自適應(yīng)手勢(shì)識(shí)別方法
【專利摘要】本發(fā)明揭示了一種自適應(yīng)手勢(shì)識(shí)別方法，所述方法包括：步驟S1、基于向量對(duì)手勢(shì)進(jìn)行采樣；步驟S2、將基于向量采樣的手勢(shì)進(jìn)行動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別；步驟S3、將步驟S2返回的結(jié)果與設(shè)定閾值進(jìn)行比較，做初步篩選；若沒有匹配到手勢(shì)，則轉(zhuǎn)至步驟S4；若匹配到若干相似結(jié)果，則轉(zhuǎn)至步驟S5；若成功匹配到唯一的手勢(shì)，則直接返回結(jié)果；步驟S4、通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；步驟S5、利用向量的距離進(jìn)行篩選，或者通過模板匹配識(shí)別方式方式進(jìn)行識(shí)別，返回結(jié)果。
【專利說明】自適應(yīng)手勢(shì)識(shí)別方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于手勢(shì)識(shí)別【技術(shù)領(lǐng)域】，涉及一種手勢(shì)識(shí)別方法，尤其涉及一種自適應(yīng)手勢(shì)識(shí)別方法。

【背景技術(shù)】
[0002]近年來，隨著世界移動(dòng)通信產(chǎn)業(yè)的高速發(fā)展，智能手持設(shè)備逐漸的融入了大眾的日常生活，銷量持續(xù)上升。目前，智能手持設(shè)備已經(jīng)邁入了全觸屏?xí)r代。對(duì)于全觸屏的智能手持設(shè)備，觸屏手勢(shì)操作的支持是必不可少的，這給用戶帶來了全新的人機(jī)交互體驗(yàn)，以其方便快捷的特性，得到了用戶的認(rèn)可并取代了傳統(tǒng)的按鍵操作。
[0003]然而，現(xiàn)有的手勢(shì)識(shí)別方法存在精確度不高、識(shí)別效率低等問題。有鑒于此，如今迫切需要設(shè)計(jì)一種新的手勢(shì)識(shí)別方法，以便克服現(xiàn)有識(shí)別方法的上述缺陷。


【發(fā)明內(nèi)容】

[0004]本發(fā)明所要解決的技術(shù)問題是:提供一種自適應(yīng)手勢(shì)識(shí)別方法，可提高手勢(shì)識(shí)別的精確度及效率。
[0005]為解決上述技術(shù)問題，本發(fā)明采用如下技術(shù)方案:
[0006]一種自適應(yīng)手勢(shì)識(shí)別方法，所述方法包括:
[0007]步驟S1、基于向量對(duì)手勢(shì)進(jìn)行采樣；
[0008]將手勢(shì)通過有方向和大小的向量來構(gòu)造；輸入的手勢(shì)的每一個(gè)點(diǎn)代表觸屏設(shè)備識(shí)別到的觸屏點(diǎn)，并根據(jù)錄入的順序依次儲(chǔ)存在點(diǎn)數(shù)組里；隨后對(duì)手勢(shì)點(diǎn)數(shù)組進(jìn)行遍歷，求出相鄰點(diǎn)的方向，方向由前面的點(diǎn)指向后面的點(diǎn)，再將方向值轉(zhuǎn)換為與設(shè)定的方向值組中最相近的方向值，并存為方向數(shù)組；對(duì)方向數(shù)組中連續(xù)的相同方向上點(diǎn)進(jìn)行合并，計(jì)算連續(xù)方向點(diǎn)的距離同時(shí)將距離過短的向量作為噪點(diǎn)去除；再合并連續(xù)的相同方向點(diǎn)，這時(shí)提取出來的向量首尾相接能夠大致描繪出手勢(shì)的骨架，骨架保留了手勢(shì)的主要特征，具有良好的區(qū)分度；最后對(duì)向量的距離進(jìn)行標(biāo)準(zhǔn)化，保存為采樣的數(shù)組；
[0009]步驟S2、將基于向量采樣的手勢(shì)進(jìn)行動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別；
[0010]動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別步驟包括:提供一種在時(shí)間軸上富有更大彈性的相似度對(duì)比方法，使做匹配的數(shù)據(jù)能透過在時(shí)間軸上的扭曲，即伸展或壓縮，找到最小誤差的非線性對(duì)應(yīng)；由于手勢(shì)輸入在時(shí)間軸上的連續(xù)性，使得基于向量的數(shù)據(jù)很適合用DTW匹配識(shí)別步驟；運(yùn)用動(dòng)態(tài)規(guī)劃的思想，利用局部最佳化的處理來尋找一條路徑使得兩個(gè)特征矢量之間的累積失真量最小；X軸和Y軸分別為模板數(shù)據(jù)和待匹配的數(shù)據(jù)；X軸和Y軸的交點(diǎn)值代表所對(duì)應(yīng)兩個(gè)數(shù)組數(shù)據(jù)r[i]和t[j]的距離值，用D(r[i]，t[j])表示，距離值的計(jì)算方法用歐式距離算法實(shí)現(xiàn)；隨后選擇路徑起點(diǎn)，利用局部路徑約束使其朝規(guī)定方向動(dòng)態(tài)規(guī)劃，累加計(jì)算距離；
[0011]步驟S3、將步驟S2返回的結(jié)果與設(shè)定閾值進(jìn)行比較，做初步篩選；若沒有匹配到手勢(shì)，則轉(zhuǎn)至步驟S4 ;若匹配到若干相似結(jié)果，則轉(zhuǎn)至步驟S5 ;若成功匹配到唯一的手勢(shì)，則直接返回結(jié)果；
