[发明专利]一种手势识别方法、装置、存储介质及数据手套

权利要求书

1.一种手势识别方法，其特征在于，包括：

获取数据手套完成当前动作时所述数据手套的各个传感器采集的传感器数据，所有所述传感器数据组成一个输入数据；

采用主成分分析法对所述输入数据进行特征提取，获得第二特征数据；

将所述第二特征数据输入训练好的多类SVM分类器，确定所述当前动作对应的手势；

当所述训练好的多类SVM分类器无法识别所述当前动作时，对所述输入数据进行预处理，获得预处理后的数据；

将所述预处理后的数据输入训练好的手势识别模型，输出所述当前动作对应的手势，其中，所述手势识别模型是基于卷积神经网络和长短期记忆循环网络建立的；

所述将所述第二特征数据输入训练好的多类SVM分类器之前，包括：分别获取所述数据手套完成不同的标定动作时的所述输入数据；分别对每个所述输入数据进行放大和滤波，获得滤波后的输入数据；采用主成分分析法对所有所述滤波后的输入数据进行特征提取，获得第一特征数据；采用所述第一特征数据训练多类SVM分类器，获得所述训练好的多类SVM分类器；

所述采用主成分分析法对所有所述滤波后的输入数据进行特征提取包括：计算所有所述滤波后的输入数据的平均值；分别确定各个所述滤波后的输入数据与所述平均值之间的差值，并根据所有所述差值确定协方差矩阵；根据所述协方差矩阵计算特征值和特征向量，根据所述特征向量确定主成分矩阵；根据所述主成分矩阵和所述差值确定所述第一特征数据；

所述标定动作与手势模板一一对应，所述采用所述第一特征数据训练多类SVM分类器包括：对于任一所述手势模板，将所述手势模板对应的所述第一特征数据作为正集，将所述正集以外的所述第一特征数据作为负集，对应的所述正集和所述负集为一个训练集；将所述训练集输入所述多类SVM分类器，所述多类SVM分类器包括多个分类函数，每个所述分类函数分别对所述训练集进行处理，分别输出一个第一分类值；确定所述第一分类值中的最大值以及所述最大值对应的所述分类函数，将所述分类函数与所述手势模板对应；依次对各个所述第一特征数据进行处理，将所述手势模板与所述分类函数一一对应；

将所述第二特征数据输入训练好的多类SVM分类器，确定所述当前动作对应的手势包括：将所述第二特征数据输入所述训练好的多类SVM分类器，每个所述分类函数分别对所述第二特征数据进行处理，分别输出一个第二分类值；确定所有所述第二分类值中的最大值和次大值，将所述第二分类值中的最大值和所述次大值分别与预设阈值进行对比，当所述最大值大于或等于所述预设阈值而所述次大值小于所述预设阈值时，确定输出所述最大值的所述分类函数对应的所述手势模板为所述当前动作对应的手势。

2.根据权利要求1所述的手势识别方法，其特征在于，所述训练好的多类SVM分类器无法识别所述当前动作包括所述第二分类值中的最大值和次大值均大于或等于所述预设阈值。

3.根据权利要求1或2所述的手势识别方法，其特征在于，所述将所述预处理后的数据输入训练好的手势识别模型之前，包括：

分别获取所述数据手套完成不同的标定动作时的所述输入数据；

分别对所有所述输入数据进行预处理，获得所述预处理后的数据；

构建基于卷积神经网络和长短期记忆循环网络的手势识别模型，采用所述预处理后的数据训练所述手势识别模型，获得所述训练好的手势识别模型。

4.根据权利要求3所述的手势识别方法，其特征在于，每个所述输入数据包括一个所述标定动作对应的所有所述传感器数据，所述分别对所有所述输入数据进行预处理，获得所述预处理后的数据包括：

对于任一所述输入数据，采用基于时隙信道跳变的时间同步机制对所述输入数据对应的所有传感器数据进行同步，获得同步后的传感器数据；

采用巴特沃斯带通滤波器对所述同步后的传感器数据进行滤波，获得滤波后的传感器数据；

采用滑动窗口截取所述滤波后的传感器数据，获得多个数据段，所有所述数据段组成所述预处理后的数据。