基于陀螺仪传感器的一种人机交互技术

论文摘要

人机交互,作为人与设备之间沟通的桥梁,由命令行交互方式发展到图形用户界面,使许多没有经过专业的计算机培训的人群能利用计算资源为自己服务,但是图形用户界面提供的交互接口仍然在满足人的自然性输入方面表现不足。传统的基于图像的交互设备有鼠标、手持设备、键盘、触摸屏、遥控板等。这些设备将生硬的将设备状态变化翻译成丰富的语义信息,如点击鼠标进行ppt翻页,敲击键盘进行文本输入,遥控板按键调频道等。但是,传统的输入设备交互模式还停留在二维阶段,依赖于特定的平面,不能进行3D输入。例如演说人员在进行ppt演说时,被限制在讲台上对ppt进行翻页等操作。传感技术应用在人机交互领域中所带来的变革之一是新型的3D输入方式,所述的3D输入方式是指借助于手持设备在三维空间通过手势动作完成信息输入的方式,这样的人机交互方式不仅为使用者解除空间和线缆的束缚,在自由的空间完成相应的人机交互,并且能够支持输入各种形状图案和文字数字信息。近年来传感器技术发展,为传感器技术应用到人机交互提供了物质基础。本文设计了使用陀螺仪角速度传感器采集手势动作采集运动信息,经过Atmega16计算中心处理,最后通过无线射频技术发射到软件系统处理的手势识别平台硬件架构,并对手势识别平台的无线鼠标功能模块和手势识别模块进行了实现。在鼠标功能模块方面,基于统计方法建立了三维手势运动信息向二维鼠标轨迹转化的模型,并解决了由于低成本传感器输出电压不稳产生的鼠标功能不能正常工作的问题。在手势识别方面,针对基于图像的手势识别方法应用的局限性以及加速度计在手势识别方面的先天不足,本文提出基于角速度陀螺仪的手势识别方法,将鼠标功能产生的轨迹信息,通过插值和亚采样把时间幅度不同的动作归一化成同一个时间尺度的动作,并开发了一种计算简单,高效的传感器数据特征提取算法,克服了输入动作手势对动作幅度的依赖。最后利用支持向量机训练出来的支持向量模型对手势动作特征向量进行识别。在理论研究的同时,本文还对基于3D角速度陀螺仪的手势识别方法进行实验验证。对0-9共10个阿拉伯数字进行了实验,平均识别率达到99.4%以上。

论文目录

• 摘要
• Abstract
• 第1章 引言
• 1.1 研究背景极其意义
• 1.2 手势识别的分类
• 1.3 国内外相关研究现状
• 1.4 本文的主要工作
• 第2章 硬件架构设计
• 2.1 MEMS 技术概述
• 2.2 MEMS 陀螺仪角速度传感器
• 2.3 手势识别硬件架构设计
• 2.4 本章小结
• 第3章 鼠标功能的实现
• 3.1 基于统计信息的鼠标计算模型的建立
• 3.2 自适应修正零电平漂移现象
• 3.2.1 零电平漂移现象数据分析
• 3.2.2 零电平漂移状态识别
• 3.2.3 零电平漂移自适应调整
• 3.3 本章小结
• 第4章 数据预处理
• 4.1 手势动作分割
• 4.2 数据预处理分析
• 4.3 空闲数据滤波器
• 4.4 异常数据滤波器
• 4.5 平滑滤波器
• 4.6 本章小结
• 第5章 手势特征提取与识别
• 5.1 基于角速度传感器手势分析
• 5.2 数据尺度归一化
• 5.2.1 亚采样
• 5.2.2 插值
• 5.3 特征提取
• 5.4 SVM 概述
• 5.5 SVM 多类分类问题
• 5.6 基于SVM 分类器在线手势识别
• 5.7 本章小结
• 第6章 实验结果与分析
• 6.1 数据集的设计与采集
• 6.2 实验结果及其分析
• 总结与展望
• 参考文献
• 致谢
• 发表文章