專利名稱：：一種基于加速度傳感器的手勢(shì)識(shí)別方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于模式識(shí)別與人工智能
技術(shù)領(lǐng)域：
，特別是涉及一種用于基于加速度傳感器的三維空間書寫識(shí)別的手勢(shì)識(shí)別方法。
背景技術(shù)：
：基于加速度傳感器的人運(yùn)動(dòng)識(shí)別是近年來(lái)計(jì)算機(jī)領(lǐng)域中新興起的研究前沿方向之一，即將加速度傳感器穿戴在用戶身上或?qū)⑺稍谑謾C(jī)或PDA等手持設(shè)備上，通過(guò)分析人運(yùn)動(dòng)時(shí)所產(chǎn)生的加速度信號(hào)來(lái)進(jìn)行檢測(cè)、識(shí)別用戶的運(yùn)動(dòng)狀態(tài)并對(duì)其行為進(jìn)行理解和描述，它屬于穿戴式計(jì)算(WearableComputing)和普適計(jì)算(UbiquitousComputing)的重要研究?jī)?nèi)容之一。目前，基于加速度傳感器的人運(yùn)動(dòng)識(shí)別主要包括人運(yùn)動(dòng)狀態(tài)識(shí)別和人手勢(shì)識(shí)別兩方面。運(yùn)動(dòng)狀態(tài)識(shí)別主要是識(shí)別人在日常生活中走路、跑步、坐著、站立等基本動(dòng)作；而手勢(shì)識(shí)別主要是識(shí)別一些簡(jiǎn)單的電話手勢(shì)、自定義的用于控制設(shè)備的簡(jiǎn)單手勢(shì)、阿拉伯?dāng)?shù)字0-9?；诩铀俣葌鞲衅鞯娜诉\(yùn)動(dòng)識(shí)別的關(guān)鍵在于特征提取，許多研究人員都從加速度信號(hào)中提取了有效的特征用于識(shí)別人的運(yùn)動(dòng)狀態(tài)和手勢(shì)，綜合起來(lái)可以把這些特征分成兩類時(shí)域特征和頻域特征。常用的時(shí)域特征主要有均值、方差或標(biāo)準(zhǔn)差、兩軸之間的相關(guān)系數(shù)、加速度信號(hào)的峰值和谷值等等；常用的頻域特征有FFT系數(shù)等。在基于加速度傳感器的人手勢(shì)識(shí)別中，識(shí)別在三維空間書寫的阿拉伯?dāng)?shù)字0-9受到一些研究人員的重視，因?yàn)榛谌S加速度傳感器的三維空間書寫不同于傳統(tǒng)的二維平面書寫，用戶只需要手握嵌入三軸加速度傳感器的書寫設(shè)備在空中自由書寫，它既不受某個(gè)特定的書寫平面的限制(如手寫板、觸摸屏)，也不需要任何外掛設(shè)備(如攝像頭)，提供了一種全新的數(shù)字筆實(shí)現(xiàn)方式，因而具有很好的應(yīng)用研究?jī)r(jià)值。
發(fā)明內(nèi)容本發(fā)明的目的在于提供一種方便有效的基于加速度傳感器的手勢(shì)識(shí)別方法。為了實(shí)現(xiàn)上述發(fā)明目的，采用的技術(shù)方案如下—種基于加速度傳感器的手勢(shì)識(shí)別方法，包括如下步驟1)、提取用戶在三維空間書寫的所有樣本的旋轉(zhuǎn)特征碼；2)、生成每個(gè)類的模板從總樣本中隨機(jī)選取k個(gè)樣本作為訓(xùn)練樣本，將訓(xùn)練樣本中相同類別的樣本放在一起，在每個(gè)類別中，分別計(jì)算每個(gè)樣本和該類別內(nèi)其他樣本的旋轉(zhuǎn)特征碼間的編輯距離之和，然后將樣本按編輯距離之和從小到大排列后作為每個(gè)類別的類模板；3)、生成訓(xùn)練樣本集計(jì)算每個(gè)訓(xùn)練樣本和所有類模板的旋轉(zhuǎn)特征碼間的編輯距離，作為該樣本的特征，則k個(gè)訓(xùn)練樣本能夠得到一個(gè)kXk的訓(xùn)練特征矩陣4其中，dNETrain是第i個(gè)訓(xùn)練樣本和第j個(gè)類模板間的距離，i=1，2，=1，2，…k，k是所有類的類模板數(shù)；4)、生成測(cè)試樣本集對(duì)每個(gè)測(cè)試樣本，計(jì)算它和所有類模板的旋轉(zhuǎn)特征碼間的編輯距離，作為該測(cè)試樣本的特征，1個(gè)測(cè)試樣本就能夠得到一個(gè)IXk的測(cè)試特征矩陣D其中，^mii是第i個(gè)測(cè)試樣本和第j個(gè)類模板間的距離，i=1,2,=1，2，…k，1是測(cè)試樣本的個(gè)數(shù)，k是所有類的類模板數(shù)；5)、支持向量機(jī)分類用步驟3)所生成的訓(xùn)練樣本集訓(xùn)練支持向量機(jī)分類器，然后用支持向量機(jī)分類器識(shí)別出每個(gè)測(cè)試樣本書寫的數(shù)字。