本發(fā)明涉及信息處理技術(shù)領(lǐng)域，尤其涉及一種操作姿勢識別方法及裝置。

背景技術(shù)：

隨著信息技術(shù)和電子技術(shù)的迅速發(fā)展，電子設(shè)備，如手機(jī)、平板電腦等移動終端的功能越來越強(qiáng)大及豐富。用戶可以利用電子設(shè)備進(jìn)行通話、收發(fā)消息、進(jìn)行信息存儲、社交、購物、辦公及參與投票、點評等各種活動。這樣的話，電子設(shè)備中存儲的信息和應(yīng)用功能的安全性就顯得越來越重要。為了提高電子設(shè)備的信息安全和使用安全，在現(xiàn)有技術(shù)中提出了對操作姿勢進(jìn)行識別來確保安全的機(jī)制。在現(xiàn)有技術(shù)中對操作姿勢進(jìn)行識別，通過對操作姿勢的采集和特征提取，能夠攔截部分非法用戶的操作，可是實踐證明，識別精確度還不夠高，識別誤差導(dǎo)致電子設(shè)備的信息安全和使用安全的問題依然還很大。

技術(shù)實現(xiàn)要素：

有鑒于此，本發(fā)明實施例期望提供一種操作姿勢識別方法及裝置，至少部分解決識別精確度低的問題。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案是這樣實現(xiàn)的：

本發(fā)明實施例第一方面提供一種操作姿勢識別方法，所述方法包括：

采集指定部位的操作姿勢，檢測形成姿勢序列；

對所述姿勢序列進(jìn)行小波包分解，獲得小波包分解信號；

對指定頻帶的所述小波包分解信號進(jìn)行重構(gòu)，獲得重構(gòu)信號；其中，所述指定頻帶的所述小波包分解信號包括所述小波包分解信號中的形狀特征子帶信號及生物抖動特征子帶信號；

提取所述小波包分解信號的能量特征；

基于所述重構(gòu)信號和所述能量特征，識別所述操作姿勢是否為預(yù)設(shè)操作姿勢。

基于上述方案，所述采集指定部位的操作姿勢，檢測形成姿勢序列，包括：

利用三軸加速度傳感器，采集所述指定部位的操作姿勢，獲得采集信號；

利用差分算法對所述采集信號的進(jìn)行信號處理，獲得所述加速度的差分序列；

利用加速度差分閾值，篩選出所述差分序列中的有效項構(gòu)成所述姿勢序列。

基于上述方案，所述對所述姿勢序列進(jìn)行小波包分解，獲得小波包分解信號，包括：

對所述姿勢序列進(jìn)行三重小波包分解，在第三層分解中形成8個小波包分解信號；

所述對指定頻帶的所述小波包分解信號進(jìn)行重構(gòu)，獲得重構(gòu)信號，包括：

利用預(yù)設(shè)重構(gòu)函數(shù)，對所述8個小波包分解信號中的低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號。

基于上述方案，所述對所述姿勢序列進(jìn)行三重小波包分解，在第三層分解中形成8個小波包分解信號，包括：

利用公式及所述姿勢序列進(jìn)行三重小波包分解；其中，所述為輸入值，l1表示離散序列的位置，表示第j1層的第n1特征子帶信號位置l1的數(shù)據(jù)點的值；為所述姿勢序列；所述h1(l1-2k1)為求解所述的展開系數(shù)；所述g1(l1-2k1)為求解所述的展開系數(shù)；

所述利用預(yù)設(shè)重構(gòu)函數(shù)，對所述8個小波包分解信號中的低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號，包括：

利用公式對所述8個小波包分解信號中4個低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號；其中，所述為輸入值，表示的為第j2+1層的第2n2個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；所述為輸入值，表示的為第j2+1層的第2n2+1個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；其中，所述為所述重構(gòu)信號。

