基于慣性傳感器的手勢交互方法研究.pdf

1、智能型的用戶界面操控技術(shù)日益受到重視，手勢交互的方式具有學習成本低、自然便捷和多樣豐富的特點，可以為操作者提供更為直觀、舒適的自然交互體驗。傳統(tǒng)的基于慣性傳感的手勢交互方法的研究焦點集中于如何使不依賴于個體的手勢識別方法更具有個體魯棒性，同時獲得更快的動態(tài)響應。但并未深入考慮算法中樣本集的正規(guī)性和有效性，在一定程度上影響算法的識別準確率。同時，當手勢復雜且手勢種類增多時，傳統(tǒng)方法更容易受到手勢信號中冗余信息及噪音信息的影響，造成手勢類別

2、的誤判。
　　針對傳統(tǒng)方法的不足與劣勢，為提高手勢識別的準確率和降低運算復雜度，本文進行了算法改進。實驗表明，本文方法的運算耗時較傳統(tǒng)DTW算法減少25％至31%，整體平均識別準確率在96.7%至98.84%，明顯優(yōu)于其他傳統(tǒng)算法。
　　本文主要致力于以下三個方面的研究工作：
　　1.針對傳統(tǒng)方法中樣本集構(gòu)造問題，為改善樣本選取的非正規(guī)性，本文提出一種基于CDTW算法的樣本聚類訓練方法。該方法不僅可以克服不同個體手勢動

3、作速度差異大的問題，還改善了樣本字典的正規(guī)性和有效性。通過樣本聚類獲得的典型樣本，在一定程度上壓縮了樣本集的大小，更重要的是包含了不同個體做各個不同手勢時的典型特征，令該方法具有更強的個體適應能力。
　　2.針對傳統(tǒng)手勢交互方法在識別過程中運算量大的問題，聚類樣本的方法可以使這一問題得到一定改善，本文同時提出主軸分類思想，運算中測試手勢序列只與主軸相同的模板進行匹配，能夠有效減少在線模板匹配過程在整個手勢交互系統(tǒng)中的時間復雜度，從