:在“有監(jiān)督訓(xùn)練模式”下，可以用用戶提供的標(biāo)簽和本地?cái)?shù)據(jù)集中的數(shù)據(jù)，對分類器模型進(jìn)行訓(xùn)練，在“無監(jiān)督訓(xùn)練模式”下，采用聚類的方式，將用戶手勢數(shù)據(jù)，劃分到已經(jīng)提供標(biāo)簽的手勢子集中，采用兩種訓(xùn)練模式使得本申請獲得的分類器模型更加的準(zhǔn)確，從而進(jìn)一步提高了本系統(tǒng)的識別精確度；然后，本地手勢識別模塊108通過SVM等分類器，對用戶的手勢進(jìn)行實(shí)時識別。
[0034]本發(fā)明的手勢識別系統(tǒng)中，當(dāng)用戶的設(shè)備無法聯(lián)網(wǎng)或者網(wǎng)絡(luò)信號不佳時，使用上述的“本地識別模式”，即，使用本地PC或智能手機(jī)上訓(xùn)練的分類器模型，同時，本發(fā)明的手勢識別系統(tǒng)還具有“云端識別模式”，當(dāng)用戶位于良好的網(wǎng)絡(luò)環(huán)境下，可使用“云端識別模式”，其在云端服務(wù)器上建立有云端數(shù)據(jù)集模塊109、云端分類器模型模塊110以及云端手勢識別模塊111。
[0035]所述云端服務(wù)器的所述云端數(shù)據(jù)集模塊109，收集所有用戶的PC機(jī)BI和手機(jī)B2上的所述本地?cái)?shù)據(jù)集模塊106所上傳的手勢數(shù)據(jù)，形成一個手勢數(shù)據(jù)的海量大數(shù)據(jù)集合，所述云端分類器模型模塊110使用云端海量的大數(shù)據(jù)集合，對云端的分類器模型進(jìn)行訓(xùn)練，該訓(xùn)練也分為“有監(jiān)督訓(xùn)練模式”和“無監(jiān)督訓(xùn)練模式”，其過程與上述相同，在此不加贅述，從而建立云端手勢模型，隨著用戶上傳數(shù)據(jù)的增加，該模型將不斷迭代的得到訓(xùn)練，從而越來越能反映不同用戶手勢中通用的特征，因而消除個體噪音的影響，并且，每一次迭代訓(xùn)練完成后，可以用云端手勢模型去更新每個用戶的PC機(jī)BI或手機(jī)B2上的本地手勢模型，從而提高每一個用戶手勢本地識別的正確率，當(dāng)然，考慮到本地存儲容量的限制，將會對云端的分類器模型進(jìn)行適當(dāng)?shù)牟眉簦俑碌接脩舯镜?，同時可以將所述感測單元檢測的信號通過互聯(lián)網(wǎng)發(fā)送至云端服務(wù)器，最后通過云端手勢識別模塊111，使用云端分類器模型，對用戶實(shí)時上傳的手勢數(shù)據(jù)，進(jìn)行手勢識別，并將識別結(jié)果，實(shí)時返回給用戶。
[0036]作為其他可以替換的實(shí)施方式，本地識別模式和云端識別模式中，可以選擇現(xiàn)有技術(shù)中模式識別方式進(jìn)行模型的建立和識別，如模糊識別方式、神經(jīng)網(wǎng)絡(luò)模式識別方式等智能識別方法。
[0037]本發(fā)明的手勢識別系統(tǒng)具有“本地識別模式”及“云端識別模式”兩種識別模式，即在本地和云端都分別擁有數(shù)據(jù)集模塊、分類器模型模塊以及手勢識別模塊，在移動場景下，用戶未必能隨時以良好的信號連接到互聯(lián)網(wǎng)，而采用本發(fā)明的手勢識別系統(tǒng)，可以保證用戶在不聯(lián)網(wǎng)的情況下依然能夠進(jìn)行手勢識別，適用于網(wǎng)絡(luò)環(huán)境實(shí)時變化的移動場景，同時，采用云端手勢模型更新本地服務(wù)器中的本地手勢模型，使得本發(fā)明的手勢識別方法更加的精確。
[0038]顯然，上述實(shí)施例僅僅是為清楚地說明所作的舉例，而并非對實(shí)施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實(shí)施方式予以窮舉。而由此所引伸出的顯而易見的變化或變動仍處于本發(fā)明創(chuàng)造的保護(hù)范圍之中。
【主權(quán)項(xiàng)】