[0012]步驟S4、通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；模板匹配識(shí)別步驟包括:
[0013]通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類；
[0014]對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporal Samp Iing 和空間抽樣 spatialSampling ；
[0015]時(shí)間采樣temporalSampling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣點(diǎn)；
[0016]空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果；
[0017]經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離；
[0018]歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a= [ai，a2，"％ad]，b= [b1； b2, -, bd]則其歐幾里得距離表示為:dist(a，b、=?；
[0019]余弦距離表示為:=;



I “ Il 61
[0020]根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)；
[0021]步驟S5、利用向量的距離進(jìn)行篩選，或者通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；模板匹配識(shí)別步驟包括:
[0022]通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類；
[0023]對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporalSampling 和空間抽樣 spatialSampling ；
[0024]時(shí)間采樣temporalSampI ing規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣點(diǎn)；
[0025]空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果；
[0026]經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離；
[0027]歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a = [&1,&2,...,^]^= Lb^b2,-,bd]則其歐幾里得距尚表不為:d1.st(u,b) = (α； — ht)~ ;
[0028]余弦距離表示為:slm(“別=Γ~νγ-,;



I Il 61
[0029]根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)。
[0030]一種自適應(yīng)手勢(shì)識(shí)別方法，所述方法包括:
[0031]步驟S1、基于向量對(duì)手勢(shì)進(jìn)行采樣；
[0032]步驟S2、將基于向量采樣的手勢(shì)進(jìn)行動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別；
[0033]步驟S3、將步驟S2返回的結(jié)果與設(shè)定閾值進(jìn)行比較，做初步篩選；若沒有匹配到手勢(shì)，則轉(zhuǎn)至步驟S4 ;若匹配到若干相似結(jié)果，則轉(zhuǎn)至步驟S5 ;若成功匹配到唯一的手勢(shì)，則直接返回結(jié)果；
[0034]步驟S4、通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；
[0035]步驟S5、利用向量的距離進(jìn)行篩選，或者通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果O
[0036]作為本發(fā)明的一種優(yōu)選方案，所述步驟S4、步驟S5中的模板匹配識(shí)別步驟包括:
[0037]通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類；
[0038]對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporalSampling 和空間抽樣 spatialSampling ；
[0039]時(shí)間采樣temporalSampling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣點(diǎn)；
[0040]空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果；
[0041]經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離；