基于上述方案，所述基于所述重構(gòu)信號和所述能量特征，識別所述操作姿勢是否為預(yù)設(shè)操作姿勢，包括：

將所述重構(gòu)信號與預(yù)設(shè)合法姿勢的重構(gòu)信號進(jìn)行匹配，確定匹配度；

確定所述指定頻帶的信號能量與所述操作姿勢的總能量的能量比值；

當(dāng)所述匹配度大于預(yù)設(shè)匹配值且所述能量比值大于預(yù)設(shè)比值時，確定所述操作姿勢為合法姿勢。

本發(fā)明實施例第二方面提供一種操作姿勢識別裝置，所述裝置包括：

采集檢測單元，用于采集指定部位的操作姿勢，檢測形成姿勢序列；

分析單元，用于對所述姿勢序列進(jìn)行小波包分解，獲得小波包分解信號；

重構(gòu)單元，用于對指定頻帶的所述小波包分解信號進(jìn)行重構(gòu)，獲得重構(gòu)信號；其中，所述指定頻帶的所述小波包分解信號包括所述小波包分解信號中的形狀特征子帶信號及生物抖動特征子帶信號；

提取單元，用于提取所述小波包分解信號的能量特征；

識別單元，用于基于所述重構(gòu)信號和所述能量特征，識別所述操作姿勢是否為預(yù)設(shè)操作姿勢。

基于上述方案，所述采集檢測單元，具體用于利用三軸加速度傳感器，采集所述指定部位的操作姿勢，獲得采集信號；利用差分算法對所述采集信號的進(jìn)行信號處理，獲得所述加速度的差分序列；利用加速度差分閾值，篩選出所述差分序列中的有效項構(gòu)成所述姿勢序列。

基于上述方案，所述分解單元，具體用于對所述姿勢序列進(jìn)行三重小波包分解，在第三層分解中形成8個小波包分解信號；

所述重構(gòu)單元，具體用于利用預(yù)設(shè)重構(gòu)函數(shù)，對所述8個小波包分解信號中的低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號。

基于上述方案，所述分解單元，具體用于利用公式所述姿勢序列進(jìn)行三重小波包分解；其中，所述為輸入值，l1表示離散序列的位置，表示第j1層的第n1特征子帶信號位置l1的數(shù)據(jù)點的值；為所述姿勢序列；所述h1(l1-2k1)為求解所述的展開系數(shù)；所述g1(l1-2k1)為求解所述的展開系數(shù)；

所述重構(gòu)單元，具體用于利用公式對所述8個小波包分解信號中4個低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號；其中，所述為輸入值，表示的為第j2+1層的第2n2個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；所述為輸入值，表示的為第j2+1層的第2n2+1個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；其中，所述為所述重構(gòu)信號。

基于上述方案，所述識別單元，具體用于將所述重構(gòu)信號與預(yù)設(shè)合法姿勢的重構(gòu)信號進(jìn)行匹配，確定匹配度；確定所述指定頻帶的信號能量與所述操作姿勢的總能量的能量比值；當(dāng)所述匹配度大于預(yù)設(shè)匹配值且所述能量比值大于預(yù)設(shè)比值時，確定所述操作姿勢為合法姿勢。

本發(fā)明實施例提供的操作姿勢識別方法及裝置，在進(jìn)行小波包分解之后，將會同時對形狀特征子帶信號和生物抖動特征子帶信號進(jìn)行重構(gòu)，形成重構(gòu)信號；這樣形成的重構(gòu)信號一方面能夠表征操作姿勢的形狀特征，同時還將將表征操作姿勢的生物抖動特征；再根據(jù)重構(gòu)信號及小波包分解信號的能量特征，從而兩個維度來分析所述操作姿勢的特征，提高了操作姿勢識別的精確度，從而提高了電子設(shè)備利用操作姿勢進(jìn)行安全機(jī)制的管控時的安全性和可靠性。

