一種基于前臂生物電多傳感器的手勢識別系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及手勢識別，特別涉及一種基于前臂生物電多傳感器的手勢識別系統(tǒng)。
【背景技術(shù)】
[0002]手勢是人們?nèi)粘Ｉ钪凶顝V泛使用的一種交流方式，近年來，隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，手勢識別技術(shù)的研究取得了較大的進(jìn)展，研究手勢識別的主要目的是把手勢這種既自然又直觀的交流方式引入人機(jī)接口中。
[0003]目前已有的手勢識別裝置，主要有兩種識別手段:第一種采用計(jì)算機(jī)視覺手段，基本原理為:通過攝像頭等光學(xué)傳感器，連續(xù)捕獲幀圖像數(shù)據(jù)，然后通過圖像識別技術(shù)，識別用戶的手勢；第二種采用單一生物電手段，基本原理為:通過放置在用戶手臂皮膚表面的若干生物電電極，記錄不同手勢運(yùn)動所伴隨的神經(jīng)肌電信號組合，從而識別出不同的手勢，然而，以上兩種方式都存在不同程度的缺陷，計(jì)算機(jī)視覺手段把用戶限制在一個相對固定的空間，不能到處移動，便攜性差，且存在遮擋現(xiàn)象，而單一生物電手段，雖然對于手指精細(xì)動作識別有著獨(dú)特優(yōu)勢，但對于大尺度的空間運(yùn)動信息(如運(yùn)動方向和速度)的識別較差。
[0004]如中國專利文獻(xiàn)CN103632143A公開了一種結(jié)合云計(jì)算基于影像的物件識別系統(tǒng)，該系統(tǒng)將影像獲取模塊捕獲的影像數(shù)據(jù)經(jīng)前級處理模塊進(jìn)行特征化處理，把分割模塊切割出的采集物影像數(shù)據(jù)在本地端知識庫模塊中進(jìn)行相似度比對計(jì)算，并將比較后篩選出的采集物影像數(shù)據(jù)上傳至云端知識庫模塊，由表示及描述模塊提前特征值后識別及解析采集物影像數(shù)據(jù)，然而，該識別系統(tǒng)需要采用圖像拍攝裝置捕獲目標(biāo)手勢的影像數(shù)據(jù)(二維圖像數(shù)據(jù))，在移動場景下，產(chǎn)品的便攜性和低功耗尤為重要，圖像拍攝裝置的設(shè)置，如攝像頭等，會大大降低產(chǎn)品的便攜性能；并且，二維圖像的數(shù)據(jù)量比較大，會占用更多的網(wǎng)絡(luò)帶寬資源，消耗更多的電池電量；同時，該識別系統(tǒng)只在云端擁有識別及解析模塊，在移動場景下，用戶未必能隨時能以良好的信號連接到互聯(lián)網(wǎng)，無法聯(lián)網(wǎng)則會造成整個識別系統(tǒng)不能使用，這無疑不適用于網(wǎng)絡(luò)環(huán)境實(shí)時變化的移動場景，會嚴(yán)重影響用戶的識別工作。
[0005]中國專利文獻(xiàn)CN103581428A公開了一種終端及其控制方法，其終端包括:被構(gòu)造為包在手腕的至少一個區(qū)域上并且可拆卸地形成的主體；布置在主體的一個表面中并且被構(gòu)造為感測穿過手腕的肌腱與手腕中的至少一個的運(yùn)動的感測單元；以及控制器，其被構(gòu)造為生成用于控制外部裝置以執(zhí)行之前匹配到感測到的肌腱與手腕中的至少一個的運(yùn)動的功能的控制信號，該裝置雖然可以通過使用手腕感測到的不同特征來生成控制信號，然而該裝置針對單個用戶的手勢信號進(jìn)行采集與檢測，進(jìn)而發(fā)出與之對應(yīng)的控制信號，不同用戶的手勢數(shù)據(jù)無法重用，容易出現(xiàn)識別誤操作，識別的準(zhǔn)確率難以提升，用戶體驗(yàn)差，且該裝置為一個功能獨(dú)立的終端，因而功耗大，體積大，便攜性能差。