[0042]歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a = [ai，a2，"％ad]，b= [b1； b2, - , bd]則其歐幾里得距離表示為:dist(a，h)=拉(Ci1-bf ;
[0043]余弦距離表示為:—(a,b) = ;




I a Il 6 I
[0044]根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)。
[0045]作為本發(fā)明的一種優(yōu)選方案，所述步驟SI具體包括:將手勢(shì)通過有方向和大小的向量來構(gòu)造；輸入的手勢(shì)的每一個(gè)點(diǎn)代表觸屏設(shè)備識(shí)別到的觸屏點(diǎn)，并根據(jù)錄入的順序依次儲(chǔ)存在點(diǎn)數(shù)組里；隨后對(duì)手勢(shì)點(diǎn)數(shù)組進(jìn)行遍歷，求出相鄰點(diǎn)的方向，方向由前面的點(diǎn)指向后面的點(diǎn)，再將方向值轉(zhuǎn)換為與設(shè)定的方向值組中最相近的方向值，并存為方向數(shù)組；對(duì)方向數(shù)組中連續(xù)的相同方向上點(diǎn)進(jìn)行合并，計(jì)算連續(xù)方向點(diǎn)的距離同時(shí)將距離過短的向量作為噪點(diǎn)去除；再合并連續(xù)的相同方向點(diǎn)，這時(shí)提取出來的向量首尾相接能夠大致描繪出手勢(shì)的骨架，骨架保留了手勢(shì)的主要特征，具有良好的區(qū)分度；最后對(duì)向量的距離進(jìn)行標(biāo)準(zhǔn)化，保存為采樣的數(shù)組。
[0046]作為本發(fā)明的一種優(yōu)選方案，所述步驟S2中，動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別步驟包括:提供一種在時(shí)間軸上富有更大彈性的相似度對(duì)比方法，使做匹配的數(shù)據(jù)能透過在時(shí)間軸上的扭曲，即伸展或壓縮，找到最小誤差的非線性對(duì)應(yīng)；由于手勢(shì)輸入在時(shí)間軸上的連續(xù)性，使得基于向量的數(shù)據(jù)很適合用DTW匹配識(shí)別步驟；運(yùn)用動(dòng)態(tài)規(guī)劃的思想，利用局部最佳化的處理來尋找一條路徑使得兩個(gè)特征矢量之間的累積失真量最??；X軸和Y軸分別為模板數(shù)據(jù)和待匹配的數(shù)據(jù)；X軸和Y軸的交點(diǎn)值代表所對(duì)應(yīng)兩個(gè)數(shù)組數(shù)據(jù)r[i]和t[j]的距離值，用D(r[i]，t[j])表示，距離值的計(jì)算方法用歐式距離算法實(shí)現(xiàn)；隨后選擇路徑起點(diǎn)，利用局部路徑約束使其朝規(guī)定方向動(dòng)態(tài)規(guī)劃，累加計(jì)算距離。
[0047]本發(fā)明的有益效果在于:本發(fā)明提出的自適應(yīng)手勢(shì)識(shí)別方法，可提高手勢(shì)識(shí)別的精確度及效率。
[0048]傳統(tǒng)的Android自定義手勢(shì)識(shí)別采樣，雖然會(huì)保證手勢(shì)的完整性，但是產(chǎn)生了大量的數(shù)據(jù)冗余，并且伴隨著大量的計(jì)算，導(dǎo)致效率不高。本文提出的提出基于向量的手勢(shì)識(shí)別方法，利用該識(shí)別方式能夠針對(duì)移動(dòng)設(shè)備快速高效篩選簡單的操作手勢(shì)同時(shí)與android原有的基于距離(歐氏距離、余弦距離)的識(shí)別方法相結(jié)合，形成自適應(yīng)的識(shí)別方法。較原有的識(shí)別方式在速度和精確度上都有一定的提高，在手持智能移動(dòng)設(shè)備上有廣泛的應(yīng)用前旦
-5^ O

【專利附圖】

【附圖說明】
[0049]圖1為本發(fā)明方法的流程圖。
[0050]圖2為Android手勢(shì)存儲(chǔ)結(jié)構(gòu)示意圖。
[0051]圖3為向量方向示意圖。

【具體實(shí)施方式】
[0052]下面結(jié)合附圖詳細(xì)說明本發(fā)明的優(yōu)選實(shí)施例。
[0053]實(shí)施例一
[0054]請(qǐng)參閱圖1，本發(fā)明揭示了一種自適應(yīng)手勢(shì)識(shí)別方法，所述方法包括如下步驟:
[0055]【步驟SI】基于向量對(duì)手勢(shì)進(jìn)行采樣；
[0056]將手勢(shì)通過有方向和大小的向量來構(gòu)造；輸入的手勢(shì)的每一個(gè)點(diǎn)代表觸屏設(shè)備識(shí)別到的觸屏點(diǎn)，并根據(jù)錄入的順序依次儲(chǔ)存在點(diǎn)數(shù)組里；隨后對(duì)手勢(shì)點(diǎn)數(shù)組進(jìn)行遍歷，求出相鄰點(diǎn)的方向，方向由前面的點(diǎn)指向后面的點(diǎn)，再將方向值轉(zhuǎn)換為與設(shè)定的方向值組中最相近的方向值，并存為方向數(shù)組；對(duì)方向數(shù)組中連續(xù)的相同方向上點(diǎn)進(jìn)行合并，計(jì)算連續(xù)方向點(diǎn)的距離同時(shí)將距離過短的向量作為噪點(diǎn)去除；再合并連續(xù)的相同方向點(diǎn)，這時(shí)提取出來的向量首尾相接能夠大致描繪出手勢(shì)的骨架，骨架保留了手勢(shì)的主要特征，具有良好的區(qū)分度；最后對(duì)向量的距離進(jìn)行標(biāo)準(zhǔn)化，保存為采樣的數(shù)組；
