论文部分内容阅读
随着电子技术的不断提高,移动智能设备正成为人们日常生活中获取信息的重要渠道,而随着微型机电系统(Micro Electro Mechanical Systems,MEMS)技术的不断的发展,智能可穿戴设备用户越来越多,呈现出爆发趋势。由于智能可穿戴设备所具有的体积小、方便携带、成本低、能耗低等特性,正成为人机交互中的重要平台。在传统移动智能设备平台中,利用触摸屏的手势操作以及基于语音的识别都是成熟的交互方式,但在可穿戴设备中,由于体积、成本、操作便捷性等的限制,利用触摸屏手势操作以及基于语音的人机交互方式都存在极大的约束。而手势因其自然而直观的表达方式,是人与人之间沟通交流的一种常见形式,非常适合作为一种人机交互方式。而近年来,MEMS加速度传感器正成为智能可穿戴设备的标准配置,为使用加速度传感器识别手势提供了物质基础。随着可穿戴设备的爆发,基于加速度传感器的手势识别将会在人机交互、运动健康监测等方面发挥巨大的作用。本文针对可穿戴设备平台对于计算时间和存储空间复杂度较小的特点,设计了一种手势识别系统,它通过加速度传感器采集信息,通过对关键点信息的提取,并利用BP神经网络技术对关键点特征进行匹配,实现以较小的计算时间和存储空间复杂度,获取较高的手势识别精度的目的。首先,选取了ADXL345加速度传感器作为本文算法的加速度数据采集源,以ARM Cortex-MO微处理器作为平台,实现了加速度采集系统。通过串口,将数据传输到计算机中,并保存在txt文档中,以供MATALB进行处理。其次,通过跳点的去除、滑动均值滤波,实现对加速度数据的平滑处理。通过平稳状态的判断,识别出手势数据的起点和终点,可以半自动地获取用户的真实的手势动作加速度数据,在不需要其他辅助动作的前提下,仅通过手势就可以获取手势动作加速度,使得本文基于加速度传感器的手势识别方法在可穿戴设备平台上自动识别成为可能。然后,通过弥散方法求取加速度数据的关键点信息,并通过归一化处理,降低了由于个人习惯以及环境对同一手势动作的整体性影响,提高了系统对于非手势动作原因导致的加速度差异的处理能力。最后,通过BP神经网络算法,并设计手势动作,实现基于加速度的手势识别,并通过设计实验验证,说明BP神经网络在基于加速度传感器的手势识别中具有比较好的识别率。总而言之,在智能移动设备和智能可穿戴设备爆发的今天,基于加速度传感器的手势识别必将会成为手势识别的重要分支,对于人机交互、增强用户体验有着极大的研究价值和实用价值,值得深入研究。