；基于优化因子计算当前数据与预设手势指令序列的相似度；基于相似度确定传感器的采样频率优化因子，并利用采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。该方法能够优化传感器数据的采样频率，优化智能戒指的手势监测的准确性，提高手势识别准确率。

Description

基于智能戒指的手势监测方法及系统
技术领域
本发明涉及数据处理领域，特别是涉及一种基于智能戒指的手势监测方法及系统。
背景技术
在智能戒指的使用过程中需要通过智能戒指中的多种传感器数据进行监测，将实时采集到的传感器数据上传至云计算服务器中，并在云计算服务器中进行手势识别。其中智能戒指的多种传感器包括了加速度传感器、陀螺仪、磁力计等。在手势识别的过程中，是需要对实时数据进行识别，所以需要通过时间序列数据流式匹配的方式完成手势识别。
现有技术对于每一个时刻的智能戒指传感器数据进行监测，通过时间序列窗口与已知的手势指令数据进行相似性对比来激活手势识别，当开始检测到手势指令时则需要通过后续新增的传感器数据继续匹配，直到确定一段时序数据对应的手势指令。但是在进行手势指令识别的过程中，因为设定的手势指令对应的传感器数据中，会存在相似手势的情况并且因为每个使用者的动作习惯不同，尽管是同一个手势，其中也会有不同的传感器数据波动。
在现有的智能戒指中的多传感器进行数据采集的过程中，通过固定的采样频率进行传感器数据的采集，对于不同的使用习惯在手势识别时会出现识别不准确的情况。
发明内容
本发明提供一种基于智能戒指的手势监测方法及系统，该方法能够提高手势识别准确率。
第一方面，本申请提供一种基于智能戒指的手势监测方法，包括：
利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据；
基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与所述当前数据时间连续的预设数量的传感器数据；
基于所述优化因子计算所述当前数据与预设手势指令序列的相似度；
基于所述相似度确定传感器的采样频率优化因子，并利用所述采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。
可选地，基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子，包括：
基于参考数据计算当前数据的离群程度；
计算获取当前数据之前，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第一平均相似度；
计算获取当前数据之后，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第二平均相似度；
基于所述离群程度以及所述第一平均相似度与所述第二平均相似度的差值确定当前数据的优化因子。
可选地，利用如下公式计算当前数据的优化因子：
其中，COFK＝10(pi)表示当前数据pi通过参考数据获取到的离群值因子，参考数据数量为k，取值为10，Norm(COFK＝10(pi))表示对于离群因子COFK＝10(pi)进行线性归一化后得到的离群程度，Δεji表示第一平均相似度与所述第二平均相似度的差值。
可选地，基于所述优化因子计算所述当前数据与预设手势指令序列的相似度，包括：
计算以当前数据为起始数据的数据序列与预设手势指令序列之间的初始相似度；
基于所述优化因子对所述初始相似度进行处理，从而得到所述当前数据与预设手势指令序列的相似度。
可选地，利用如下公式计算所述当前数据与预设手势指令序列的相似度：
其中，φi为当前数据的优化因子，表示计算以当前数据为起始数据的数据序列/>与预设手势指令序列Tc之间的距离，表示两者之间的相似度，Norm()表示线性归一化，εi，c表示当前数据与预设手势指令序列的相似度。
可选地，基于所述相似度确定传感器的采样频率优化因子，包括：
计算以当前数据为起始数据的数据序列与预设手势指令序列中最相似的手势指令数据的第一相似程度，计算以当前数据为起始数据的数据序列与预设手势指令序列中第二相似的手势指令数据的第二相似程度；
基于所述第一相似程度和所述第二像素程度之间的差异性确定传感器的采样频率优化因子。
第二方面，本申请蹄冻一种基于智能戒指的手势监测系统，包括：
采集模块，用于利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据；
优化因子计算模块，用于基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与所述当前数据时间连续的预设数量的传感器数据；
相似度计算模块，用于基于所述优化因子计算所述当前数据与预设手势指令序列的相似度；