附圖說明

圖1為本發(fā)明實施例提供的操作姿勢識別方法的流程示意圖之一；

圖2為本發(fā)明實施例提供的姿勢序列的形成流程示意圖；

圖3為本發(fā)明實施例提供的三重小波包分解信號的樹形結(jié)構(gòu)示意圖；

圖4為本發(fā)明實施例提供的同一個用戶的兩次有效手勢序列波形比對示意圖；

圖5為本發(fā)明實施例提供的不同用戶的有效手勢序列波形比對示意圖；

圖6為本發(fā)明實施例提供的小波包分解信號及重構(gòu)信號的波形示意圖；

圖7為本發(fā)明實施例提供的一種小波包分解信號的能量特征示意圖；

圖8為本發(fā)明實施例提供的正手勢能量特征比較示意圖；

圖9為本發(fā)明實施例提供的正手勢和負(fù)手勢能量特征比較示意圖；

圖10為本發(fā)明實施例提供的一種歸一化正手勢能量特效示意圖；

圖11為本發(fā)明實施例提供的一種正手勢1和正手勢模板1的能量特征比較示意圖；

圖12為基于edtw匹配校準(zhǔn)之后的正手勢1和正手勢模板1的能量特征比較示意圖；

圖13為本發(fā)明實施例提供的一種操作手勢識別裝置的結(jié)構(gòu)示意圖；

圖14為本發(fā)明實施例提供的操作手勢識別方法的流程示意圖之二。

具體實施方式

以下結(jié)合說明書附圖及具體實施例對本發(fā)明的技術(shù)方案做進(jìn)一步的詳細(xì)闡述。

實施例一：

如圖1所示，本實施例提供一種操作姿勢識別方法，所述方法包括：

步驟s110：采集指定部位的操作姿勢，檢測形成姿勢序列；

步驟s120：對所述姿勢序列進(jìn)行小波包分解，獲得小波包分解信號；

步驟s130：對指定頻帶的所述小波包分解信號進(jìn)行重構(gòu)，獲得重構(gòu)信號；其中，所述指定頻帶的所述小波包分解信號包括所述小波包分解信號中的形狀特征子帶信號及生物抖動特征子帶信號；

步驟s140：提取所述小波包分解信號的能量特征；

步驟s150：基于所述重構(gòu)信號和所述能量特征，識別所述操作姿勢是否為預(yù)設(shè)操作姿勢。

本實施例所述的操作姿勢識別方法，可以應(yīng)用于各種電子設(shè)備，進(jìn)行操作姿勢的識別。在本實施例中所述操作姿勢可包括手勢。在本實施例的步驟s110中將可采集用戶的手部的操作姿勢，形成姿勢序列。這里的利用各種傳感器采集手勢操作等。例如，圖像采集器通過圖像采集的方式采集所述操作姿勢，通過解析圖像，獲得姿勢序列。這里的姿勢序列為進(jìn)行信息解析得到的離散序列。

在步驟s120中將對姿勢序列進(jìn)行小波包分解，獲得小波包分解信號。小波包分解(waveletpacketdecomposition)也可稱為小波包(waveletpacket)或子帶樹(subbandtree)及最佳子帶樹結(jié)構(gòu)(optimalsubbandtreestructuring)，通過利用分析樹來表示小波包，即利用多次疊代的小波轉(zhuǎn)換分析輸入訊號的細(xì)節(jié)部分，從而獲得不同操作姿勢的姿勢特征。

小波包分解信號按照頻率劃分，形成的多個小波包分解信號，可能形成頻率不一致的多個特征子帶信號。在步驟s130中將對指定頻帶的特征子帶信號進(jìn)行信號重建。在步驟s120中分解形成的小波包分解信號，有的能夠反映出操作姿勢的形狀特征，有的能夠反映出操作姿勢的生物抖動特征。這里的形狀特征可包括操作姿勢的滑動軌跡特征，指定部位的姿態(tài)特征，例如手勢形狀特征。所述生物抖動特征可包括在形成滑動軌跡的過程中的抖動幅度及抖動頻率等各種特征?？傊?，在步驟s130中將對包括對形狀特征和生物抖動特征都有表現(xiàn)的指定頻帶的特征子帶信號進(jìn)行信號重構(gòu)。進(jìn)行了信號重構(gòu)之后，形成的重構(gòu)信號，能夠更加凸顯出不同操作姿勢的在形態(tài)特征和生物抖動特征之間的異同。

