資源描述：
《基于動(dòng)態(tài)時(shí)間規(guī)整的手勢(shì)加速度信號(hào)識(shí)別.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第25卷第1期傳感技術(shù)學(xué)報(bào)V01．25N0．12012年1月CHINESEJOURNALOFSENSORSANDACTUATORSJan．2012GestureAccelerationSignalsRecognitionBasedonDynamicTimeWarpinga】1NGLei，MAWenjun。CHANGDanhua(InstituteofInformationScienceandTechnology，YanshanUniversity，QinhuangdaoHebei066004，China)Abstract：
2、Adynamictimewarpingalgorithmofgesturerecognitionwasusedtoimprovetheperformanceofdynamicgesturerecognitionbasedonaccelerometer．Thesimilaritybetweentesttemplateandreferencetemplateiscalculatedbydynamictimewarpingmethod(DTW)，andtheresultsofrecognitionaregotfromtheses
3、imilarities．Toconfirmouralgorithm，awirelessgestureaccelerationmeasurementsystemisproposedandmeasurementsgestureinformationon41volunteersiscollected．Theresultsshowthattheaveragegesturerateisabove97％．ComparedwiththealgorithmofhiddenMarkovmodel(HMM)，theDTwalgorithmis
4、morepreciseinrecognitionaccuracy．Keywords：gesturerecognition；accelerometer；DynamicTimeWarping；HiddenMarkovModelEEACC：7230doi：10．3969／j．issn．1004—1699．2012．01．015基于動(dòng)態(tài)時(shí)間規(guī)整的手勢(shì)加速度信號(hào)識(shí)別米荊雷，馬文君，常丹華(燕山大學(xué)信息科學(xué)與工程學(xué)院，河北秦皇島066004)摘要：為了提高基于加速度傳感器的動(dòng)態(tài)手勢(shì)識(shí)別算法的性能，本文采用了動(dòng)態(tài)時(shí)間規(guī)整(DTW)識(shí)別算
5、法。通過(guò)該算法計(jì)算測(cè)試模板和參考模板的相似度，從而得出識(shí)別結(jié)果。為了驗(yàn)證該方法，建立了一套手勢(shì)加速度無(wú)線采集系統(tǒng)，并采集了41個(gè)志愿者的手勢(shì)信息。實(shí)驗(yàn)結(jié)果表明，該方法手勢(shì)平均識(shí)別率在97％以上。與HMM識(shí)別算法相比，DTW識(shí)別算法在識(shí)別的準(zhǔn)確率上比HMM識(shí)別算法更具優(yōu)勢(shì)。關(guān)鍵詞：手勢(shì)識(shí)別：加速度傳感器；動(dòng)態(tài)時(shí)間規(guī)整；隱馬爾科夫模型中圖分類(lèi)號(hào)：TP334．2文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004—1699(2012)01—0072—05基于加速度傳感器的手勢(shì)識(shí)別是近年來(lái)人機(jī)交夫模型(HMM．HiddenMarkovMode1)識(shí)別
6、法_4J和?；ヮI(lǐng)域中新興起的前沿研究方向之一。主流的研究糊神經(jīng)網(wǎng)絡(luò)(FNN，F(xiàn)uzzyNeuralNetwork)等復(fù)雜手勢(shì)識(shí)別方法有兩種：一種是基于圖像的識(shí)別方法，算法，但這些算法對(duì)手勢(shì)識(shí)別精度不高。鑒于此，本另一種是基于運(yùn)動(dòng)傳感器(主要是加速度傳感器)設(shè)計(jì)采用了一種更簡(jiǎn)單的手勢(shì)識(shí)別算法，即基于模的識(shí)別方法目前，國(guó)內(nèi)研究手勢(shì)識(shí)別的方法主要板匹配思想的算法，采用動(dòng)態(tài)時(shí)間規(guī)整(DTW，是基于圖像的手勢(shì)識(shí)別l_1]，這種方法對(duì)設(shè)備要求DvnamieTimeWarping)算法來(lái)計(jì)算手勢(shì)之間的相似高、資金投入大，并且限于在特定場(chǎng)
7、所使用。近年度．根據(jù)相似度的大小來(lái)識(shí)別簡(jiǎn)單手勢(shì)。運(yùn)用上述來(lái)，隨著傳感器技術(shù)的發(fā)展及其制作工藝的改進(jìn)，基識(shí)別算法，本設(shè)計(jì)在實(shí)現(xiàn)時(shí)識(shí)別了五種簡(jiǎn)單的手勢(shì)于加速度傳感器的手勢(shì)識(shí)別正日益興起。加速度傳動(dòng)作，分別為：橫(一)、豎()、畫(huà)圓(o)、打鉤感器不僅具有尺寸小、精度高、功耗低等優(yōu)點(diǎn)，更具(、／)、畫(huà)叉(×)。有不受運(yùn)動(dòng)場(chǎng)地和環(huán)境限制的優(yōu)點(diǎn)。這就使得基于1實(shí)驗(yàn)裝置結(jié)構(gòu)運(yùn)動(dòng)傳感器的手勢(shì)研究更為方便。因此，具有更為廣闊的應(yīng)用前景l(fā)『jJ。本設(shè)計(jì)的硬件實(shí)驗(yàn)裝置主要有兩部分：數(shù)據(jù)采在手勢(shì)識(shí)別系統(tǒng)中較為廣泛使用的是隱馬爾科集模塊和數(shù)據(jù)接收
8、模塊。數(shù)據(jù)采集模塊將加速度傳項(xiàng)目來(lái)源：秦皇島市科技發(fā)展基金項(xiàng)目(201001A117)收稿日期：2011—08—13修改日期：2011—09—27第1期荊雷，馬文君，等：基于動(dòng)態(tài)時(shí)間規(guī)整的手勢(shì)加速度信號(hào)識(shí)別73感器采集來(lái)的數(shù)據(jù)以無(wú)線的方式傳送給數(shù)據(jù)接收模面內(nèi)即可實(shí)現(xiàn)，所以在識(shí)別時(shí)舍去與書(shū)寫(xiě)平面垂直軸塊：
