[发明专利]一种基于电荷感应的运动姿态识别装置及方法

说明书

本发明提出了一种基于电荷感应的运动姿态识别装置及方法，其显著特征在于：通过感应人体改变运动姿态产生的空间电荷变化，标签数据和kNN算法实现运动姿态的识别，可识别的运动姿态种类可根据标签数据的种类决定，对光线无要求。不仅克服了传统的运动姿态识别需要高成本的摄像头、雷达设备的不足，还具有算法计算量小、非接触识别、抗遮挡等显著优点。

■技术领域

本发明涉及运动姿态识别领域，具体涉及一种新型的基于电荷感应的运动姿态识别装置及方法。

■背景技术

随着科技的进步，人机交互设备开始大量出现，语音识别、人脸识别、手势识别等设备开始普及，如何能够快速准确且低成本的完成姿态识别是识别设备能否普及的关键因素。常见的运动姿态识别方案有通过摄像头、雷达技术、红外技术、肌电变化、光流量统计等，分别简述如下：

OpenPose运动姿态识别：通过摄像头传出的数据，基于卷积神经网络和监督学习并以caffe为框架开发的开源库，可以实现人体动作、面部表情、手指运动等姿态估计，是世界上首个基于深度学习的实时多人二维姿态估计应用，计算量高，且摄像头成本较高、需要一定的光照。

雷达运动姿态识别：通过雷达获取人体反射波信号，使用时频分析方法对获得的人体反射波信号进行处理，以得到人体微动信号，对得到的人体微动信号进行特征提取，以得到运动特征和包络特征，使用基于决策树的支持向量机对得到的运动特征和包络特征进行分类，运动姿态识别的精确度受采集的持续时间、姿态幅度及与传感器之间的距离影响较大，系统相对复杂。

红外运动姿态识别：通过直方图聚类分析对红外图像进行分割，根据二值化图像团块的特点，确定图像中的候选目标图像区域，将候选目标图像按比例划分为多个区域，使用梯度位置朝向直方图对候选目标图像进行描述，通过多个SVM分类器的级联，识别人体运动姿态，识别范围较小，易受干扰。

肌电识别手势：通过神经信号传感器感知使用者手臂内的肌电信号，结合深度卷积网络对产生肌电信号的手势进行识别分类，抗干扰能力较差，识别准确率不高，且需要穿戴识别。

光流量手势识别：通过动态手势图像序列的光流特征的提取及量化，建立手势模型，并训练生成特定的动态手势公共模板匹配库，最后通过与模板的匹配实现动态手势的识别，由于动态特征匹配较为麻烦，能识别的手势种类较少，且对光照有要求。

为此，需要一种算法简单，低成本，非接触式且对光线无要求的运动姿态识别算法。

发明内容

本发明的目的在于克服上述现有技术中存在的不足，提出一种基于电荷感应的运动姿态识别装置，以及利用该装置进行运动姿态识别的方法。

为实现上述发明目的，本发明提出的技术方案为：一种基于电荷感应的运动姿态识别装置，如附图1所示，包括两个金属探测电极、两个电荷传感器、差分电路、采集卡、上位机，其特征在于，所述两个金属探测电极用于感应运动姿态引起的电荷变化；所述两个电荷传感器分别连接两个金属探测电极，将探测电极上感应到的电荷信号转化为电压信号；所述差分电路连接两个电荷传感器，得到两个电荷传感器的电压差；所述采集卡连接差分电路，将电压差信号传输给上位机；所述上位机用于显示和处理采集到的数据，包括给数据贴标签和通过kNN分类算法与已有的标签数据进行比对，识别出运动姿态。

所述的一种基于电荷感应的运动姿态识别装置，其特征在于，金属探测电极大小必须相同、材质必须相同、导电性优良。

所述的一种基于电荷感应的运动姿态识别装置，其特征在于，金属探测电极其大小可以为直径1-8cm的圆或者为边长1-8cm的正方形。

一种基于电荷感应的运动姿态识别方法，包括如下步骤：

(1)摆放探测电极：按照一定间距并在同一平面摆放好两个金属探测电极；

(2)改变运动姿态：探测目标在距离金属探测电极一定距离处，改变运动姿态，使得空间电荷发生变化；