一種手形識別裝置的制造方法【專利摘要】本實用新型涉及一種手形識別裝置，包括輸入裝置、控制器、輸出裝置、顯示屏和電源模塊，其中控制器分別耦接輸入裝置、輸出裝置、顯示屏和電源模塊，其特征在于：所述輸入裝置用于采集用戶的手形特征并轉(zhuǎn)化為標(biāo)準(zhǔn)信號輸出給控制器，所述控制器具備內(nèi)置數(shù)據(jù)庫，其根據(jù)接收到的標(biāo)準(zhǔn)信號與內(nèi)置數(shù)據(jù)庫內(nèi)的數(shù)據(jù)進(jìn)行數(shù)據(jù)對比，并將對比結(jié)果通過輸出裝置和顯示屏進(jìn)行輸出，所述電源模塊向控制器提供直流電壓。該手形識別裝置易于產(chǎn)品化和小型化，并且其識別在操作時，具有較高的識別率和防偽度?！緦＠f明】一種手形識別裝置
技術(shù)領(lǐng)域：
[0001]本實用新型涉及一種手形識別裝置?！?br>背景技術(shù)：
】[0002]目前存在多種個人身份識別技術(shù)得到了廣泛應(yīng)用，如指紋識別、虹膜識別、人臉識別和靜脈識別技術(shù)等，CN205015896U就公開了一種生物體識別裝置，其可以通過對生物體進(jìn)行對比識別。CN105069337A公開了一種基于手掌生物信息的解鎖屏方法及移動設(shè)備，其可以根據(jù)手掌的掌紋或靜脈等生物信息對生物對象進(jìn)行識別等等，但這些技術(shù)均存在一定的問題。指紋識別技術(shù)受到灰塵、油、水等環(huán)境因素的影響，斷紋、無指紋以及脫皮和傷痕等問題影響圖像采集質(zhì)量，導(dǎo)致指紋識別困難。另外，當(dāng)手與一些物體接觸時，會在這些物體表面留下指紋，這樣就容易被別人仿造。虹膜識別技術(shù)通過近紅外光照射人眼獲取虹膜圖像，不易被人接受。另外，在虹膜圖像采集過程中，需要眼部注意力集中在一個點上，通過適當(dāng)?shù)挠?xùn)練才能夠獲得更好的采集效果，這會很大程度地影響虹膜識別技術(shù)的推廣。人臉會因為生長發(fā)育而發(fā)生變化，從而影響識別率，如長胖、變瘦、長出胡須等；另外，由于人具有豐富的表情，也降低了識別的準(zhǔn)確性;而且，人臉還受周圍環(huán)境，如遮擋、光照等影響。靜脈識別技術(shù)對采集設(shè)備有特殊要求，設(shè)計相對復(fù)雜，制造成本高。同時，由于采集方式受自身特點的限制，產(chǎn)品難以推廣。在此基礎(chǔ)上，實用新型人通過反復(fù)對比與大量實驗和思考，作出了本實用新型。【
實用新型內(nèi)容】[0003]為了解決現(xiàn)有技術(shù)中生物識別準(zhǔn)確率不高，易受環(huán)境因素影響的技術(shù)問題，本實用新型提供了一種手形識別裝置，包括輸入裝置、控制器、輸出裝置、顯示屏和電源模塊，所述控制器分別耦接輸入裝置、輸出裝置、顯示屏和電源模塊，所述輸入裝置用于采集用戶的手形特征并轉(zhuǎn)化為標(biāo)準(zhǔn)信號輸出給控制器，所述控制器具備內(nèi)置數(shù)據(jù)庫，其根據(jù)接收到的標(biāo)準(zhǔn)信號與內(nèi)置數(shù)據(jù)庫內(nèi)的數(shù)據(jù)進(jìn)行數(shù)據(jù)對比，并將對比結(jié)果通過輸出裝置和顯示屏進(jìn)行輸出，所述電源模塊向控制器提供直流電壓。[0004]進(jìn)一步，所述控制器為Minnowboard，所述輸入裝置為LeapMotion，所述顯示屏為AR1100模擬電阻式USB觸摸屏，所述Minnowboard通過其USB1口連接LeapMotion，實現(xiàn)]\1；[11110￥130&1(1對1^&。]