[0057]【步驟S2】將基于向量采樣的手勢(shì)進(jìn)行動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別；
[0058]動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別步驟包括:提供一種在時(shí)間軸上富有更大彈性的相似度對(duì)比方法，使做匹配的數(shù)據(jù)能透過在時(shí)間軸上的扭曲，即伸展或壓縮，找到最小誤差的非線性對(duì)應(yīng)；由于手勢(shì)輸入在時(shí)間軸上的連續(xù)性，使得基于向量的數(shù)據(jù)很適合用DTW匹配識(shí)別步驟；運(yùn)用動(dòng)態(tài)規(guī)劃的思想，利用局部最佳化的處理來尋找一條路徑使得兩個(gè)特征矢量之間的累積失真量最??；X軸和Y軸分別為模板數(shù)據(jù)和待匹配的數(shù)據(jù)；X軸和Y軸的交點(diǎn)值代表所對(duì)應(yīng)兩個(gè)數(shù)組數(shù)據(jù)r[i]和t[j]的距離值，用D(r[i]，t[j])表示，距離值的計(jì)算方法用歐式距離算法實(shí)現(xiàn)；隨后選擇路徑起點(diǎn)，利用局部路徑約束使其朝規(guī)定方向動(dòng)態(tài)規(guī)劃，累加計(jì)算距離；
[0059]【步驟S3】將步驟S2返回的結(jié)果與設(shè)定閾值進(jìn)行比較，做初步篩選；若沒有匹配到手勢(shì)，則轉(zhuǎn)至步驟S4 ;若匹配到若干相似結(jié)果，則轉(zhuǎn)至步驟S5 ;若成功匹配到唯一的手勢(shì)，則直接返回結(jié)果；
[0060]【步驟S4】通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；模板匹配識(shí)別步驟包括:
[0061]通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類；
[0062]對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporal Samp Iing 和空間抽樣 spatialSampling ；
[0063]時(shí)間采樣temporalSampling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣點(diǎn)；
[0064]空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果；
[0065]經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離；
[0066]歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a = [ai，a2，"％ad]，b= [b1； b2, - , bd]則其歐幾里得距離表示為:=拉(a,' -bf ;
[0067]余弦距離表示為:b) =；




I a Il Z? I
[0068]根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)；
[0069]【步驟S5】利用向量的距離進(jìn)行篩選，或者通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；模板匹配識(shí)別步驟包括:
[0070]通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類；
[0071]對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporalSampling 和空間抽樣 spatialSampling ；
[0072]時(shí)間采樣temporalSampling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣點(diǎn)；
[0073]空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果；
[0074]經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離；
[0075]歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a = [a1； a2,…，ad],b = Lb1, b2,..., bd]則其歐幾里得距離表示為:distkb) =—/'.)2 ;
[0076]余弦距離表示為:b) =;




I a Il Z? I
[0077]根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)。
[0078]實(shí)施例二
[0079]本發(fā)明揭示一種自適應(yīng)手勢(shì)識(shí)別方法，所述方法包括:
[0080]步驟S1、基于向量對(duì)手勢(shì)進(jìn)行采樣；
[0081]步驟S2、將基于向量采樣的手勢(shì)進(jìn)行動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別；