本發(fā)明從三軸加速度信號(hào)中提取了一種新穎的旋轉(zhuǎn)特征，這種旋轉(zhuǎn)特征能有效地表示書寫時(shí)手勢(shì)運(yùn)動(dòng)的順時(shí)針旋轉(zhuǎn)和逆時(shí)針旋轉(zhuǎn)的變化過(guò)程。并提出了基于該旋轉(zhuǎn)特征的三維空間書寫數(shù)字識(shí)別方法的完整框架，該方法通過(guò)計(jì)算歸一化編輯距離來(lái)解決旋轉(zhuǎn)特征長(zhǎng)度不一致的問(wèn)題，從而對(duì)基于加速度傳感器的三維書寫字符進(jìn)行有效識(shí)別。圖1是本發(fā)明的流程圖；圖2是本發(fā)明的基于y_z平面提取的旋轉(zhuǎn)特征；圖3是本發(fā)明的對(duì)加速度的方向變化的編碼圖。具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的說(shuō)明。實(shí)施本發(fā)明所用的輸入設(shè)備是嵌入三軸加速度傳感器的裝置?；谛D(zhuǎn)特征的三維空間書寫識(shí)別算法的系統(tǒng)流程圖如附圖1所示，具體步驟包括1、預(yù)處理對(duì)于采集到的三維加速度信號(hào)首先通過(guò)減去均值去除重力加速度的影響，然后進(jìn)行幅度歸一化處理，接著對(duì)其進(jìn)行高斯濾波，濾除加速度信號(hào)中包含的測(cè)量時(shí)的噪聲及由于手腕抖動(dòng)產(chǎn)生的噪聲。2、提取旋轉(zhuǎn)特征碼5基于加速度傳感器的三維空間書寫不同于傳統(tǒng)的二維平面書寫，它采集不到書寫者的書寫軌跡，只能獲得由三軸加速度傳感器測(cè)得的三個(gè)軸向的加速度信號(hào)。如何利用這三個(gè)軸向的加速度信號(hào)來(lái)識(shí)別出書寫者寫的是什么，特征提取是關(guān)鍵。三軸加速度傳感器能同時(shí)測(cè)量手勢(shì)運(yùn)動(dòng)時(shí)產(chǎn)生的相互正交的三個(gè)軸向的加速度，分別用ax(t)，ay(t)，az(t)表示χ軸、y軸和ζ軸的加速度信號(hào)。記A(t)=[ax(t),ay(t),az(t)]是某個(gè)手勢(shì)運(yùn)動(dòng)時(shí)產(chǎn)生的一個(gè)三軸加速度信號(hào)，信號(hào)的長(zhǎng)度記為S。定義B(t)=A(t)XA(t+l)(1)則B(t)也是一個(gè)矢量，且B(t)的方向只有兩種情況，一種是垂直于A(t)和A(t+1)的平面向上，另一種是垂直于A(t)和A(t+1)平面向下。當(dāng)B(t)的方向垂直于A(t)和A(t+1)的平面向上時(shí)，加速度信號(hào)A(t)從t到t+Ι時(shí)刻逆時(shí)針旋轉(zhuǎn)；當(dāng)B(t)的方向垂直于A(t)和A(t+1)的平面向下時(shí)，加速度信號(hào)A(t)從t到t+1時(shí)刻順時(shí)針旋轉(zhuǎn)。當(dāng)t從0變化到S-I時(shí)刻加速度信號(hào)就會(huì)產(chǎn)生一系列的順時(shí)針和逆時(shí)針旋轉(zhuǎn)，即書寫每個(gè)字符時(shí)，加速度信號(hào)都會(huì)產(chǎn)生一系列的順時(shí)針和逆時(shí)針旋轉(zhuǎn)變化。本發(fā)明提出的旋轉(zhuǎn)特征正是記錄三維空間書寫時(shí)加速度信號(hào)產(chǎn)生順時(shí)針旋轉(zhuǎn)和逆時(shí)針旋轉(zhuǎn)的變化過(guò)程。對(duì)于一個(gè)三維空間書寫時(shí)產(chǎn)生的三軸加速度信號(hào)A(t)，分別從三維空間中下述三個(gè)投影平面提取旋轉(zhuǎn)特征Ayz(t)=[ay(t),az(t)]Azx(t)=[az(t),ax(t)](2)Axy(t)=[ax(t),ay(t)]式(2)中，二維矢量Ayz(t)，Azx(t)，和Axy(t)分別是三軸加速度信號(hào)A(t)在y_z，z-x，和χ-y平面的投影。以Ayz(t)為例來(lái)說(shuō)明提取的旋轉(zhuǎn)特征，根據(jù)式(1)可以做如下定義Byz(t)=Ayz(t)XAyz(t+1)(3)貝UByz(t)的方向垂直于Ayz(t)和Ayz(t+Ι)平面向上時(shí)加速度Ayz(t)逆時(shí)針旋轉(zhuǎn)；Byz(t)的方向垂直于Ayz(t)和Ayz(t+1)平面向下時(shí)加速度Ayz(t)順時(shí)針旋轉(zhuǎn)。