\1〇1：；[011的控制和信號米集，所述組11110￥130&1(1通過1]3132口連接41?1100模擬電阻式USB觸摸屏，實現(xiàn)與Minnowboard交互。[0005]進(jìn)一步，還包括手形編碼模塊，用于提取所述輸入裝置采集的第一手形特征，并將所述第一手形特征進(jìn)行編碼注冊。[0006]進(jìn)一步，還包括手形編碼識別模塊，用于提取所述輸入裝置采集的第二手形特征，并將編碼后的所述第二手形特征與所述注冊的第一手形特征編碼進(jìn)行匹配識別。[0007]進(jìn)一步，所述第一手形特征和第二手形特征分別包括五個手指的長度、五個手指中每個手指的平均寬度以及五個手指末端到手掌中心點的距離。[0008]本實用新型通過結(jié)合現(xiàn)有LeapMotion和Minnowboard的特點，實現(xiàn)了一款小型化的手形識別裝置，提高了手形識別的準(zhǔn)確率、魯棒性和防偽度。【附圖說明】[0009]圖1為本實用新型手形識別裝置的結(jié)構(gòu)示意圖；[0010]圖2為本實用新型獲取的手形特征示意圖。【具體實施方式】[0011]為了對本實用新型的原理和特征進(jìn)行描述，以下結(jié)合附圖進(jìn)行詳細(xì)說明。所舉實例只用于解釋本實用新型，并非用于限定本實用新型的范圍。[0012]如圖1所示，一種手形識別裝置，包括輸入裝置、控制器、輸出裝置、顯示屏和電源模塊，其中控制器分別耦接輸入裝置、輸出裝置、顯示屏和電源模塊，所述輸入裝置用于采集用戶的手形特征并轉(zhuǎn)化為標(biāo)準(zhǔn)信號輸出給控制器，所述控制器具備內(nèi)置數(shù)據(jù)庫，其根據(jù)接收到的標(biāo)準(zhǔn)信號與內(nèi)置數(shù)據(jù)庫內(nèi)的數(shù)據(jù)進(jìn)行數(shù)據(jù)對比，并將對比結(jié)果通過輸出裝置和顯示屏進(jìn)行輸出，所述電源模塊向控制器提供直流電壓。[0013]具體地，所述控制器優(yōu)選美國因特爾公司開發(fā)的Minnowboard，該開發(fā)板可運行Andriod、Windows和Linux等多個操作系統(tǒng)，具有體積小的特點（92X74mm)。輸入裝置優(yōu)選LeapMotion:LeapMotion是由美國Leap公司開發(fā)的一款體感控制器，LeapMotion外形很小巧，尺寸為80毫米X30毫米X11毫米，重量為32克，它可追蹤全部手指，精度高達(dá)1/100毫米，遠(yuǎn)比現(xiàn)有的運動控制技術(shù)更為精確。且LeapMotion僅支持X86架構(gòu)，選擇Minnowboard與之匹配，為產(chǎn)品的小型化提供了實現(xiàn)的基礎(chǔ)。LeapMotion通過綁定視野范圍能的手，手指或者工具來提供實時數(shù)據(jù)，每一幀都包含了一系列的基本綁定數(shù)據(jù)，上述數(shù)據(jù)均可通過LeapMotion提供的API獲得，包括：Hands、Pointables、Fingers、Tools和Gestures，其中，Pointables即可獲得本實用新型所使用的每個手指的特征信息。LeapMotion體感控制器目前支持WindowsMac0S和Linux操作系統(tǒng)，需要在x86框架下的處理器上運行。顯示屏優(yōu)選microchip公司的AR1100模擬電阻式USB觸摸屏(控制器），它是一種高性能、USB即插即用器件，具備先進(jìn)的校準(zhǔn)功能，充當(dāng)USB鼠標(biāo)或單輸入數(shù)字化儀，其可以輸出識別結(jié)果，同時可以作為人機交互界面，對裝置進(jìn)行設(shè)置操作。