[0082]步驟S3、將步驟S2返回的結(jié)果與設(shè)定閾值進(jìn)行比較，做初步篩選；若沒有匹配到手勢(shì)，則轉(zhuǎn)至步驟S4 ;若匹配到若干相似結(jié)果，則轉(zhuǎn)至步驟S5 ;若成功匹配到唯一的手勢(shì)，則直接返回結(jié)果；
[0083]步驟S4、通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；
[0084]步驟S5、利用向量的距離進(jìn)行篩選，或者通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果O
[0085]實(shí)施例三
[0086]Android平臺(tái)手勢(shì)識(shí)別原理:Android手勢(shì)識(shí)別采用的是模板匹配技術(shù)。Android通過GesturePoint類(手勢(shì)點(diǎn)類)來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(x，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型。一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成GestureStroke類(手勢(shì)筆畫類)，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放。最后由一系列手勢(shì)筆畫構(gòu)成最終的Gesture (手勢(shì)類)，見圖2。一般情況下，構(gòu)成手勢(shì)的筆畫不宜太多，復(fù)雜的手勢(shì)無論在操作上和識(shí)別上的效率都過于低下。
[0087]Android對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理。預(yù)處理采用兩種取樣方法:temporal Samp Iing和 spatialSampling。
[0088]temporalSampling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N (Android采用的相似度算法需要保證所有手勢(shì)點(diǎn)序列具有相同的維度，所以N在每次采樣時(shí)都是一個(gè)固定常數(shù))，計(jì)算所有手勢(shì)點(diǎn)的總長度L，將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上。最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣點(diǎn)。
[0089]spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果。
[0090]經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離。
[0091]歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a= [ai，a2，"％ad]，b= [b1； b2, -, bd]則其歐幾里得距離表示為:disiC' Th —bf ;余弦距離表示為:sim(a,b) = ^^.，最
V II ? Il 辦 I
后根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)。
[0092]但是由于以下兩點(diǎn):(I)平均化的采樣算法會(huì)改變?cè)械氖謩?shì)結(jié)構(gòu)，時(shí)而會(huì)出現(xiàn)本身差異性比較大的手勢(shì)經(jīng)過平均化后會(huì)趨于相似的情況，從而導(dǎo)致識(shí)別錯(cuò)誤；(2)對(duì)手勢(shì)的標(biāo)準(zhǔn)化處理也會(huì)對(duì)手勢(shì)的特征產(chǎn)生影響，從而產(chǎn)生誤差。導(dǎo)致temporalSampling采樣得到的結(jié)果錯(cuò)誤率比較高。
[0093]而且spatialSampling采樣雖然會(huì)保證手勢(shì)的完整性，但是產(chǎn)生了大量的數(shù)據(jù)冗余，并且伴隨著大量的計(jì)算，導(dǎo)致效率不高。
[0094]本發(fā)明通過分析Android平臺(tái)上手勢(shì)的輸入和存儲(chǔ)方式，提出基于向量的采樣方式，并根據(jù)采樣序列在時(shí)間上連續(xù)的良好特性應(yīng)用動(dòng)態(tài)時(shí)間規(guī)整相似度算法進(jìn)行手勢(shì)識(shí)別。
[0095]基于向量的采樣:簡單的手勢(shì)能夠通過有方向和大小向量來構(gòu)造。其輸入的手勢(shì)的每一個(gè)點(diǎn)代表觸屏設(shè)備識(shí)別到的觸屏點(diǎn)，并根據(jù)錄入的順序依次儲(chǔ)存在點(diǎn)數(shù)組里。隨后對(duì)手勢(shì)點(diǎn)數(shù)組進(jìn)行遍歷，求出相鄰點(diǎn)的方向，方向由前面的點(diǎn)指向后面的點(diǎn)，再將方向值轉(zhuǎn)換為與圖3最相近的方向值，并存為方向數(shù)組。對(duì)方向數(shù)組中連續(xù)的相同方向上點(diǎn)進(jìn)行合并，計(jì)算連續(xù)方向點(diǎn)的距離同時(shí)將距離過短的向量作為噪點(diǎn)去除。再合并連續(xù)的相同方向點(diǎn)，這時(shí)提取出來的向量首尾相接能夠大致描繪出手勢(shì)的骨架，骨架保留了手勢(shì)的主要特征，具有良好的區(qū)分度。最后對(duì)向量的距離進(jìn)行標(biāo)準(zhǔn)化，保存為采樣的數(shù)組。