如果把每個(gè)時(shí)刻的順時(shí)針和逆時(shí)針旋轉(zhuǎn)都記錄下來(lái)，通過(guò)觀察會(huì)發(fā)現(xiàn)在某個(gè)時(shí)間段內(nèi)，加速度信號(hào)一直在做順時(shí)針(或逆時(shí)針)旋轉(zhuǎn)。所以沒(méi)必要把這個(gè)時(shí)間段內(nèi)的每個(gè)時(shí)刻點(diǎn)都取為旋轉(zhuǎn)特征。記第i個(gè)旋轉(zhuǎn)特征為RFyz(i)，i>1。則旋轉(zhuǎn)特征RFyz(i)的提取滿足如下原則RFyz(I)=Ayz(O)RFyz(i)=Ayz(t+Ι)，當(dāng)Byz(t)和Byz(t_l)的方向相同，但Ayz(t+Ι)和Ayz(t)不在同一象限；或當(dāng)Byz(t)和Byz(t-Ι)的方向相反時(shí)RFyz(i)是一個(gè)由ay(t)和az(t)確定的矢量。由于旋轉(zhuǎn)是由矢量的方向決定的，所以在用(0和~(0表示提取的旋轉(zhuǎn)特征RFyz(i)時(shí)，將矢量的大小取為相等。附圖2是對(duì)6個(gè)人書寫數(shù)字8時(shí)產(chǎn)生的三軸加速度信號(hào)基于y-ζ平面提取的旋轉(zhuǎn)特征點(diǎn)RFyz(i)，并把它們用y軸和ζ軸的加速度[ay(t)，az(t)]表示出來(lái)。圖中垂直方向的軸表示(0，水平方向的軸表示az(t)，箭頭指向是各個(gè)軸的加速度方向。為了方便進(jìn)行數(shù)字運(yùn)算，規(guī)定了如附圖3所示的加速度方向變化的編碼規(guī)則。對(duì)附圖2提取的旋轉(zhuǎn)特征RFyz⑴進(jìn)行編碼得到旋轉(zhuǎn)特征碼Cyz，同樣，可以對(duì)Azx(t)和Axy(t)提取旋轉(zhuǎn)特征點(diǎn)并進(jìn)行上述編碼，得到旋轉(zhuǎn)特征碼Czx和Cxy。一個(gè)三軸加速度信號(hào)的旋轉(zhuǎn)特征碼表示為C={Cyz，Czx,Cxy}，Cyz，Czx和Cxy分別是對(duì)Ayz(t)，Azx(t)，和Axy(t)的加速度變化順序的編碼。3、生成每個(gè)類的模板從總樣本中隨機(jī)選取k個(gè)樣本作為訓(xùn)練樣本，將訓(xùn)練樣本中相同類別的樣本放在一起，在每個(gè)類別中，分別計(jì)算每個(gè)樣本和類內(nèi)其他樣本的旋轉(zhuǎn)特征碼間的編輯距離之和，然后將樣本按編輯距離之和從小到大排列后作為每個(gè)類的類模板。4、生成訓(xùn)練樣本集計(jì)算每個(gè)訓(xùn)練樣本和所有類模板的旋轉(zhuǎn)特征碼間的編輯距離，作為該樣本的特征。則對(duì)k個(gè)訓(xùn)練樣本可以得到-個(gè)kXk的訓(xùn)練特征矩陣其中，乂υNETrain是第i個(gè)訓(xùn)練樣本和第j個(gè)類模板間的距離，i=1,2,-k,j=1，2，…k，k是所有類的類模板數(shù)。5、生成測(cè)試樣本集對(duì)每個(gè)測(cè)試樣本，計(jì)算它和所有類模板的旋轉(zhuǎn)特征碼間的編輯距離，作為該測(cè)試樣本的特征。對(duì)1個(gè)測(cè)試樣本就可以得到-個(gè)IXk的測(cè)試特征矩陣其中^是第i個(gè)測(cè)試樣本和第j個(gè)類模板間的距離，i=1,2,=1，2，…k，1是測(cè)試樣本的個(gè)數(shù)，k是所有類的類模板數(shù)。上述第3、4、5步驟所采用的編輯距離計(jì)算具體如下由于不同樣本的旋轉(zhuǎn)特征碼的長(zhǎng)度不一致，無(wú)法直接計(jì)算它們之間的差異，采用編輯距離來(lái)度量不同樣本的旋轉(zhuǎn)特征碼間的差異。設(shè)符號(hào)序列=·<為第i個(gè)樣本的Cyz編碼，<e{0,l,2，3};C^二識(shí)…c.L為第j個(gè)樣本的Cyz編碼，c,丨e{0,1,2,3}οE={es,ei;ed}分別表示序列C丨/變換為Cjz時(shí)替換、插入和刪除一個(gè)符號(hào)的代價(jià)，則q^nc^的編輯距離遞歸地表示為_(kāi)3]其中，。在這里，替換、插入和刪除符號(hào)的代價(jià)與符號(hào)的0,otherwise具體取值及其在序列中的位置無(wú)關(guān)，一般情況下，可取替換、插入和刪除符號(hào)的代價(jià)為1，即es—ei—ed—I。