[0014]其中，Minnowboard通過其USB1口連接LeapMotion，實現(xiàn)Minnowboard對LeapMotion的控制和信號采集，Minnowboard通過運行LeapMotion的API函數(shù)可以判斷是否有被識別體出現(xiàn)在識別區(qū)域內(nèi)，并捕獲相應(yīng)的手形信息，使用該手形信息生成手形編碼，將編碼保存至手形編碼庫中并賦予唯一的識別號。在識別過程中，即可通過同樣機制獲得手形編碼，將獲得的手形編碼與手形編碼庫中的編碼進(jìn)行比對識別。Minnowboard通過USB2口連接觸摸屏控制器，觸摸屏控制器可以實現(xiàn)與Minnowboard交互，包括對系統(tǒng)參數(shù)進(jìn)行設(shè)置、顯不相關(guān)彳目息等。[0015]手形識別過程一般包括兩個階段，手形編碼采集階段和手形編碼識別階段。其中手形編碼采集階段算法偽代碼如下：[0016]while(1)LeapMotion掃描if(Leai3Motion眞規(guī)有符合要求的人手出規(guī)）break；endifendwhile[0017]提取每個手形的特征信息[0018]對提取的手形特征信息進(jìn)行編碼關(guān)聯(lián)用戶，并存儲到相應(yīng)的數(shù)據(jù)庫中。[0019]手形編碼識別階段算法偽代碼如下：while(1)[0020]LeapMotion掃描if(LeapMotion發(fā)現(xiàn)有符合要求的人手出現(xiàn)）break；[0021]endifendwhile[0022]提取每個手形的特征信息[0023]對提取的手形特征信息進(jìn)行編碼，并與數(shù)據(jù)庫中存儲的用戶編碼逐個進(jìn)行匹配，根據(jù)被測對象的手形信息編碼與數(shù)據(jù)庫中編碼的匹配結(jié)果識別用戶。[0024]具體地，手形識別方法包括以下步驟：[0025]1)手形編碼采集階段:LeapMotion輸入裝置獲取檢測范圍內(nèi)的手形，計算并返回手掌中心點的三維坐標(biāo)(x0，y0，z0)，所述掌中心點通過延伸不相鄰的兩個指得到的點指定為掌中心點，計算并返回五個指的最遠(yuǎn)處的三維坐標(biāo){(xl，yl，zl)，（x2，y2，z2)，（x3，y3,z3),(x4,y4,z4),(x5,y5,z5)}，并將這些三維坐標(biāo)數(shù)據(jù)提交到Minnowboard控制器；Minnowboard控制器對三維坐標(biāo)數(shù)據(jù)進(jìn)行分析計算:計算每個指的最遠(yuǎn)端到掌心的加權(quán)距離Di，其中Di為第i指最遠(yuǎn)端距離掌心的加權(quán)距離，ai為第i指的加權(quán)系數(shù)，其中i=l、2、…、5，；所述加權(quán)系數(shù)優(yōu)選為al=5.5、a2=6.5、a3=7.2、a4=6.5、a5=5.1;以上加權(quán)系數(shù)考慮到不同指頭的長度，經(jīng)過大量的數(shù)據(jù)分析后進(jìn)行優(yōu)選，對不同的指頭給出了不同的誤差放大，得到了最佳的普適性的加權(quán)系數(shù);將上述加權(quán)距離[01，02,03,04,05]存儲入用戶數(shù)據(jù)庫進(jìn)行注冊，作為識別該用戶的手形特征向量；[0026]2)手形編碼識別階段：LeapMotion輸入裝置獲取待測用戶的手形，通過Minnowboard控制器計算得到每個手指末端距離掌心的加權(quán)距離[XI，X2，X3，X4，X5]，并計算該加權(quán)距離與數(shù)據(jù)庫中已注冊的每個用戶手形加權(quán)距離的差向量￡141=[乂1-011，父2-Di2，X3-Di3，X4_Di4，X5-Di5]，其中[Du，Di2，Di3，Di4，Di5]為第i個注冊用戶的手形特征向量;將所述差向量Ei與預(yù)設(shè)的閾值向量進(jìn)行比較，若同時符合條件|Xi_Dii|<e，|X2_Di2|<￡，???