[0096]相似度算法=Android系統(tǒng)采用的相似度算法是需要保證通過采樣獲得的數(shù)據(jù)具有相同的維度，然而采用temporalSampling和spatialSampling采樣算法會(huì)引起過多細(xì)節(jié)的丟失或數(shù)據(jù)的冗余等問題。采用基于向量的采樣方法是對(duì)這兩種采樣方式的折中，但是得到的是長度不定的數(shù)組。根據(jù)數(shù)據(jù)長度不固定但是數(shù)組數(shù)據(jù)在時(shí)間上的連續(xù)特性，本文采用動(dòng)態(tài)時(shí)間規(guī)整算法(Dynamic Time Warping，簡稱DTW)作為相似度算法。DTW算法是語音訊號(hào)處理上經(jīng)常被使用的一種相似度估量方式，其主要的思想便是希望提供一種在時(shí)間軸上富有更大彈性的相似度對(duì)比方法。使做匹配的數(shù)據(jù)能透過在時(shí)間軸上的扭曲(即伸展或壓縮)，找到最小誤差的非線性對(duì)應(yīng)。因?yàn)槭謩?shì)輸入在時(shí)間軸上的連續(xù)性，使得基于向量的數(shù)據(jù)很適合用該算法。DTW算法的實(shí)質(zhì)就是運(yùn)用動(dòng)態(tài)規(guī)劃的思想，利用局部最佳化的處理來尋找一條路徑使得兩個(gè)特征矢量之間的累積失真量最小。
[0097]自適應(yīng)手勢(shì)識(shí)別算法:
[0098]對(duì)于過于簡單的手勢(shì)，當(dāng)匹配相似度沒有一個(gè)手勢(shì)達(dá)到閾值時(shí)，可以重新采用Android原有的匹配方式進(jìn)行匹配，歐幾里得距離對(duì)這種簡單的手勢(shì)識(shí)別率較高。對(duì)于相同方向序列的手勢(shì)，，但從方向的角度考慮這兩種手勢(shì)是基本相同的，因此在相似度上都會(huì)大于閾值。因此利用向量的方向來進(jìn)行匹配的方法只做了初步的篩選，當(dāng)存在多個(gè)相似度大于閾值的手勢(shì)時(shí)，需要進(jìn)行第二輪篩選，此時(shí)利用向量的距離進(jìn)行篩選可以較好地區(qū)分手勢(shì)或者也可以利用Android原有的識(shí)別方式進(jìn)行識(shí)別，算法流程如圖1所示。
[0099]綜上所述，本發(fā)明提出的自適應(yīng)手勢(shì)識(shí)別方法，可提高手勢(shì)識(shí)別的精確度及效率。傳統(tǒng)的Android自定義手勢(shì)識(shí)別采樣，雖然會(huì)保證手勢(shì)的完整性，但是產(chǎn)生了大量的數(shù)據(jù)冗余，并且伴隨著大量的計(jì)算，導(dǎo)致效率不高。本文提出的提出基于向量的手勢(shì)識(shí)別方法，利用該識(shí)別方式能夠針對(duì)移動(dòng)設(shè)備快速高效篩選簡單的操作手勢(shì)同時(shí)與android原有的基于距離(歐氏距離、余弦距離)的識(shí)別方法相結(jié)合，形成自適應(yīng)的識(shí)別方法。較原有的識(shí)別方式在速度和精確度上都有一定的提高，在手持智能移動(dòng)設(shè)備上有廣泛的應(yīng)用前景。
[0100]這里本發(fā)明的描述和應(yīng)用是說明性的，并非想將本發(fā)明的范圍限制在上述實(shí)施例中。這里所披露的實(shí)施例的變形和改變是可能的，對(duì)于那些本領(lǐng)域的普通技術(shù)人員來說實(shí)施例的替換和等效的各種部件是公知的。本領(lǐng)域技術(shù)人員應(yīng)該清楚的是，在不脫離本發(fā)明的精神或本質(zhì)特征的情況下，本發(fā)明可以以其它形式、結(jié)構(gòu)、布置、比例，以及用其它組件、材料和部件來實(shí)現(xiàn)。在不脫離本發(fā)明范圍和精神的情況下，可以對(duì)這里所披露的實(shí)施例進(jìn)行其它變形和改變。
【權(quán)利要求】
1.一種自適應(yīng)手勢(shì)識(shí)別方法，其特征在于，所述方法包括: 步驟S1、基于向量對(duì)手勢(shì)進(jìn)行采樣； 將手勢(shì)通過有方向和大小的向量來構(gòu)造；輸入的手勢(shì)的每一個(gè)點(diǎn)代表觸屏設(shè)備識(shí)別到的觸屏點(diǎn)，并根據(jù)錄入的順序依次儲(chǔ)存在點(diǎn)數(shù)組里；隨后對(duì)手勢(shì)點(diǎn)數(shù)組進(jìn)行遍歷，求出相鄰點(diǎn)的方向，方向由前面的點(diǎn)指向后面的點(diǎn)，再將方向值轉(zhuǎn)換為與設(shè)定的方向值組中最相近的方向值，并存為方向數(shù)組；對(duì)方向數(shù)組中連續(xù)的相同方向上點(diǎn)進(jìn)行合并，計(jì)算連續(xù)方向點(diǎn)的距離同時(shí)將距離過短的向量作為噪點(diǎn)去除；再合并連續(xù)的相同方向點(diǎn)，這時(shí)提取出來的向量首尾相接能夠大致描繪出手勢(shì)的骨架，骨架保留了手勢(shì)的主要特征，具有良好的區(qū)分度；最后對(duì)向量的距離進(jìn)行標(biāo)準(zhǔn)化，保存為采樣的數(shù)組； 