【發(fā)明內(nèi)容】

[0006]本發(fā)明所要解決的技術(shù)問題在于克服現(xiàn)有技術(shù)中不同用戶的手勢數(shù)據(jù)無法重用，識別準(zhǔn)確率很難提升，用戶體驗(yàn)差的技術(shù)問題，從而提供一種可以對不同用戶的手勢數(shù)據(jù)進(jìn)行重復(fù)利用，對手勢信息進(jìn)行準(zhǔn)確識別的手勢識別系統(tǒng)。
[0007]本發(fā)明的另一個目的在于提供一種可以在用戶聯(lián)網(wǎng)及未聯(lián)網(wǎng)的狀態(tài)下均能對手勢進(jìn)行準(zhǔn)確識別，且兼具便攜性及高識別精度的手勢識別系統(tǒng)。
[0008]為解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案是:
一種基于前臂生物電多傳感器的手勢識別系統(tǒng)，包括信號采集終端、本地服務(wù)器及云端服務(wù)器，其中，
所述信號采集終端采集目標(biāo)手勢的數(shù)據(jù)，并發(fā)送給本地服務(wù)器進(jìn)行處理，包括:
采集模塊:在目標(biāo)手勢物上設(shè)置若干感測單元，用于采集目標(biāo)手勢物的生物電信號及空間運(yùn)動信號；
預(yù)處理模塊:對所述采集模塊采集的所述生物電信號及空間運(yùn)動信號進(jìn)行去噪預(yù)處理，將處理后的數(shù)據(jù)傳遞給所述本地服務(wù)器；
所述本地服務(wù)器接收上述數(shù)據(jù)，并進(jìn)行手勢識別，包括:
分割模塊:接收所述預(yù)處理模塊的預(yù)處理后的數(shù)據(jù)，進(jìn)而識別出每個手勢的起點(diǎn)和終點(diǎn)，獲得獨(dú)立的手勢信號段；
特征提取模塊:對每個所述手勢信號段進(jìn)行特征提取，將不同所述感測單元中提取的特征數(shù)據(jù)進(jìn)行融合，組成多維特征向量；
本地數(shù)據(jù)集模塊:保存已經(jīng)完成特征提取與融合的手勢數(shù)據(jù)，并在設(shè)備聯(lián)網(wǎng)時將其上傳至所述云端服務(wù)器；
本地分類器模型模塊:根據(jù)所述本地數(shù)據(jù)集的手勢數(shù)據(jù)建立本地手勢模型；
本地手勢識別模塊:本地服務(wù)器接收感測單元檢測的信號后，進(jìn)行模式識別獲得感測單元檢測到的目標(biāo)手勢；
所述云端服務(wù)器接收來自本地服務(wù)器的數(shù)據(jù)，并進(jìn)行云端手勢識別，包括:
云端數(shù)據(jù)集模塊:接收一個或多個所述本地數(shù)據(jù)集模塊的上傳的手勢數(shù)據(jù)，形成海量大數(shù)據(jù)集合；
云端分類器模型模塊:使用云端數(shù)據(jù)集模塊中的海量大數(shù)據(jù)集合，建立云端手勢模型，并利用該云端手勢模型更新每個本地服務(wù)器中的手勢模型；
云端手勢識別模塊:感測單元檢測的信號發(fā)送至云端服務(wù)器，云端服務(wù)器通過模式識別獲得感測單元檢測到的目標(biāo)手勢。
[0009]所述云端手勢模型或所述本地手勢模型建立時，包括“有監(jiān)督訓(xùn)練模式”，用用戶提供的標(biāo)簽和本地數(shù)據(jù)集中的數(shù)據(jù)，對分類器模型進(jìn)行訓(xùn)練。
[0010]所述云端手勢模型或所述本地手勢模型建立時，包括“無監(jiān)督訓(xùn)練模式”，采用聚類的方式，將用戶手勢數(shù)據(jù)劃分到已經(jīng)提供標(biāo)簽的手勢子集中。
