主权项 |
一种面向互动电视的手势交互方法,其特征在于具体步骤如下:(1)特征提取设一个手势<i>G</i>定义为:<img file="27690dest_path_image001.GIF" wi="361" he="76" />(1)其中,<i>a<sub>T</sub></i>代表<i>X</i>, <i>Y</i>, <i>Z</i>三维加速度向量,<i>L</i>是手势序列的长度,即采样点数;采集的手势加速度数据序列是<i>X</i>, <i>Y</i>, <i>Z</i>三维方向上以时间为横轴的向量,且三轴向量的长度相等; (1.1)平稳降噪采用均值滤波的方法对手势加速度数据序列进行平稳降噪处理,以减缓短时波动,使得加速度数据更好地反映手势动作的整体运动趋势;(1.2)去冗余采用移动窗口算法,具体步骤为:(1.2.1)从起始点开始计算窗口振动幅度<i>ξ</i><i><sub>1</sub></i>,如公式(2): <img file="226590dest_path_image002.GIF" wi="378" he="71" />(2)当<i>ξ</i><i><sub>1</sub></i>的值大于0,记录下样本点<i>i</i>的值;(1.2.2)从结束点开始计算窗口振动幅度<i>ξ</i><i><sub>2</sub></i>,如公式(3): <img file="426627dest_path_image003.GIF" wi="442" he="73" />(3)当<i>ξ</i><i><sub>2</sub></i>的值大于0,记录下样本点<i>j</i>的值;(1.2.3)截取样本中从<i>i</i>到<i>j</i>段的手势数据,即为去冗余之后的手势信号;其中,参数<i>α</i>=9,<i>β</i>=0.2m/s<sup>2</sup>;(1.3) 归一化对所有特征数据值进行归一化,以消除采样点长度和加速度信号幅度的差异对识别结果的影响,具体计算方式如下:(1.3.1)长度归一化加速度传感器采集的数据序列的长度<img file="419991dest_path_image004.GIF" wi="66" he="21" />,对于归一化长度,采用手势序列长度的均值<img file="174320dest_path_image005.GIF" wi="45" he="21" />;对于第<img file="645753dest_path_image006.GIF" wi="9" he="17" />个采样点,归一化结果为:<img file="169138dest_path_image007.GIF" wi="91" he="38" />(4)(1.3.2) 振幅归一化对于加速度幅值<img file="707304dest_path_image008.GIF" wi="18" he="23" />,将其归一化至[‑1,+1]的区间,即归一化结果为:<img file="948930dest_path_image010.GIF" wi="596" he="84" />(5)(2) 基于SVM手势分类和识别采用一对多SVM分类器,即将某个手势类别从多类中区分出来,这可以通过转化为两类分类问题来解决;对于<i>k</i>类手势,构造<i>k</i>个SVM子分类器,在构造第<i>j</i>个SVM子分类器时,将属于第<i>j</i>类别的样本数据标记为正类,不属于<i>j</i>类别的样本数据标记为负类;然后对手势数据分别计算各个子分类器的决策函数值,并选取函数值最大所对应的类别即是相应识别的手势动作。 |