优化模块，用于基于所述相似度确定传感器的采样频率优化因子，并利用所述采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。
可选地，所述优化因子计算模块还用于：
基于参考数据计算当前数据的离群程度；
计算获取当前数据之前，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第一平均相似度；
计算获取当前数据之后，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第二平均相似度；
基于所述离群程度以及所述第一平均相似度与所述第二平均相似度的差值确定当前数据的优化因子。
可选地，所述相似度计算模块还用于：
计算以当前数据为起始数据的数据序列与预设手势指令序列之间的初始相似度；
基于所述优化因子对所述初始相似度进行处理，从而得到所述当前数据与预设手势指令序列的相似度。
可选地，所述优化模块还用于：
计算以当前数据为起始数据的数据序列与预设手势指令序列中最相似的手势指令数据的第一相似程度，计算以当前数据为起始数据的数据序列与预设手势指令序列中第二相似的手势指令数据的第二相似程度；
基于所述第一相似程度和所述第二像素程度之间的差异性确定传感器的采样频率优化因子。
本申请的有益效果，区别于现有技术，本申请的基于智能戒指的手势监测方法及系统，包括：利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据；基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与所述当前数据时间连续的预设数量的传感器数据；基于所述优化因子计算所述当前数据与预设手势指令序列的相似度；基于所述相似度确定传感器的采样频率优化因子，并利用所述采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。该方法能够优化传感器数据的采样频率，优化智能戒指的手势监测的准确性，提高手势识别准确率。
附图说明
图1为本发明基于智能戒指的手势监测方法的一实施例的流程示意图；
图2为本发明基于智能戒指的手势监测系统的一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请的方法，在云计算服务器中进行智能戒指实时采集到的传感器数据所代表的手势指令识别时，通过实时数据点的手势指令匹配相似度对后续的智能戒指采样频率进行调整，优化智能戒指的手势监测的准确性，提高手势识别准确率。下面结合附图和实施例对本申请进行详细的说明。
请参见图1，图1为本发明基于智能戒指的手势监测方法的一实施例的流程示意图，具体包括：
步骤S11：利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据。
在智能戒指手势指令的传感器数据模板中，包括了智能戒指手势指令的传感器数据时序特征数值，与时序数据的变化信息。对于实时采集到的智能戒指传感器数据通过与每个手势指令的传感器数据进行相似度计算来确定对应的手势指令。
具体的，利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据。
步骤S12：基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与所述当前数据时间连续的预设数量的传感器数据。
在获取到智能戒指的实时传感器数据之后即可以通过实时数据开始与各个手势指令进行相似程度的计算，但是在相似程度计算的过程中对于每一个实时的传感器数据点其有可能是一个新的手势指令的起始数据点，也有可能是与之前的传感器数据相连的同一手势。并且在出现用户使用一个手势指令的过程中会出现用户想中断手势并开始另一个手势的情况，所以在进行智能戒指实时传感器数据的相似性判断的过程中，需要判断实时监测到的数据点是否为其他手势指令的起始数据点，所述的判断依据即为通过最近邻子序列之间的相似性度量获取到的手势匹配相似程度的优化因子。
在获取到优化因子之后，即可根据该优化因子获取实时数据点与已知手势指令的相似程度。并通过相似程度之间的差异情况获取后续传感器的采样频率优化方式。
对于实时采集到的智能戒指传感器数据点在全部已知的手势指令对应的传感器特征数据中进行比较，获取到实时新增数据点对于每个手势指令的数值相似程度(对于新增的单个数据点只能对比数值)。对于之后的新增数据点通过下一个新增数据点与前一个数据点进行下一轮的相似度衡量。