由于編輯距離度量的是2個(gè)序列之間差異的絕對(duì)值，在分析長(zhǎng)度變化范圍較大的序列時(shí)，容易使長(zhǎng)序列之間的編輯距離遠(yuǎn)大于短序列之間的距離。這顯然是不合適的，因此需要對(duì)其進(jìn)行歸一化。上述符號(hào)序列和C；的歸一化編輯距離表示為其中，|'ζ|，|ζ|分別表示序列長(zhǎng)度。所以，第i個(gè)樣本和第j個(gè)樣本的旋轉(zhuǎn)特征碼間的距離可表示為dlE=pNEyz(C；,C^)]2+(C；,C^)]2+(C；,C^)]2(6)其中，和i/i/c^q)分別是第i個(gè)樣本和第j個(gè)樣本的Czx編碼和Cxy編碼的編輯距離。6、支持向量機(jī)(SVM)分類用上面生成的訓(xùn)練樣本集訓(xùn)練SVM分類器，然后用SVM分類器識(shí)別出每個(gè)測(cè)試樣本書寫的數(shù)字。本發(fā)明的優(yōu)異性能通過(guò)大樣本的實(shí)驗(yàn)得到了證實(shí)。下面描述采用本發(fā)明所述的特征提取方法，對(duì)大量三維空間書寫數(shù)字樣本進(jìn)行相關(guān)實(shí)驗(yàn)的結(jié)果。由于基于加速度傳感器的三維空間書寫數(shù)字識(shí)別是一個(gè)新興發(fā)展起來(lái)的識(shí)別技術(shù)，目前還沒(méi)有一個(gè)公共的數(shù)據(jù)庫(kù)。本實(shí)施例設(shè)計(jì)了基于三軸加速度傳感器的加速度信號(hào)采集器，采集了60個(gè)人的數(shù)據(jù)，每個(gè)采集者單手握著加速度信號(hào)采集器在三維空間自由書寫數(shù)字0到9，每個(gè)采集者書寫三遍，共采集到180套數(shù)據(jù)。每個(gè)類隨機(jī)選取144套樣本(占每類總樣本數(shù)的80%)進(jìn)行訓(xùn)練，總訓(xùn)練樣本數(shù)為1440，余下的36套樣本用于測(cè)試，總的測(cè)試樣本數(shù)目為360。在實(shí)驗(yàn)中將本發(fā)明提出的旋轉(zhuǎn)特征與峰值谷值特征、時(shí)域原始特征及傳統(tǒng)的頻域FFT特征的性能做了比較。對(duì)每個(gè)特征，進(jìn)行了三次實(shí)驗(yàn)，然后取平均值。表1給出了每個(gè)類別基于四種特征提取方法的識(shí)別率。表1四種不同特征對(duì)10個(gè)空中手寫數(shù)字的識(shí)別率的比較由表1中可以看到，采用本發(fā)明提出的旋轉(zhuǎn)特征，其識(shí)別率明顯高于時(shí)域原始特征、峰值谷值特征、及FFT特征。而且，對(duì)于每個(gè)類別，基于旋轉(zhuǎn)特征的識(shí)別率都是較高的，實(shí)驗(yàn)結(jié)果表明由本發(fā)明所述的方法獲得的旋轉(zhuǎn)特征在識(shí)別性能方面的有效性。權(quán)利要求一種基于加速度傳感器的手勢(shì)識(shí)別方法，其特征在于包括如下步驟1)、提取用戶在三維空間書寫的所有樣本的旋轉(zhuǎn)特征碼；2)、生成每個(gè)類的模板從總樣本中隨機(jī)選取k個(gè)樣本作為訓(xùn)練樣本，將訓(xùn)練樣本中相同類別的樣本放在一起，在每個(gè)類別中，分別計(jì)算每個(gè)樣本和該類別內(nèi)其他樣本的旋轉(zhuǎn)特征碼間的編輯距離之和，然后將樣本按編輯距離之和從小到大排列后作為每個(gè)類別的類模板；3)、生成訓(xùn)練樣本集計(jì)算每個(gè)訓(xùn)練樣本和所有類模板的旋轉(zhuǎn)特征碼間的編輯距離，作為該樣本的特征，則k個(gè)訓(xùn)練樣本能夠得到一個(gè)k×k的訓(xùn)練特征矩陣<mrow><msub><mi>D</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow></msub><mo>=</mo><msub><mfencedopen='['close=']'><mtable><mtr><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mn>11</mn></msubsup></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mn>12</mn></msubsup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mrow><mn>1</mn><mo>×</mo><mi>k</mi></