一种智能轮椅静态手势识别方法.pdf

(19)中华人民共和国国家知识产权局*CN103345626A*(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103345626103345626A(43)申请公布日2013.10.09(21)申请号201310302762.2(22)申请日2013.07.18(71)申请人重庆邮电大学地址400065重庆市南岸区黄桷垭崇文路2号(72)发明人张毅蔡军李晓娟罗元(74)专利代理机构北京同恒源知识产权代理有限公司11275代理人赵荣之(51)Int.Cl.G06K9/00(2006.01)权权利要求书2页利要求书2页说明书5页说明书5页附图2页附图2页(54)发明名称一种智能轮椅静态手势识别方法(57)摘要一种智能轮椅静态手势识别方法，1）通过Kinect采集场景深度信息；2）根据深度信息分割出场景深度信息中的手势；3）利用归一化中心矩提取手势的特征向量；4）步骤3）中提取的手势特征向量通过DAGSVM分类器进行手势识别。本发明在生成DAGSVM分类器的过程中，通过计算每个SVM分类器的类间距离和类的标准差，SVM分类器按照类间距离由大到小的顺序排列，选取具有最大类间距离的SVM分类器作为DAGSVM分类器的根节点分类器。同理，其余节点处SVM分类器均选择可选分类器中具有最大类间距离者。能够有效地减少误差累积现象，提高了手势识别结果的正确性，也最大限度地保证了智能轮椅人机交互的系统的安全可靠性。CN103345626ACN1034562ACN103345626A权利要求书1/2页1.一种智能轮椅静态手势识别方法，其特征在于，具体步骤如下：1）通过Kinect采集场景深度信息；2）根据深度信息分割出场景深度信息中的手势；3）利用归一化中心矩提取手势的特征向量；4）步骤3）中提取的手势特征向量通过DAGSVM分类器进行手势识别。2.如权利要求1所述的一种智能轮椅静态手势识别方法，其特征在于，步骤2）中所述手势分割的方法为：Kinect采集到含有智能轮椅用户手部的场景深度信息后，去噪计算该深度图像的灰度直方图，利用灰度真方图法分割出手势。3.如权利要求1所述的一种智能轮椅静态手势识别方法，其特征在于，步骤4）中所述DAGSVM分类器包括有多个SVM分类器，SVM分类器的生成方法如下：定义控制轮椅运动的手势，每类手势均采集相同数量的样本，利用归一化中心矩按类批量提取样本特征，对提取到的手势特征进行缩放处理，将其均归一化至[-1,1]之间，每两类手势之间训练一个SVM分类器；设需要识别的手势类别的数量为N，则需要训练SVM分类器的数量为设ni为第i类样本集的样本个数，为第i类样本集中第k个样本，则第i类样本的均值向量，即类中心为：第i类样本的类半径为：第i类样本的标准差为：第i类和第j类样本组成的SVM分类器的类间距离为：2Dij=||mi-mj||-ri-rj。4.如权利要求3所述的一种智能轮椅静态手势识别方法，其特征在于，SVM分类器构造DAGSVM分类器的具体方法为：S1计算每个SVM分类器的类间距离；S2计算每个类样本的类标准差；S3按照SVM分类器的类间距离Dij由大到小排序，将类间距离Dij最大的两个类训练得到SVM分类器作为DAGSVM分类器的根节点分类器；如果同时存在两个具有最大类间距离的分类器，则选择标准差较小的两个类训练得到的分类器；假设当前节点分类器为Cij，根据当前节点分类器的分类结果决定下一层使用哪个SVM分类器，若分类结果为x不属于类i，则待选SVM分类器为C=C\i；若分类结果为x不属于类2CN103345626A权利要求书2/2页j，则待选分类器为C=C\j；每个节点都选择待选分类器中与构成该节点父节点类中其中一类相同的分类器中类间距离最大者，若存在两个具有相等类间距离的分类器则选择标准差较小者，重复该步骤，直至所训练的分类器被选取完；每次特征向量从拓扑图的根节点处输入，由上到下每经过一个SVM分类器的判断就排除掉一个类，共有k类，因此经过k-1次SVM分类器的判断便可得到最终的分类结果。3CN103345626A说明书1/5页一种智能轮椅静态手势识别方法技术领域[0001]本发明涉及一种智能轮椅领域，特别是一种智能轮椅手势识别方法。背景技术[0002]目前，全球人口年龄结构老龄化情况日益严重。我国60岁及其以上的老年人数量已经达到1.32亿，占全国总人口的10％，并且每年平均以3.32%的速度在持续增长，其中老年病患者中大约有50％需提供护理服务。除此之外，我国还有各类残疾人大约6千万，约占我国总人口数的5％。因此，我国总共需提供护理的人口大约为1亿人。老年人和残疾人生理上和肢体上的缺陷给他们自己以及他们的家人带来很多的不便，同时也严重地阻碍着他们自由充分地融入到社会的工作和活动中去。因