步驟S2、將基于向量采樣的手勢(shì)進(jìn)行動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別； 動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別步驟包括:提供一種在時(shí)間軸上富有更大彈性的相似度對(duì)比方法，使做匹配的數(shù)據(jù)能透過在時(shí)間軸上的扭曲，即伸展或壓縮，找到最小誤差的非線性對(duì)應(yīng)；由于手勢(shì)輸入在時(shí)間軸上的連續(xù)性，使得基于向量的數(shù)據(jù)很適合用DTW匹配識(shí)別步驟；運(yùn)用動(dòng)態(tài)規(guī)劃的思想，利用局部最佳化的處理來尋找一條路徑使得兩個(gè)特征矢量之間的累積失真量最??；X軸和Y軸分別為模板數(shù)據(jù)和待匹配的數(shù)據(jù)；X軸和Y軸的交點(diǎn)值代表所對(duì)應(yīng)兩個(gè)數(shù)組數(shù)據(jù)r[i]和t[j]的距離值，用D(r[i]，t[j])表示，距離值的計(jì)算方法用歐式距離算法實(shí)現(xiàn)；隨后選擇路徑起點(diǎn)，利用局部路徑約束使其朝規(guī)定方向動(dòng)態(tài)規(guī)劃，累加計(jì)算距離； 步驟S3、將步驟S2返回的結(jié)果與設(shè)定閾值進(jìn)行比較，做初步篩選；若沒有匹配到手勢(shì)，則轉(zhuǎn)至步驟S4 ;若匹配到若干相似結(jié)果，則轉(zhuǎn)至步驟S5 ;若成功匹配到唯一的手勢(shì)，則直接返回結(jié)果； 步驟S4、通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；模板匹配識(shí)別步驟包括: 通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類； 對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporal Samp ling和空間抽樣 spatialSampling ； 時(shí)間采樣temporal Samp ling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣占.空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果； 經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離； 歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a = [ai，a2，"％ad]，b=則其歐幾里得距離表示為:dist(a；b)=拉(α, -?'?-; 余弦距離表示為:= ; 根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)； 步驟S5、利用向量的距離進(jìn)行篩選，或者通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果；模板匹配識(shí)別步驟包括: 通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類； 對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporal Samp ling和空間抽樣 spatialSampling ； 時(shí)間采樣temporal Samp ling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣占.空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果； 經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離； 歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a = [ai，a2，"％ad]，b=則其歐幾里得距離表示為:dist(ajf) =~biY '' 余弦距離表示為:= P7T；;

|α||6| 根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)。
2.一種自適應(yīng)手勢(shì)識(shí)別方法，其特征在于，所述方法包括: 步驟S1、基于向量對(duì)手勢(shì)進(jìn)行采樣； 步驟S2、將基于向量采樣的手勢(shì)進(jìn)行動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別； 步驟S3、將步驟S2返回的結(jié)果與設(shè)定閾值進(jìn)行比較，做初步篩選；若沒有匹配到手勢(shì)，則轉(zhuǎn)至步驟S4 ;若匹配到若干相似結(jié)果，則轉(zhuǎn)至步驟S5 ;若成功匹配到唯一的手勢(shì)，則直接返回結(jié)果； 步驟S4、通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果； 步驟S5、利用向量的距離進(jìn)行篩選，或者通過模板匹配識(shí)別方式進(jìn)行識(shí)別，返回結(jié)果。