mrow></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mn>21</mn></msubsup></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mn>22</mn></msubsup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mrow><mn>2</mn><mo>×</mo><mi>k</mi></mrow></msubsup></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd></mtd><mtd></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mi>ij</mi></msubsup></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd></mtd><mtd></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mrow><mi>k</mi><mn>1</mn></mrow></msubsup></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mrow><mi>k</mi><mn>2</mn></mrow></msubsup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Train</mi></mrow><mrow><mi>k</mi><mo>×</mo><mi>k</mi></mrow></msubsup></mtd></mtr></mtable></mfenced><mrow><mi>k</mi><mo>×</mo><mi>k</mi></mrow></msub></mrow>其中，是第i個(gè)訓(xùn)練樣本和第j個(gè)類模板間的距離，i＝1，2，…k，j＝1，2，…k，k是所有類的類模板數(shù)；4)、生成測(cè)試樣本集對(duì)每個(gè)測(cè)試樣本，計(jì)算它和所有類模板的旋轉(zhuǎn)特征碼間的編輯距離，作為該測(cè)試樣本的特征，l個(gè)測(cè)試樣本就能夠得到一個(gè)l×k的測(cè)試特征矩陣<mrow><msub><mi>D</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow></msub><mo>=</mo><msub><mfencedopen='['close=']'><mtable><mtr><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mn>11</mn></msubsup></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mn>12</mn></msubsup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mrow><mn>1</mn><mo>×</mo><mi>k</mi></mrow></msubsup></mtd></mtr><mtr><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mn>21</mn></msubsup></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mn>22</mn></msubsup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mrow><mn>2</mn><mo>×</mo><mi>k</mi></mrow></msubsup></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd></mtd><mtd></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mi>ij</mi></msubsup></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><mo>.</mo></mtd><mtd></mtd><mtd></mtd><mtd><mo>.