在每采集到的数据点作为手势起始数据点进行手势相似程度的度量过程中，因为实时数据点与之前的数据点形成的序列如果与现有的手势指令的相似程度具有更高的数据连续性，那么这个数据点就不需要作为一个新的起始数据点进行手势匹配。这样就可以保证智能戒指传感器数据的手势指令监测过程中的运算量更低，并且保证手势识别的准确性。对于每一个新增数据点pi(即当前数据)，通过该数据点与之前的数据点之间的路径变化作为该新增数据点的优化因子，通过该优化因子进行数据点的筛选，从而将没有发生路径偏移的数据点不进行起始数据点的衡量。
在一实施例中，基于参考数据计算当前数据的离群程度。具体的，计算当前数据pi的COF离群因子COFK＝10(pi)。其中，参考数据为当前数据pi之前与当前数据时间连续的K个数据，K取经验值为10。
计算获取当前数据之前，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第一平均相似度；计算获取当前数据之后，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第二平均相似度；基于所述离群程度以及所述第一平均相似度与所述第二平均相似度的差值确定当前数据的优化因子。
在一实施例中，利用如下公式计算当前数据的优化因子：
其中，COFK＝10(pi)表示当前数据pi通过参考数据获取到的离群值因子，参考数据数量为k，取值为10，Norm(COFK＝10(pi))表示对于离群因子COFK＝10(pi)进行线性归一化后得到的离群程度，Δεji表示第一平均相似度与所述第二平均相似度的差值。
在一实施例中，将参考数据中第j个数据作为起始数据的数据序列记为Tj，将已知手势指令序列记为Ti，则参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的相似度计算公式为：
εji＝Norm(DTW(Tj，Ti))；
其中，DTW(Tj，Ti)表示以第j个数据为起始数据的数据序列Tj与已知手势指令序列Ti之间的DTW距离，该距离的度量过程中通过以数据序列Tj的实时长度来与已知手势指令序列Ti中从头开始的相同长度序列进行DTW距离的衡量。
优化因子的构造需要通过新增数据点与之前的数据点造成的偏差进行判断，一个数据点与之前的时序序列发生偏差，偏差越多则越可能是异常。同时当其造成了相似程度的降低则也可以说明该数据点是更可能为手势中断的另一个手势的起始数据点。所以对于该优化因子可以通过该数据点与之前的数据点的COF离群因子与相似度差异进行判断。
基于上式，可以计算当前数据是否作为一个起始数据点的优化因子，相较于对于每一个新增数据点都将其作为一个起始数据点进行手势指令匹配，可以在保证手势指令识别准确性的前提下节省大量的云计算服务器的占用。
步骤S13：基于所述优化因子计算所述当前数据与预设手势指令序列的相似度。
在获取到当前数据的优化因子之后，即可以在匹配数据点在与已知手势指令数据进行相似程度衡量的过程中进行优化。对于新增数据点即当前数据的优化因子φi，在计算相似程度的过程中通过φi对数据点进行筛选，优化因子φi越高，则说明该数据点越应该作为一个起始数据点来作为一个中断手势开始新的手势指令匹配。
在一实施例中，计算以当前数据为起始数据的数据序列与预设手势指令序列之间的初始相似度，具体地，初始相似度εi，c计算方式为：
其中，表示以当前数据为起始数据的数据序列/>与预设手势指令序列Tc之间的DTW距离，Norm()表示线性归一化。
基于所述优化因子对所述初始相似度进行处理，从而得到所述当前数据与预设手势指令序列的相似度。具体为：
其中，φi为当前数据的优化因子，表示计算以当前数据为起始数据的数据序列/>与预设手势指令序列Tc之间的距离，表示两者之间的相似度，Norm()表示线性归一化，εi，c表示当前数据与预设手势指令序列的相似度，ε′i，c表示当前数据与预设手势指令序列的相似度。
在对智能戒指的实时传感器数据进行相似程度的度量时，通过实时传感器数据与手势指令的特征序列进行DTW距离度量进行相似程度的衡量，即在智能戒指的前100个数据点通过该方式进行相似程度的度量，在后续的数据点中，即可通过前面的数据点所形成的信息进行新增数据点是否作为起始数据点的判断，也就是(1-φi)进行的数据点筛选。在后续的相似程度度量过程中通过/>即可达到对新增数据点进行筛选，从而优化智能戒指手势匹配过程中的计算量。
步骤S14：基于所述相似度确定传感器的采样频率优化因子，并利用所述采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。
在获取到新增数据点与每个一直手势指令传感器特征数据的相似程度之后，即可通过每个已知手势指令传感器数据的相似程度的差异信息对后续的智能戒指传感器采样频率进行优化。在进行手势识别的过程中，当现有的已知传感器数据存在着与多个已知手势指令的相似度相似时，则说明现有的数据点对于手势指令的识别效果不好，那么为了保证在手势完成时能够更准确地进行手势识别，就需要增加智能戒指后续的采样频率，从而获取更多的数据点进行手势识别，当传感器数据点增加时，可以让传感器数据中包含更多的使用者的手指运动信息，从而提高手势识别的准确性。