步驟s140中將提取小波包分解信號的能量特征。

在步驟s150中將基于重構(gòu)信號和能量特征，這兩個維度來對操作姿勢進(jìn)行識別，且重構(gòu)信號不僅能夠表征操作姿勢的形狀特征，還將表征操作姿勢的生物抖動特征；增加了對操作姿勢識別的依據(jù)參數(shù)，能夠提高識別的精確度。

如圖2所示，在本實施例中所述步驟s110可包括：

步驟s121：利用三軸加速度傳感器，采集所述指定部位的操作姿勢，獲得采集信號；

步驟s122：利用差分算法對所述采集信號的進(jìn)行信號處理，獲得所述加速度的差分序列；

步驟s123：利用加速度差分閾值，篩選出所述差分序列中的有效項構(gòu)成所述姿勢序列。

在本實施例中所述步驟s110中將利用三周加速度傳感器，這里的三軸可對應(yīng)于三維直角坐標(biāo)系的三個坐標(biāo)軸。這三個坐標(biāo)軸中的任意兩個兩兩互相垂直。在本實施例中若假設(shè)三個所述坐標(biāo)軸分別為x軸、y軸及z軸。這里的三軸加速度傳感器將分別檢測x軸、y軸和z軸上的加速度作為所述采集信號。接下來利用差分算法對三個坐標(biāo)軸對應(yīng)的方向上的加速度進(jìn)行差分處理，獲得差分序列。具體地如，利用公式求解所述差分序列。在具體實現(xiàn)過程中，還將利用公式對三軸加速度信號進(jìn)行差分求和，得到差分序列的平滑序列。前述公式中的u為采樣數(shù)據(jù)個數(shù)。在本實施例中所述步驟s110還可包括：去除差分序列中的無效項。以操作手勢為例，若用戶有意識的執(zhí)行一個操作手勢，通常加速度都處于劇烈變化的狀態(tài)，若用戶沒有想要執(zhí)行特定的操作手勢時，采集到的用戶手勢的加速度都相對較為平穩(wěn)。在本實施例中，可以通過設(shè)置所述或mi的最小閾值，去除所述差分序列中的無效項或平滑序列中的無效項，最后去除所述無效項之后就剩下了有效項，這些有效項就構(gòu)成了所述姿勢序列。采用本實施例所述的姿勢序列的檢測方法，一方面減少對后續(xù)操作的數(shù)據(jù)量處理，另一方面更為重要的是能夠減少因差分序列中無效項過多導(dǎo)致的識別精確度低的現(xiàn)象。

進(jìn)一步地，所述步驟s120可包括：對所述姿勢序列進(jìn)行三重小波包分解，在第三層分解中形成8個小波包分解信號。對應(yīng)的，所述步驟s130可包括：利用預(yù)設(shè)重構(gòu)函數(shù)，對所述8個小波包分解信號中的低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號。

圖3所示的為進(jìn)行三重小波包分解的示意圖，顯然進(jìn)行了三次小波包分解之后，形成了8個小波包分解信號。圖3中用s(x1，x2)來標(biāo)識小波包分解信號，其中x1用于表示分解的層次，x2表示x1層分解的第x2個信號。例如，(3，1)表示第三層分解得到的第0個信號。

通過分析操作姿勢的特點，發(fā)現(xiàn)操作姿勢的特征主要集中在低頻段。在本實施例中將從8個小波包分解信號中選擇處于低頻帶的4個小波包分解信號，來進(jìn)行信號重構(gòu)。在本實施例中，參考圖3可以選擇信號s(3，0)、s(3，1)、s(3，2)及s(3，3)作為指定頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得重構(gòu)信號。通過信號分析確定出，信號s(3，0)通?？杀硎境霾僮髯藙莸男螤钐卣?，信號s(3，1)、s(3，2)及s(3，3)能夠反映出操作姿勢形成過程中的生物抖動特征。其中，信號s(3，1)是最能夠反映生物抖動特征的。

