[发明专利]一种动态手势识别方法

权利要求书

1.一种动态手势识别方法，其特征在于，包括以下步骤：

S1:定义手部关节并建立手势模型；

S2:采集训练手势的各个关节弯曲度数据，对所述关节弯曲度数据进行预处理；所述标准手势及所述训练手势均为多个，一个标准手势对应多个所述训练手势；

S3:建立每个所述训练手势对应的手势特征模型，所述手势特征模型基于处理后的关节弯曲度数据建立；

S4:建立所述标准手势的标准手势特征模型，所述标准手势特征模型基于多个所述手势特征模型建立；

S5:计算所述标准手势特征模型的关节的起始位置阈值及终止位置阈值，所述起始位置阈值及终止位置阈值基于所述关节弯曲度数据进行计算；

S6:计算多个手势特征模型与对应的标准手势模型的最大相似累计距离，把所述最大相似累计距离作为判断测试手势与多个所述标准手势模型相似度的依据；

S7:采集测试手势的各个关节弯曲度数据，并通过所述测试手势的各个关节弯曲度数据确定所述测试手势的各关节的起始位置和终止位置；

计算所述测试手势的测试手势特征模型，并依次计算所述测试手势特征模型与每个所述标准手势模型的平均相似累计距离；分别计算所述平均相似累计距离与对应的标准手势模型的最大相似累计距离的比值，所述比值中最小的比值对应的标准手势模型为所述测试手势所属的标准手势。

2.根据权利要求1所述的方法，其特征在于，

所述手部关节定义如下：

拇指远端关节TDP和近端关节TPP、食指中间关节IMP和近端关节IPP、中指中间关节MMP和近端关节MPP、无名指中间关节RMP和近端关节RPP、小指中间关节PMP和近端关节PPP的弯曲度；

关节集合P＝{TDP,TPP,IMP,IPP,MMP,MPP,RMP,RPP,PMP,PPP}，|P|＝10；

各关节弯曲度最小值为a_min，最大值为a_max；

设第n次获取的训练手势数据，共由T_n个时间节点组成；在第t_n个时间节点，关节k的弯曲度为其中n、T_n、t_n、k均为正整数，t_n∈[1,T_n]，k∈[1,10]且分别代表TDP、TPP、IMP、IPP、MMP、MPP、RMP、RPP、PMP、PPP关节；

所述手势模型如下：

其中，A_n为第n次获取的训练手势各个关节弯曲度数据矩阵，a为关节弯曲度，T_n为时间节点个数，为第n次获取的训练手势在第t_n个时间节点各关节的弯曲度向量，β_k为第n次获取的训练手势在各时间节点第k个关节的弯曲度向量，

主要关节集合k_ma∈[1,|P_ma|]且依次代表集合P_ma中的各关节，其中次要关节集合k_se∈[1,|P_se|]且依次代表集合P_se中的各关节，其中P_ma∪P_se＝P且P_ma∩P_se＝Φ，ε_P为主次要关节点分割参数且ε_P∈(1,+∞)。

3.根据权利要求2所述的方法，其特征在于，所述对所述关节弯曲度数据进行预处理包括：去重处理和耦合度处理；

所述去重处理如下：

在所述第n次训练手势的各个关节弯曲度数据矩阵A_n中，若在第t_n个时间节点，对于任意k_ma，若则其中i∈[1,T_n-t_n]，直至得到去重处理后的训练手势的各个关节弯曲度数据矩阵其中T_n'∈[1,T_n]；

所述耦合度处理如下：

在所述第n次去重处理后的训练手势的各个关节弯曲度数据矩阵A'_n中，得到耦合度处理后的训练手势数据矩阵其中t_n∈[1,T_n'-1]。