1.一種基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，包括信號采集終端、本地服務(wù)器及云端服務(wù)器，其中， 所述信號采集終端采集目標(biāo)手勢的數(shù)據(jù)，并發(fā)送給本地服務(wù)器進(jìn)行處理，包括: 采集模塊:在目標(biāo)手勢物上設(shè)置若干感測單元，用于采集目標(biāo)手勢物的生物電信號及空間運(yùn)動信號； 預(yù)處理模塊:對所述采集模塊采集的所述生物電信號及空間運(yùn)動信號進(jìn)行去噪預(yù)處理，將處理后的數(shù)據(jù)傳遞給所述本地服務(wù)器； 所述本地服務(wù)器接收上述數(shù)據(jù)，并進(jìn)行手勢識別，包括: 分割模塊:接收所述預(yù)處理模塊的預(yù)處理后的數(shù)據(jù)，進(jìn)而識別出每個手勢的起點(diǎn)和終點(diǎn)，獲得獨(dú)立的手勢信號段； 特征提取模塊:對每個所述手勢信號段進(jìn)行特征提取，將不同所述感測單元中提取的特征數(shù)據(jù)進(jìn)行融合，組成多維特征向量； 本地?cái)?shù)據(jù)集模塊:保存已經(jīng)完成特征提取與融合的手勢數(shù)據(jù)，并在設(shè)備聯(lián)網(wǎng)時將其上傳至所述云端服務(wù)器； 本地分類器模型模塊:根據(jù)所述本地?cái)?shù)據(jù)集的手勢數(shù)據(jù)建立本地手勢模型； 本地手勢識別模塊:本地服務(wù)器接收感測單元檢測的信號后，進(jìn)行模式識別獲得感測單元檢測到的目標(biāo)手勢； 所述云端服務(wù)器接收來自本地服務(wù)器的數(shù)據(jù)，并進(jìn)行云端手勢識別，包括: 云端數(shù)據(jù)集模塊:接收一個或多個所述本地?cái)?shù)據(jù)集模塊的上傳的手勢數(shù)據(jù)，形成海量大數(shù)據(jù)集合； 云端分類器模型模塊:使用云端數(shù)據(jù)集模塊中的海量大數(shù)據(jù)集合，建立云端手勢模型，并利用該云端手勢模型更新每個本地服務(wù)器中的手勢模型； 云端手勢識別模塊:感測單元檢測的信號發(fā)送至云端服務(wù)器，云端服務(wù)器通過模式識別獲得感測單元檢測到的目標(biāo)手勢。2.根據(jù)權(quán)利要求1所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，所述云端手勢模型或所述本地手勢模型建立時，包括“有監(jiān)督訓(xùn)練模式”，用用戶提供的標(biāo)簽和本地?cái)?shù)據(jù)集中的數(shù)據(jù)，對分類器模型進(jìn)行訓(xùn)練。3.根據(jù)權(quán)利要求1或2所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，所述云端手勢模型或所述本地手勢模型建立時，包括“無監(jiān)督訓(xùn)練模式”，采用聚類的方式，將用戶手勢數(shù)據(jù)劃分到已經(jīng)提供標(biāo)簽的手勢子集中。4.根據(jù)權(quán)利要求1-3中任一項(xiàng)所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，所述信號采集終端為佩戴于人體腕部的腕帶，所述腕帶包括內(nèi)外兩個平行設(shè)置的第一環(huán)形件及第二環(huán)形件，所述第一環(huán)形件全部聯(lián)通，用作參考和地電極，所述第二環(huán)形件安裝有所述感測單元，并設(shè)置有供電單元。5.根據(jù)權(quán)利要求4所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，所述感測單元包括若干離散分布的用于獲取前臂皮膚不同位置的所述生物電信號的生物電電極，以及若干用于檢測手部的所述空間運(yùn)動信號的加速度傳感器。6.