在一具体实施例中，计算以当前数据为起始数据的数据序列与预设手势指令序列中最相似的手势指令数据的第一相似程度计算以当前数据为起始数据的数据序列与预设手势指令序列中第二相似的手势指令数据的第二相似程度/>基于所述第一相似程度和所述第二像素程度之间的差异性确定传感器的采样频率优化因子。
在一具体实施例中，对于当前数据与预设手势指令序列的相似程度εic，通过其中的差异性进行采样频率优化因子ηi的获取，具体为：
需要说明的是，预设手势指令序列为数据库中所有已知手势指令序列。
对于采样频率优化因子，当新增数据点即当前数据与各个手势指令特征序列出现了相似的情况，则需要在后续的智能戒指采样过程中提高智能戒指的采样频率，如上述所述通过最相似的特征指令与第二相似的特征指令之间的差异进行衡量，从而获取到采样频率的优化因子。
基于上式所述的通过对智能戒指传感器实时数据点的相似程度匹配结果对后续的智能戒指传感器的采样频率进行调整，相较于固定的采样频率可以在出现已知数据与多个指令都具有相似性时通过增加后续的传感器数据点数量使得对于用户的手势识别更加准确。在获取到采样频率优化因子ηi之后，对于智能戒指传感器的第一采样频率α＝5ms进行优化，优化后的第二采样频率为
在获取到优化采样频率后的智能戒指实时传感器数据之后，继续通过上述的相似程度计算方式进行手势指令的识别，在这个过程中即可通过优化后的采样频率获取到更精确的数据，从而获取到准确地手势识别结果。
本申请的基于智能戒指的手势监测方法，通过实时新增数据点与之前的数据点之间的数值连续性偏差，与新增数据点对之前的数据点作为手势指令起始数据点与已知手势指令匹配的过程中的相似程度的前后变化，共同进行判断新增数据点是否作为一个起始数据点的优化因子，相较于对于每一个新增数据点都将其作为一个起始数据点进行手势指令匹配可以在保证手势指令识别准确性的前提下节省大量的云计算服务器的占用。通过对智能戒指传感器实时数据点的相似程度匹配结果对后续的智能戒指传感器的采样频率进行调整，相较于固定的采样频率可以在出现已知数据与多个指令都具有相似性时通过增加后续的传感器数据点数量使得对于用户的手势识别更加准确。
请参见图2，图2为本发明基于智能戒指的手势监测系统的一实施例的结构示意图，具体包括：采集模块21、优化因子计算模块22、相似度计算模块23以及优化模块24。
其中，采集模块21用于利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据。
优化因子计算模块22用于基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与所述当前数据时间连续的预设数量的传感器数据。
在一实施例中，优化因子计算模块22还用于：基于参考数据计算当前数据的离群程度；计算获取当前数据之前，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第一平均相似度；计算获取当前数据之后，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第二平均相似度；基于所述离群程度以及所述第一平均相似度与所述第二平均相似度的差值确定当前数据的优化因子。
相似度计算模块23用于基于所述优化因子计算所述当前数据与预设手势指令序列的相似度。
在一实施例中，相似度计算模块23还用于：计算以当前数据为起始数据的数据序列与预设手势指令序列之间的初始相似度；基于所述优化因子对所述初始相似度进行处理，从而得到所述当前数据与预设手势指令序列的相似度。
优化模块24用于基于所述相似度确定传感器的采样频率优化因子，并利用所述采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。
在一实施例中，优化模块24还用于：计算以当前数据为起始数据的数据序列与预设手势指令序列中最相似的手势指令数据的第一相似程度，计算以当前数据为起始数据的数据序列与预设手势指令序列中第二相似的手势指令数据的第二相似程度；基于所述第一相似程度和所述第二像素程度之间的差异性确定传感器的采样频率优化因子。
本实施例的基于智能戒指的手势监测系统能够实现上述所述的基于智能戒指的手势监测方法。
以上仅为本申请的实施方式，并非因此限制本申请的专利范围，凡是利用本申请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，均同理包括在本申请的专利保护范围内。