通過信號重構(gòu)，更加圖像出這種生物抖動特征。

在步驟s150中，將結(jié)合重構(gòu)信號，對該操作姿勢進(jìn)行識別。

作為本實施例中的進(jìn)一步改進(jìn)，所述步驟s120具體可包括：利用公式及所述姿勢序列進(jìn)行三重小波包分解；其中，所述為輸入值，l1表示離散序列的位置，表示第j1層的第n1特征子帶信號位置l1的數(shù)據(jù)點的值；為所述姿勢序列；所述h1(l1-2k1)為求解所述的展開系數(shù)；所述g1(l1-2k1)為求解所述的展開系數(shù)。

所述步驟s130可包括：

利用公式對所述8個小波包分解信號中4個低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號；其中，所述為輸入值，表示的為第j2+1層的第2n2個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；所述為輸入值，表示的為第j2+1層的第2n2+1個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；其中，所述為所述重構(gòu)信號。

圖4展示的不同用戶的手勢操作對應(yīng)的重構(gòu)信號的波形比對圖；圖5展示的相同用戶的手勢操作對應(yīng)的重構(gòu)信號的波形比對圖；通過實驗分析，加速度信號波形在跳變點處的不同頻率成分的能量與各跳變點處的個人特性關(guān)系極大。由圖4和圖5可以看出，不同人的同一手勢s(3,0)和s(3,1)波形差別較大，個性特征比較明顯，而s(3,2)和s(3,3)波形幅值波動小，差別較小，個性特征不明顯。對于同一個人的兩組手勢，其s(3,0)與s(3,1)重構(gòu)波形走勢大致相同但略有差別，表明s(3,0)波形可以反映出不同人做手勢的差異，具有一定的個性與穩(wěn)定性。s(3,0)重構(gòu)波形能代表手勢實施者的個性但并不穩(wěn)定與s(3,3)重構(gòu)波形較為相近，幅度值比較小，表現(xiàn)出一定的穩(wěn)定性的特點，二者既有聯(lián)系又有區(qū)別。

本發(fā)明實施例在綜合考慮重構(gòu)波形的個性及穩(wěn)定性特征的基礎(chǔ)上，結(jié)合用戶手勢形狀特征與用戶手勢抖動生物特征，通過認(rèn)證用戶操作手勢時所執(zhí)行的手勢形狀特征，以及用戶本人的抖動生物特征，對用戶認(rèn)證的特征進(jìn)行多特征融合處理，有效避免單個特征認(rèn)證時易受噪聲影響和魯棒性低等缺點，提高了用戶認(rèn)證的精度。小波包分解及重構(gòu)結(jié)果，如圖6所示，經(jīng)過小波分解與重構(gòu)后的手勢信號與原信號趨勢相近，表明小波包處理在提取低頻特征的同時，對原始信號起到了濾除高頻噪聲的效果，提高了提取特征的可靠性。顯然，可以從圖4和圖5的這種重構(gòu)信號的這種比對，識別出不同用戶，從而實現(xiàn)合法用戶的手勢操作的識別。

圖7所示的為對三重小波包分解形成的8個特征子帶信號的能量提取后的示意圖。在本實例中可以利用如下公式提取小波包重構(gòu)信號的分段能量信號：

其中，ak表示指定頻帶的特征子帶信號s＝s(3,0)+s(3,1)+s(3,2)+s(3,3)重構(gòu)信號的小波系數(shù)，n＝2，i＝1,2,...,m，m表示能量分段個數(shù)；所述j表示的為第三重分解的小波包的序號。為了減少頻譜能量泄漏，以加窗的方式進(jìn)行局部能量區(qū)域的劃分，通過滑動窗口依次計算出局部能量特征點，可以窗口大小為2n+1。窗的中心點的小波系數(shù)作為局部能量的初始計算點，并以n限制窗口的大小由于歐式距離可以不失真的反映出空間兩點的真實差異，以歐式距離公式計算出局部能量段的系數(shù)，其誤差的影響可以達(dá)到最小，反映出真實不失真的能量特征，有效提高了用戶認(rèn)證的成功率。