根據(jù)權(quán)利要求5所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，所述生物電信號包括肌電信號及皮膚阻抗信號，所述空間運(yùn)動信號包括手部運(yùn)動加速度信號和空中旋轉(zhuǎn)信號。7.根據(jù)權(quán)利要求6所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，，其特征在于，所述預(yù)處理模塊包括帶通濾波單元和/或帶阻濾波單元。8.根據(jù)權(quán)利要求7所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，，其特征在于，在所述預(yù)處理模塊中，預(yù)處理后的數(shù)據(jù)通過藍(lán)牙無線通信單元傳遞給本地服務(wù)器，所述藍(lán)牙無線通信單元設(shè)置于所述第二環(huán)形件上。9.根據(jù)權(quán)利要求8所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，所述本地服務(wù)器為本地的PC機(jī)或手機(jī)。10.根據(jù)權(quán)利要求1-9中任一項(xiàng)所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，所述分割模塊對所述預(yù)處理后的數(shù)據(jù)采用基線檢測、平滑濾波、過零點(diǎn)檢測以及計(jì)算波形曲線下面積的手段得到手勢原始信號，進(jìn)而對所述手勢原始信號進(jìn)行歸一化處理，將所述手勢原始信號的絕對幅值轉(zhuǎn)化為0-1之間的相對幅值，在連續(xù)時間序列形態(tài)的信號中，所述相對幅值與設(shè)定好的能量閾值進(jìn)行比較，識別出每個手勢的起點(diǎn)和終點(diǎn)，然后將數(shù)據(jù)分割為一個個獨(dú)立的手勢，所述能量閾值隨云端服務(wù)器手勢數(shù)據(jù)的增加進(jìn)行動態(tài)調(diào)MtF.011.根據(jù)權(quán)利要求10所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，在所述本地?cái)?shù)據(jù)集模塊中，將手勢數(shù)據(jù)上傳至所述云端數(shù)據(jù)集模塊后，所述本地?cái)?shù)據(jù)集模塊的手勢數(shù)據(jù)集刪除。12.根據(jù)權(quán)利要求11所述的基于前臂生物電多傳感器的手勢識別系統(tǒng)，其特征在于，在所述云端分類器模型模塊中，將云端手勢模型進(jìn)行適當(dāng)?shù)牟眉艉?，再去更新所述本地識別模式的本地手勢模型。
【專利摘要】本發(fā)明公開了一種基于前臂生物電多傳感器的手勢識別系統(tǒng)，其本地服務(wù)器保存已經(jīng)完成特征提取與融合的手勢數(shù)據(jù)，并在設(shè)備聯(lián)網(wǎng)時將其上傳至云端服務(wù)器，本地服務(wù)器根據(jù)所述手勢數(shù)據(jù)建立本地手勢模型，云端服務(wù)器接收一個或多個本地服務(wù)器的上傳的手勢數(shù)據(jù)，建立云端手勢模型，并利用該云端手勢模型更新每個本地服務(wù)器中的手勢模型，因而本發(fā)明的手勢識別系統(tǒng)在本地和云端都分別擁有數(shù)據(jù)集模塊、分類器模型模塊以及手勢識別模塊，可以保證用戶在不聯(lián)網(wǎng)的情況下依然能夠進(jìn)行手勢識別，適用于網(wǎng)絡(luò)環(huán)境實(shí)時變化的移動場景，同時，采用云端手勢模型更新本地服務(wù)器中的本地手勢模型，使得本發(fā)明的手勢識別系統(tǒng)手勢識別更加精確。
【IPC分類】G06K9/00
【公開號】CN105205436
【申請?zhí)枴緾N201410241519
【發(fā)明人】姜曉丹, 劉勤, 何永振
【申請人】北京創(chuàng)思博德科技有限公司
【公開日】2015年12月30日
【申請日】2014年6月3日