Claims (10)

1.基于智能戒指的手势监测方法，其特征在于，包括：
利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据；
基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与所述当前数据时间连续的预设数量的传感器数据；
基于所述优化因子计算所述当前数据与预设手势指令序列的相似度；
基于所述相似度确定传感器的采样频率优化因子，并利用所述采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。
2.根据权利要求1所述的基于智能戒指的手势监测方法，其特征在于，基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子，包括：
基于参考数据计算当前数据的离群程度；
计算获取当前数据之前，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第一平均相似度；
计算获取当前数据之后，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第二平均相似度；
基于所述离群程度以及所述第一平均相似度与所述第二平均相似度的差值确定当前数据的优化因子。
3.根据权利要求2所述的基于智能戒指的手势监测方法，其特征在于，利用如下公式计算当前数据的优化因子：
其中，COFK＝10(pi)表示当前数据pi通过参考数据获取到的离群值因子，参考数据数量为k，取值为10，Norm(COFK＝10(pi))表示对于离群因子COFK＝10(pi)进行线性归一化后得到的离群程度，△εji表示第一平均相似度与所述第二平均相似度的差值。
4.根据权利要求1所述的基于智能戒指的手势监测方法，其特征在于，基于所述优化因子计算所述当前数据与预设手势指令序列的相似度，包括：
计算以当前数据为起始数据的数据序列与预设手势指令序列之间的初始相似度；
基于所述优化因子对所述初始相似度进行处理，从而得到所述当前数据与预设手势指令序列的相似度。
5.根据权利要求4所述的基于智能戒指的手势监测方法，其特征在于，利用如下公式计算所述当前数据与预设手势指令序列的相似度：
其中，φi为当前数据的优化因子，表示计算以当前数据为起始数据的数据序列/>与预设手势指令序列Tc之间的距离，表示两者之间的相似度，Norm()表示线性归一化，εi,c表示当前数据与预设手势指令序列的相似度。
6.根据权利要求1所述的基于智能戒指的手势监测方法，其特征在于，基于所述相似度确定传感器的采样频率优化因子，包括：
计算以当前数据为起始数据的数据序列与预设手势指令序列中最相似的手势指令数据的第一相似程度，计算以当前数据为起始数据的数据序列与预设手势指令序列中第二相似的手势指令数据的第二相似程度；
基于所述第一相似程度和所述第二像素程度之间的差异性确定传感器的采样频率优化因子。
7.基于智能戒指的手势监测系统，其特征在于，包括：
采集模块，用于利用传感器以第一采样频率实时采集手势对应的传感器数据，获得当前数据；
优化因子计算模块，用于基于当前数据与当前数据之前的参考数据之间的变化确定当前数据的优化因子；当前数据之前的参考数据为与所述当前数据时间连续的预设数量的传感器数据；
相似度计算模块，用于基于所述优化因子计算所述当前数据与预设手势指令序列的相似度；
优化模块，用于基于所述相似度确定传感器的采样频率优化因子，并利用所述采样频率优化因子对传感器的第一采样频率进行优化，使得传感器以第二采样频率实时采集手势对应的传感器数据。
8.根据权利要求7所述的基于智能戒指的手势监测系统，其特征在于，所述优化因子计算模块还用于：
基于参考数据计算当前数据的离群程度；
计算获取当前数据之前，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第一平均相似度；
计算获取当前数据之后，所述参考数据中第j个数据作为起始数据的数据序列与已知手势指令序列的第二平均相似度；
基于所述离群程度以及所述第一平均相似度与所述第二平均相似度的差值确定当前数据的优化因子。
9.根据权利要求8所述的基于智能戒指的手势监测系统，其特征在于，所述相似度计算模块还用于：
计算以当前数据为起始数据的数据序列与预设手势指令序列之间的初始相似度；
基于所述优化因子对所述初始相似度进行处理，从而得到所述当前数据与预设手势指令序列的相似度。
10.根据权利要求7所述的基于智能戒指的手势监测系统，其特征在于，所述优化模块还用于：
计算以当前数据为起始数据的数据序列与预设手势指令序列中最相似的手势指令数据的第一相似程度，计算以当前数据为起始数据的数据序列与预设手势指令序列中第二相似的手势指令数据的第二相似程度；
基于所述第一相似程度和所述第二像素程度之间的差异性确定传感器的采样频率优化因子。
CN202310720022.4A 2023-06-17 2023-06-17 基于智能戒指的手势监测方法及系统 Pending CN117111732A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310720022.4A CN117111732A (zh) 2023-06-17 2023-06-17 基于智能戒指的手势监测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310720022.4A CN117111732A (zh) 2023-06-17 2023-06-17 基于智能戒指的手势监测方法及系统