圖8為3個正手勢的能量特征比較示意圖。這里的正手勢即為前述的合法手勢。這里的正手勢1、正手勢2及正手勢3都為合法用戶的正確操作手勢。顯然這三個正手勢之間的能量特征曲線之間的波形很相似。

圖9為提取的正手勢與負(fù)手勢能量特征比較結(jié)果。這里的負(fù)手勢為前述的非法手勢，即為合法手勢以外的非法手勢。從圖9可知正手勢能量特征曲線與負(fù)手勢能量特征曲線的差異很大。這里的負(fù)手勢為非法用戶模仿合法用戶的操作手勢形成操作手勢。

為了方便比對，如圖7所示，所以需要對提取的能量特征進(jìn)行歸一化處理，能量歸一化可以減小同類手勢相對于手勢幅度大小的影響，將歸一化將數(shù)據(jù)規(guī)整到[0,1]范圍之間，根據(jù)分段能量公式可以得到重構(gòu)信號的總能量為：

利用以下公式分別對分段能量進(jìn)行能量歸一化處理：

其中，i＝1,2,3,...,m，m為重構(gòu)信號的能量分段個數(shù)，分段能量歸一化處理后的結(jié)果，如圖10所示，歸一化后的本人同類手勢的幅度偏差減小，適當(dāng)提高了識別的精度。

在本實施例中在進(jìn)行操作手勢的識別時，為了解決時間序列長度不一致的問題，需要對信號序列v(i)和w(j)的動態(tài)時間規(guī)整。v(i)為待識別操作姿勢的小波包分解重構(gòu)信號的分段能量特征。w(j)表示預(yù)先設(shè)定的合法操作姿勢的小波包分解重構(gòu)信號的分段能量特征，其中，i對于分段的位置。具體的如，所述v(i)可為可對應(yīng)于圖10和圖11中的正手勢1。所述w(j)可為可對應(yīng)于圖10和圖11中的正手勢模板1的小波包分解信號的信號序列。在本實施例中可以采用基于歐幾里得距離的動態(tài)時間包裝(dynamictimewrapbasedoneucliddistance，edtw)在dtw算法計算出累積距離矩陣的基礎(chǔ)上，按照最優(yōu)路徑搜索的方法，找出最優(yōu)匹配路徑，按照歐氏距離計算出其累計距離，并按一定的方式得到匹配分值φ，實現(xiàn)匹配過程，再將匹配分值φ與優(yōu)化閾值θeer進(jìn)行比較，如果φ<θeer成立，則匹配通過；反之，則匹配不通過。

作為本實施例的進(jìn)一步改進(jìn)，所述步驟s150可包括：

將所述重構(gòu)信號與預(yù)設(shè)合法姿勢的重構(gòu)信號進(jìn)行匹配，確定匹配度；

確定所述指定頻帶的信號能量與所述操作姿勢的總能量的能量比值；

當(dāng)所述匹配度大于預(yù)設(shè)匹配值且所述能量比值大于預(yù)設(shè)比值時，確定所述操作姿勢為合法姿勢。

在本實施例中為了提升操作姿勢的識別精確度，將從重構(gòu)信號的匹配度和指定頻帶的信號占總能量的能力比值，這兩個維度來判斷當(dāng)前的操作姿勢是否為合法用戶的操作姿勢，從而實現(xiàn)對電子設(shè)備的信息安全性和使用安全性的嚴(yán)格把控，提升電子設(shè)備的信息安全和使用安全性。

實施例二：

如圖13所示，本實施例提供一種操作姿勢識別裝置，所述裝置包括：

采集檢測單元110，用于采集指定部位的操作姿勢，檢測形成姿勢序列；

分析單元120，用于對所述姿勢序列進(jìn)行小波包分解，獲得小波包分解信號；

重構(gòu)單元130，用于對指定頻帶的所述小波包分解信號進(jìn)行重構(gòu)，獲得重構(gòu)信號；其中，所述指定頻帶的所述小波包分解信號包括所述小波包分解信號中的形狀特征子帶信號及生物抖動特征子帶信號；

