基于MATLAB的数字家庭环境手势识别交互研究开题报告

2．研究（设计）的基本内容、目标、拟采用的技术方案及措施

2.1研究目的

本论文根据视觉手势识别与人机交互的研究现状，针对现有交互模型对自然交互方式支持的欠缺问题，在已有交互模型研究及其分析的基础上，提出采用加速度传感器进行手势识别及人机交互研究的方案,建立支持手势输入并且具有反馈机制的手势交互模型，并对该模型进行形式化描述。

本文在如何表示手势，如何根据加速度值完成手势的识别，如何提高手势识别的精度，如何构造基于手势的交互模型等主要方面进行探讨。在人机交互对象构件的支持下，用户通过手势的交互方式，以方式原语、概念原语和任务原语与表现构件、对话控制构件和应用程序构件进行通信，完成自然交互。

2.2 研究内容

（1）完成手势识别系统总体设计，针对该问题确立了基于加速度的手势建模方法和基于隐马尔科夫模型的识别方法。

（2）完成手势的数据的采集，用户执行手势动作时,空间三个轴向的加速度值是不同的，而且会随着动作频率和幅度的不同而变化，计算机将传感器捕获动作执行过程中的加速度序列经去噪处理之后传输给加速度识别器。

（3）特定手势动作建模, 本文以手势执行过程中的加速度值为特征量，为各手势动作分别建立隐马尔科夫模型，使用迭代的方法训练这些模型使之能够比较精确地表示手势动作，之后利用这个模型识别手势动作执行过程中加速度的值来分类手势，完成手势识别。

（4）使用MATLAB信号处理工具箱，实现对特征提取算法进行设计，对HMM算法进行优化。

用马尔科夫模型来描述手势动作时，手势动作本身是马尔科夫过程中不可见的部分，但在这个过程中的每一个状态转移都会产生加速度值的变化，因此可以通过观察手势过程中加速度值的变化来确定手势动作，完成手势识别。

执行手势动作若干次，并按照一定的采样率捕获手势执行过程中的加速度值，这些加速度值经过简单处理之后用于手势模型优化和识别。

2.3拟采用的技术方案及措施

手势交互实现了人的多维信息表示空间到计算机计算空间的平滑过渡，提供给用户一种自然、高效的交互手段。基于三维加速度传感器的手势识别过程包括手势设计、动作执行、手势模型初构、模型优化、手势识别等模块，整体技术路线如图1所示：

图1 整体技术路线图

（1）手势设计

一般情况下，手势概念和手势动作之间的映射关系不是唯一的，通常意义下的手势是指人手或者手和臂结合所产生的各种姿势和动作，本文在进行手势识别和手势输入研究时，认为手势是严格按照预先定义的规范而执行的，并且这里的手势定义为三维空间内手部的常见动作。

（2）动作执行

复杂手势是由简单手势组合而成的，最小的简单手势称为原子手势，它是不可再分的手势单元。

手势动作执行过程中，将手势动作分割成若干手势单元，每个手势单元对应加速度曲线中的独特的一段，这些手势单元的组合可以得到各种手势动作。基于加速度分析的手势识别通过这些手势单元的识别可以完成一些手势动作的识别。

(3)模型初构

手势模型对于手势识别系统至关重要，特别是对确定识别范围起关键性的作用。模型的选取根本上取决于具体应用，如果要实现自然的人机交互，那么必须建立一个精细有效的手势模型，使得识别系统能够对用户所做的绝大多数手势做出正确的反应。

本文将手势的加速度信息作为手势的特征量，通过捕获手势动作执行过程中的三维加速度值，建立手势的模型并利用该模型识别加速度序列，完成手势的识别。

（4）模型优化

此过程中最重要是参数初始化的问题，较优的初始化参数对模型训练和识别效果影响很大。接下来主要是根据采集的大量手势动作的加速度对手势模型进行训练，不断地调整模型参数，使之能最好的表示手势动作。利用插值的方法克服训练数据不足的影响最后利用优化的模型识别原子手势，被识别的原子手势组合成复杂、连续的手势动作。

（5）手势识别

手势识别过程的实质是根据手势的特征量匹配出最适合的手势模型，基于加速度的手势识别主要是根据捕获的手势动作执行过程中的加速度来识别手势。加速度传感器具有捕获某时刻加速度值的特性，正好可以用来完成手势加速度的采集。采集到的时变数据可以借助于隐马尔科夫模型进行建模，在手势执行过程完成手势的识别。