3.根據(jù)權(quán)利要求2所述的自適應(yīng)手勢(shì)識(shí)別方法，其特征在于: 所述步驟S4、步驟S5中的模板匹配識(shí)別步驟包括: 通過手勢(shì)點(diǎn)類來記錄手指在觸屏上滑動(dòng)產(chǎn)生的點(diǎn)(X，y)，點(diǎn)數(shù)據(jù)類型為浮點(diǎn)型；一段連續(xù)的手勢(shì)點(diǎn)構(gòu)造成手勢(shì)筆畫類，通過該類不僅儲(chǔ)存連續(xù)的點(diǎn)信息，還提供計(jì)算手勢(shì)點(diǎn)包圍盒的方法，用于后期進(jìn)行點(diǎn)的位移縮放；最后由一系列手勢(shì)筆畫構(gòu)成最終的手勢(shì)類； 對(duì)獲取的手勢(shì)進(jìn)行預(yù)處理；預(yù)處理采用兩種取樣方法:時(shí)間采樣temporal Samp ling和空間抽樣 spatialSampling ； 時(shí)間采樣temporal Samp ling規(guī)定了采樣點(diǎn)的個(gè)數(shù)N,計(jì)算所有手勢(shì)點(diǎn)的總長度L,將N個(gè)點(diǎn)根據(jù)L/N得到的距離，平均分布到手勢(shì)線路上；最后分配好的N個(gè)點(diǎn)的坐標(biāo)作為取樣占.空間抽樣spatialSampling是將手勢(shì)渲染成N*N大小的2D位圖，其先對(duì)手勢(shì)大小縮放到統(tǒng)一大小，然后根據(jù)坐標(biāo)點(diǎn)的小數(shù)部分判斷點(diǎn)的比重，來填充N*N大小位圖的數(shù)組，最后返回該數(shù)組作為取樣結(jié)果； 經(jīng)過變換取樣標(biāo)準(zhǔn)化后會(huì)得到統(tǒng)一長度的樣本數(shù)組，Android平臺(tái)采用兩種相似度算法分別為歐幾里得距離和余弦距離； 歐幾里得距離假設(shè)在d維空間有兩點(diǎn)a = [ai，a2，"％ad]，b=則其歐幾里得距離表示為:—tia’b) = Jp'a,.-/),.)2 ; 余弦距離表示為:—(a加=ρττ?: 根據(jù)計(jì)算得到相似度最高的手勢(shì)即為最匹配手勢(shì)。
4.根據(jù)權(quán)利要求2所述的自適應(yīng)手勢(shì)識(shí)別方法，其特征在于: 所述步驟S1具體包括:將手勢(shì)通過有方向和大小的向量來構(gòu)造；輸入的手勢(shì)的每一個(gè)點(diǎn)代表觸屏設(shè)備識(shí)別到的觸屏點(diǎn)，并根據(jù)錄入的順序依次儲(chǔ)存在點(diǎn)數(shù)組里；隨后對(duì)手勢(shì)點(diǎn)數(shù)組進(jìn)行遍歷，求出相鄰點(diǎn)的方向，方向由前面的點(diǎn)指向后面的點(diǎn)，再將方向值轉(zhuǎn)換為與設(shè)定的方向值組中最相近的方向值，并存為方向數(shù)組；對(duì)方向數(shù)組中連續(xù)的相同方向上點(diǎn)進(jìn)行合并，計(jì)算連續(xù)方向點(diǎn)的距離同時(shí)將距離過短的向量作為噪點(diǎn)去除；再合并連續(xù)的相同方向點(diǎn)，這時(shí)提取出來的向量首尾相接能夠大致描繪出手勢(shì)的骨架，骨架保留了手勢(shì)的主要特征，具有良好的區(qū)分度；最后對(duì)向量的距離進(jìn)行標(biāo)準(zhǔn)化，保存為采樣的數(shù)組。
5.根據(jù)權(quán)利要求2所述的自適應(yīng)手勢(shì)識(shí)別方法，其特征在于: 所述步驟S2中，動(dòng)態(tài)時(shí)間歸整DTW匹配識(shí)別步驟包括:提供一種在時(shí)間軸上富有更大彈性的相似度對(duì)比方法，使做匹配的數(shù)據(jù)能透過在時(shí)間軸上的扭曲，即伸展或壓縮，找到最小誤差的非線性對(duì)應(yīng)；由于手勢(shì)輸入在時(shí)間軸上的連續(xù)性，使得基于向量的數(shù)據(jù)很適合用DTW匹配識(shí)別步驟；運(yùn)用動(dòng)態(tài)規(guī)劃的思想，利用局部最佳化的處理來尋找一條路徑使得兩個(gè)特征矢量之間的累積失真量最??；Χ軸和Υ軸分別為模板數(shù)據(jù)和待匹配的數(shù)據(jù)；Χ軸和Υ軸的交點(diǎn)值代表所對(duì)應(yīng)兩個(gè)數(shù)組數(shù)據(jù)r[i]和t[j]的距離值，用D(r[i]，t[j])表示，距離值的計(jì)算方法用歐式距離算法實(shí)現(xiàn)；隨后選擇路徑起點(diǎn)，利用局部路徑約束使其朝規(guī)定方向動(dòng)態(tài)規(guī)劃，累加計(jì)算距離。
【文檔編號(hào)】G06F3/0488GK104267835SQ201410464452
【公開日】2015年1月7日 申請(qǐng)日期:2014年9月12日 優(yōu)先權(quán)日:2014年9月12日
【發(fā)明者】李保印 申請(qǐng)人:西安聞泰電子科技有限公司