论文部分内容阅读
随着人机交互技术的快速发展,手势作为一种高效、自然的交互方式越来越受到研究者们的关注。基于视觉或图像的手势识别技术具有实时性好、识别率高的优点,已经广泛应用于人工智能系统等领域中,但是在图像的获取过程中对周围环境中的光线、背景甚至拍摄角度的依赖性,限制了它在未来的进一步发展。随着传感技术的快速发展,基于加速度传感器的手势识别技术成为了新的研究热点。但是,基于加速度传感器的手势识别技术目前还处在起步阶段,在实时性和识别率等方面有待进一步提高。本文在国内外研究现状的基础上,设计了一种基于BP神经网络的手势识别方法。首先,利用AMI602动作传感器采集手势动作的加速度数据,通过串口将采集到的加速度数据传输到计算机上并保存到txt文本文件中。其次,针对本文设计的手势识别方法以及系统采集到的加速度信号的特点,对手势加速度数据进行信号处理,主要包括提取加速度信号、把十六进制数据信号转换成十进制的加速度值、去除跳点、线性平滑滤波和有效手势动作数据的检测,为手势识别算法提供平滑、稳定的加速度信号。最后,主要研究了本文设计的手势识别方法。该方法主要包括BP网络的训练和BP网络的手势识别两个方面。采集大量样本数据来训练设计好的BP网络,然后利用训练好的BP网络来识别预定义手势。本文系统是以MATLAB编程环境为软件平台,仿真验证了本文所采用的识别算法实现的可能性,并且获得了比较高的识别率。实验中,阿拉伯数字手势动作的平均识别率为85.8%,五种简单笔画手势的平均识别率为87.2%。