[0011]所述信號采集終端為佩戴于人體腕部的腕帶，所述腕帶包括內(nèi)外兩個平行設(shè)置的第一環(huán)形件及第二環(huán)形件，所述第一環(huán)形件全部聯(lián)通，用作參考和地電極，所述第二環(huán)形件安裝有所述感測單元，并設(shè)置有供電單元。
[0012]所述感測單元包括若干離散分布的用于獲取前臂皮膚不同位置的所述生物電信號的生物電電極，以及若干用于檢測手部的所述空間運(yùn)動信號的加速度傳感器。
[0013]所述生物電信號包括肌電信號及皮膚阻抗信號，所述空間運(yùn)動信號包括手部運(yùn)動加速度信號和空中旋轉(zhuǎn)信號。
[0014]所述預(yù)處理模塊包括帶通濾波單元和/或帶阻濾波單元。
[0015]在所述預(yù)處理模塊中，預(yù)處理后的數(shù)據(jù)通過藍(lán)牙無線通信單元傳遞給本地服務(wù)器，所述藍(lán)牙無線通信單元設(shè)置于所述第二環(huán)形件上。
[0016]所述本地服務(wù)器為本地的PC機(jī)或手機(jī)。
[0017]所述分割模塊對所述預(yù)處理后的數(shù)據(jù)采用基線檢測、平滑濾波、過零點(diǎn)檢測以及計(jì)算波形曲線下面積的手段得到手勢原始信號，進(jìn)而對所述手勢原始信號進(jìn)行歸一化處理，將所述手勢原始信號的絕對幅值轉(zhuǎn)化為0-1之間的相對幅值，在連續(xù)時間序列形態(tài)的信號中，所述相對幅值與設(shè)定好的能量閾值進(jìn)行比較，識別出每個手勢的起點(diǎn)和終點(diǎn)，然后將數(shù)據(jù)分割為一個個獨(dú)立的手勢，所述能量閾值隨云端服務(wù)器手勢數(shù)據(jù)的增加進(jìn)行動態(tài)調(diào)
tF.0
[0018]在所述本地數(shù)據(jù)集模塊中，將手勢數(shù)據(jù)上傳至所述云端數(shù)據(jù)集模塊后，所述本地數(shù)據(jù)集模塊的手勢數(shù)據(jù)集刪除。
[0019]在所述云端分類器模型模塊中，將云端手勢模型進(jìn)行適當(dāng)?shù)牟眉艉?，再去更新所述本地識別模式的本地手勢模型。
[0020]本發(fā)明的上述技術(shù)方案相比現(xiàn)有技術(shù)具有以下優(yōu)點(diǎn):
(I)本發(fā)明的基于前臂生物電多傳感器的手勢識別系統(tǒng)，所述本地服務(wù)器保存已經(jīng)完成特征提取與融合的手勢數(shù)據(jù)，并在設(shè)備聯(lián)網(wǎng)時將其上傳至云端服務(wù)器，本地服務(wù)器根據(jù)所述手勢數(shù)據(jù)建立本地手勢模型，所述云端服務(wù)器接收一個或多個本地服務(wù)器的上傳的手勢數(shù)據(jù)，建立云端手勢模型，并利用該云端手勢模型更新每個本地服務(wù)器中的手勢模型，本地服務(wù)器接收感測單元檢測的信號后，進(jìn)行模式識別獲得感測單元檢測到的目標(biāo)手勢，和/或感測單元檢測的信號發(fā)送至云端服務(wù)器，云端服務(wù)器通過模式識別獲得感測單元檢測到的目標(biāo)手勢，因而本發(fā)明的手勢識別系統(tǒng)具有“本地識別模式”及“云端識別模式”兩種識別模式，即在本地和云端都分別擁有數(shù)據(jù)集模塊、分類器模型模塊以及手勢識別模塊，在移動場景下，用戶未必能隨時以良好的信號連接到互聯(lián)網(wǎng)，而采用本發(fā)明的手勢識別系統(tǒng)，可以保證用戶在不聯(lián)網(wǎng)的情況下依然能夠進(jìn)行手勢識別，適用于網(wǎng)絡(luò)環(huán)境實(shí)時變化的移動場景，同時，采用云端手勢模型更新本地服務(wù)器中的手勢模型，使得本發(fā)明的手勢識別系統(tǒng)更加的精確。
[0021](2)