，X5-Dl5|<e(e=0.084)，則識別該手形對應(yīng)于相應(yīng)的注冊用戶i，否則說明該手形為未知用戶。[0027]然而在無接觸式手形識別過程中，無法保證每次采集時都有相同的手指張合度，一定程度降低了手形識別的準(zhǔn)確性和魯棒性。為了提高識別率，本實用新型另一實施例提取的手形特征如圖2所示，包括用戶5個手指的長度L1、L2、…、L5,5個手指中每個手指的平均寬度W1、W2、…、W5,以及每個手指末端(Xl，yi，Zl)到掌心(XQ，y()，Z())的距離，作為標(biāo)志每個用戶的手形特征信息進(jìn)行編碼?；诒緦嵱眯滦偷氖中巫R別裝置，基于稀疏表示的手形識別包括以下步驟：[0028]1)手形編碼采集階段:將用戶的手掌置于LeapMotion操作范圍內(nèi)，當(dāng)識別到手形時，要求用戶的手掌進(jìn)行張合運動，運動范圍為五指緊閉到最大限度張開，張合運動的每個周期大約為1.5秒;LeapMotion以每秒20幀的速率對手形信息進(jìn)行采集，采集時間為5秒，采樣得到1〇〇幀的手形信息。在本實施例中可采用leapmotion自帶函數(shù)提取如下手形特征：（1)五個手指的長度，采用函數(shù)為floatapparentlength=pointable.length〇;(2)五個手指中每個手指的平均寬度，使用函數(shù)為:floataverageThickness=pointable.width();(3)五個手指末端的坐標(biāo)和手掌中心的坐標(biāo)，使用函數(shù)為：Leap::VectorcurrentPosition=pointable.tipPosition()和Leap::VectorhandCenter=1^11(1431111?〇8；[1:;[011()。設(shè)采集五個手指長度分別為11，12，13，14，15，五個手指的寬度為￥1，￥2，'\￥3，'\￥4和￥5，五個手指的末端坐標(biāo)分別為(11，71，21)，（12,72,22)，...，（15,75,25)，手掌中心點的坐標(biāo)為(xo，yo，zo)，計算五個手指的末端到手掌中心點的距離dl，d2，d3，d4，d5，如第i個(i=l，2,3,4,5)手指末端到手掌中心的距離為di，.將上述五個手指長度、寬度以及手指末端到手掌中心的距離組合成手形特征模板向量T，5.5.5T=[11,12,13,14,：15,wl,w2,w3,w4,w5,dl,d2,d：3,d4d5]T/d+Z~+I?，T為HIi二:1一個歸一化模板向量。采集100幀的信息，獲得100個模板向量并構(gòu)成稀疏字典DitTi，T2,...，T1(x)]對該用戶進(jìn)行注冊，DER15X1(X);[0029]2)手形編碼識別階段，將待識別對象手形置于LeapMotion操作范圍內(nèi)，手掌自然張開，在獲得觸摸屏提示后保持手掌張開狀態(tài)1秒，LeapMotion采集20幀手形特征向量...，k2〇,手形特征向量格式與手形編碼采集階段存儲的手形特征模板向量一致，對la，k2,...