</mo></mtd></mtr><mtr><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mrow><mi>l</mi><mn>1</mn></mrow></msubsup></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mrow><mi>l</mi><mn>2</mn></mrow></msubsup></mtd><mtd><mo>.</mo><mo>.</mo><mo>.</mo></mtd><mtd><msubsup><mi>d</mi><mrow><mi>NE</mi><mo>_</mo><mi>Test</mi></mrow><mrow><mi>l</mi><mo>×</mo><mi>k</mi></mrow></msubsup></mtd></mtr></mtable></mfenced><mrow><mi>l</mi><mo>×</mo><mi>k</mi></mrow></msub></mrow>其中，是第i個(gè)測(cè)試樣本和第j個(gè)類模板間的距離，i＝1，2，…l，j＝1，2，…k，l是測(cè)試樣本的個(gè)數(shù)，k是所有類的類模板數(shù)；5)、支持向量機(jī)分類用步驟3)所生成的訓(xùn)練樣本集訓(xùn)練支持向量機(jī)分類器，然后用支持向量機(jī)分類器識(shí)別出每個(gè)測(cè)試樣本書寫的數(shù)字。FSA00000161947300012.tif,FSA00000161947300021.tif2.根據(jù)權(quán)利要求1所述的基于加速度傳感器的手勢(shì)識(shí)別方法，其特征在于所述步驟1)通過(guò)將用戶在三維空間書寫所產(chǎn)生的三軸加速度信號(hào)分別投影到y(tǒng)-z，z-X，和x_y平面，得到三個(gè)二維矢量Ayz⑴，Azx(t)，和Axy(t)，然后分別提取y-z，z-x，和χ-y平面的旋轉(zhuǎn)特征RFyz(i)，RFzx(i)和RFxy⑴，再分別對(duì)提取到的旋轉(zhuǎn)特征RFyz(i)，RFzx(i)和RFxy(i)進(jìn)行編碼得到旋轉(zhuǎn)特征碼Cyz，Czx和Cxy。3.根據(jù)權(quán)利要求1所述的基于加速度傳感器的手勢(shì)識(shí)別方法，其特征在于所述步驟2)至4)所計(jì)算的編輯距離如下令符號(hào)序列C;=c[c'2·_<為第i個(gè)樣本的Cyz編碼，^ε{0,1,2,3}，q=c(c{·_<為第j個(gè)樣本的Cyz編碼，<e·1θ,1,2,3}，再令E={es,eied}分別表示序列G./變換為時(shí)替換、插入和刪除一個(gè)符號(hào)的代價(jià)，則。和的編輯距離遞歸地表示為其中，相應(yīng)地計(jì)算出Czx和Cxy的編輯距離。4.根據(jù)權(quán)利要求1所述的基于加速度傳感器的手勢(shì)識(shí)別方法，其特征在于所述步驟1)提取旋轉(zhuǎn)特征碼之前還包括預(yù)處理操作，具體為對(duì)于采集到的三維加速度信號(hào)首先通過(guò)減去均值去除重力加速度的影響，然后進(jìn)行幅度歸一化處理，接著對(duì)其進(jìn)行高斯濾波，濾除加速度信號(hào)中包含的測(cè)量時(shí)的噪聲及由于手腕抖動(dòng)產(chǎn)生的噪聲。全文摘要本發(fā)明提供了一種基于加速度傳感器的手勢(shì)識(shí)別方法，包括如下步驟1)提取用戶在三維空間書寫的所有樣本的旋轉(zhuǎn)特征碼；2)生成每個(gè)類的模板；3)生成訓(xùn)練樣本集；4)生成測(cè)試樣本集；5)支持向量機(jī)分類。本發(fā)明從三軸加速度信號(hào)中提取了一種新穎的旋轉(zhuǎn)特征，這種旋轉(zhuǎn)特征能有效地表示書寫時(shí)手勢(shì)運(yùn)動(dòng)的順時(shí)針旋轉(zhuǎn)和逆時(shí)針旋轉(zhuǎn)的變化過(guò)程。并提出了基于該旋轉(zhuǎn)特征的三維空間書寫數(shù)字識(shí)別方法的完整框架，該方法通過(guò)計(jì)算歸一化編輯距離來(lái)解決旋轉(zhuǎn)特征長(zhǎng)度不一致的問(wèn)題，從而對(duì)基于加速度傳感器的三維書寫字符進(jìn)行有效識(shí)別。文檔編號(hào)G06F3/048GK101882000SQ20101020458公開(kāi)日2010年11月10日申請(qǐng)日期2010年6月18日優(yōu)先權(quán)日2010年6月18日發(fā)明者薛洋,金連文申請(qǐng)人:華南理工大學(xué)