论文部分内容阅读
基于加速度的手势识别相对于基于图像的识别方法因其受环境、设备等外部条件的依赖性较小，受到越来越广泛的关注，在人机交互中得到的应用也越来越多，因此基于加速度信号的手势识别算法的研究成为该领域的研究热点。针对手势信号的特点，本文采用了基于支持向量机(SVM)的手势识别方法，SVM是基于传统统计学习理论的方法，在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势，用SVM算法进行分类识别，会得到较好的分类识别准确率。首先将AMI602动作传感器采集到的手势信号进行预处理，使预处理后的数据能够应用到SVM算法模型中。本文对信号进行预处理的过程包括提取加速度信号、数据整理、归一化处理和数据平滑滤波。其次主要研究了基于SVM模型的识别算法，通过对经典二分类算法的研究和总结将该算法模型推广到多分类中，并将该多分类算法应用在本文中的手势识别系统中。本文中对多分类方法的研究主要包括一对多方法、一对一方法、有向无环图法和二叉树法。根据本系统采集到手势加速度信号的特点并通过对各算法优缺点的对比，本文中采用了一对一方法法对手势数据进行多分类手势识别。最后对多分类模型算法中的一些重要参数进行了优化选择，文中主要对算法中的惩罚因子C和核函数中径向基函数的参数g进行了优化，通过对grid searchmethod、ga method和pso method三种寻优方法的验证和对比最终确定使用grid searchmethod方法。本文中的手势识别系统以MATLAB软件为展示平台，仿真并验证了本文中采用的手势识别算法的可行性和手势识别算法的识别率。通过实验验证文中对十个阿拉伯数字手势的识别正确率为95.8%，五个英文字母手势的识别正确率为95.6%。