Publications (1)

Publication Number Publication Date
CN117111732A true CN117111732A (zh) 2023-11-24

Family

ID=88800899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310720022.4A Pending CN117111732A (zh) 2023-06-17 2023-06-17 基于智能戒指的手势监测方法及系统

Country Status (1)

Country Link
CN (1) CN117111732A (zh)

Similar Documents

Publication Publication Date Title
CN116484307B (zh) 基于云计算智能戒指远程控制方法
US9183760B2 (en) Method and apparatus for recognizing sign language using electromyogram sensor and gyro sensor
CN106529559A (zh) 一种指针式圆形多仪表盘实时读数识别方法
CN107909042B (zh) 一种连续手势切分识别方法
CN108182433A (zh) 一种表计读数识别方法及系统
US11416717B2 (en) Classification model building apparatus and classification model building method thereof
CN111811567B (zh) 一种基于曲线拐点比对的设备检测方法及相关装置
US10423817B2 (en) Latent fingerprint ridge flow map improvement
Shuo et al. Object tracking method based on SURF
CN105334185A (zh) 基于光谱投影判别的近红外模型维护方法
US10043276B2 (en) Image processing method, image processing apparatus, robot apparatus, program, and recording medium
US10755074B2 (en) Latent fingerprint pattern estimation
US10578640B2 (en) Determination of a mobility context for a user carrying a device fitted with inertial sensors
CN112085134B (zh) 一种基于射频识别的机场行李识别系统及方法
US9195887B2 (en) Retrieving apparatus, retrieving method, and computer program product
CN117111732A (zh) 基于智能戒指的手势监测方法及系统
Wang et al. Handwriting recognition under natural writing habits based on a low-cost inertial sensor
CN113342407B (zh) 一种屏幕控制方法、装置、电子设备及可读存储介质
JP2020177318A (ja) 照合装置、学習装置、方法、及びプログラム
CN112749781A (zh) 关键点预测方法、系统、电子设备、存储介质
CN117808848B (zh) 一种识别跟踪方法、装置、电子设备及存储介质
CN115078616B (zh) 基于信噪比的多窗口谱峰识别方法、设备、介质及产品
CN111062352B (zh) 一种基于移动终端数据识别终端用户步态的方法和服务器
CN111079599B (zh) 基于多特征融合cnn-blstm的人体复杂行为识别方法
CN116721270B (zh) 一种用于智能水表的数据处理方法

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
CB02 Change of applicant information

Country or region after: China

Address after: 518000 1st, 2nd, 4th, 5th and 6th floors of Qiufen (10A) Building, Taihua wutong Industrial Park, Sanwei Community, Hangcheng Street, Bao'an District, Shenzhen, Guangdong

Applicant after: Shenzhen Moyang Technology Co.,Ltd.

Address before: 518000 One of the 8th and 9th floors of Guizhu (15 #) Building, Taihua wutong Industrial Park, Sanwei Community, Hangcheng Street, Bao'an District, Shenzhen, Guangdong Province; There is a business premises located on the 3rd floor of Building B, Fengze Building, Nanchang Huafeng Second Industrial Park, Hangcheng Street, engaged in production and business activities

Applicant before: SHENZHEN MOYOUNG TECHNOLOGY CO.,LTD.

Country or region before: China