，k20取平均彳1[可以用稀疏字典D進(jìn)行稀疏重構(gòu)+21一&>其中arr'，，'ER1(X)X1為稀疏系數(shù)，A為稀疏度與殘差的調(diào)節(jié)系數(shù)，殘差向量e=t:D?，計算||e|g和std(e)，其中，||?||2為2范數(shù)算子，std(?)為方差算子，若滿足||e||22<4且std(e)<S2,則認(rèn)為匹配識別成功，否則認(rèn)為識別失敗。在本實施例中A取值為0.03,設(shè)置閾=0.0015。[0030]其中，保證了5個手指的總誤差在一定范圍內(nèi)，std(e)<S2保證每個手指的誤差相差不至于太大，采用殘差和標(biāo)準(zhǔn)方差兩個標(biāo)準(zhǔn)判斷標(biāo)準(zhǔn)待識別的手形和數(shù)據(jù)庫中的某個手形是否匹配，即降低了誤判率，又對系統(tǒng)誤差和噪聲干擾不敏感，提高了系統(tǒng)匹配識別的準(zhǔn)確率和有效性。[0031]經(jīng)測試，基于稀疏表示的手形識別方法在對104個手形的測試中，取得了99.04%的成功率，與其他手形識別方法相比，具有較高的識別率。在實測中，采集每個手形樣本的時間為6到7秒，識別時間為2-3秒。[0032]以上顯示和描述了本實用新型的基本原理、主要特征及優(yōu)點。本行業(yè)的技術(shù)人員應(yīng)該了解，本實用新型不受上述實施例的限制，上述實施例和說明書中描述的只是說明本實用新型的原理，在不脫離本實用新型精神和范圍的前提下，本實用新型還會有各種變化和改進(jìn)，這些變化和改進(jìn)都落入要求保護(hù)的本實用新型范圍內(nèi)?！局鳈?quán)項】1.一種手形識別裝置，包括輸入裝置、控制器、輸出裝置、顯示屏和電源模塊，所述控制器分別耦接輸入裝置、輸出裝置、顯示屏和電源模塊，其特征在于，所述輸入裝置用于采集用戶的手形特征并轉(zhuǎn)化為標(biāo)準(zhǔn)信號輸出給控制器，所述控制器具備內(nèi)置數(shù)據(jù)庫，其根據(jù)接收到的標(biāo)準(zhǔn)信號與內(nèi)置數(shù)據(jù)庫內(nèi)的數(shù)據(jù)進(jìn)行數(shù)據(jù)對比，并將對比結(jié)果通過輸出裝置和顯示屏進(jìn)行輸出，所述電源模塊向控制器提供直流電壓。2.根據(jù)權(quán)利要求1所述的手形識別裝置，其特征在于:所述控制器為Minnowboard，所述輸入裝置為LeapMotion，所述顯示屏為ARl100模擬電阻式USB觸摸屏，所述Minnowboard通過其USBl口連接LeapMotion，實現(xiàn)Minnowboard對LeapMotion的控制和信號采集，所述Minnowboard通過USB2口連接ARl100模擬電阻式USB觸摸屏，實現(xiàn)與Minnowboard交互。3.根據(jù)權(quán)利要求2所述的手形識別裝置，其特征在于:還包括手形編碼模塊，用于提取所述輸入裝置采集的第一手形特征，并將所述第一手形特征進(jìn)行編碼注冊。4.根據(jù)權(quán)利要求3所述的手形識別裝置，其特征在于:還包括手形編碼識別模塊，用于提取所述輸入裝置采集的第二手形特征，并將編碼后的所述第二手形特征與所述注冊的第一手形特征編碼進(jìn)行匹配識別。5.根據(jù)權(quán)利要求4所述的手形識別裝置，其特征在于:所述第一手形特征和第二手形特征分別包括五個手指的長度、五個手指中每個手指的平均寬度以及五個手指末端到手掌中心點的距離?！疚臋n編號】G06K9/00GK205563617SQ201620347286【公開日】2016年9月7日【申請日】2016年4月22日【發(fā)明人】侯躍恩【申請人】嘉應(yīng)學(xué)院