提取單元140，用于提取所述小波包分解信號的能量特征；

識別單元150，用于基于所述重構(gòu)信號和所述能量特征，識別所述操作姿勢是否為預(yù)設(shè)操作姿勢。

本實施例所述操作姿勢識別裝置，能夠?qū)崿F(xiàn)前述操作姿勢識別方法的任意一個技術(shù)方案，為實施例一所述的方法提供支撐硬件；同樣具有姿勢識別精確度高及安全性和可靠性高的特點。

在本實施例中所述采集檢測單元110可包括各種能夠采集操作姿勢的結(jié)構(gòu)，例，例如照相機(jī)或攝影機(jī)等圖像采集結(jié)構(gòu)，還可包括觸控面板或懸浮觸控面板等觸控采集結(jié)構(gòu)。

所述分析單元120、重構(gòu)單元130、提取單元140及識別單元150可對應(yīng)于電子設(shè)備中的處理器或處理電路；所述處理器可包括中央處理器、微處理器、數(shù)字信號處理器或可編程陣列等結(jié)構(gòu)。所述處理電路可包括專用集成電路。所述處理器或處理電路可通過執(zhí)行存儲與所述處理器或處理電路連接的存儲介質(zhì)中的代碼，實現(xiàn)前述分析單元120、重構(gòu)單元130、提取單元140及識別單元150的功能。

進(jìn)一步地，所述采集檢測單元110，具體用于利用三軸加速度傳感器，采集所述指定部位的操作姿勢，獲得采集信號；利用差分算法對所述采集信號的進(jìn)行信號處理，獲得所述加速度的差分序列；利用加速度差分閾值，篩選出所述差分序列中的有效項構(gòu)成所述姿勢序列。在本實施例中所述采集檢測單元110可包括所述三軸加速度傳感器，采集的加速度；同時所述采集檢測單元110還可包括其他加速度檢測結(jié)構(gòu)，例如可在設(shè)置在不同方向上的陀螺儀等能夠檢測加速度的設(shè)備。所述采集檢測單元110還包括能夠?qū)λ鰯?shù)據(jù)進(jìn)行處理的處理器或處理電路，通過差分算法及加速度差分閾值的進(jìn)行信號處理，獲得姿勢序列；采用這樣的采集檢測單元110形成的姿勢序列，有利于提升識別的精確度。

進(jìn)一步地，所述分解單元120，具體用于對所述姿勢序列進(jìn)行三重小波包分解，在第三層分解中形成8個小波包分解信號；所述重構(gòu)單元130，具體用于利用預(yù)設(shè)重構(gòu)函數(shù)，對所述8個小波包分解信號中的低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號。在本實施例中所述分解單元120將采用三重分解，獲得8個小波包分解信號。其中這8個小波包分解信號按照波形頻率可分為低頻部分和高頻部分。在本實施例中所述低頻部分包括4個小波包分解信號，剩余的為高頻部分。在本實施例中所述重構(gòu)單元130將對低頻部分的小波包分集信號進(jìn)行重構(gòu)，形成重構(gòu)信號。重構(gòu)信號更能體現(xiàn)操作姿勢的波形和頻率特征，以方便精確識別。

進(jìn)一步地，所述分解單元120，具體用于利用公式及所述姿勢序列進(jìn)行三重小波包分解；其中，所述為輸入值，l1表示離散序列的位置，表示第j1層的第n1特征子帶信號位置l1的數(shù)據(jù)點的值；為所述姿勢序列；所述h1(l1-2k1)為求解所述的展開系數(shù)；所述g1(l1-2k1)為求解所述的展開系數(shù)；

所述重構(gòu)單元130，具體用于利用公式對所述8個小波包分解信號中4個低頻帶的特征子帶信號進(jìn)行重構(gòu)，獲得所述重構(gòu)信號；其中，所述為輸入值，表示的為第j2+1層的第2n2個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；所述為輸入值，表示的為第j2+1層的第2n2+1個所述特征子帶信號位置l2處的數(shù)據(jù)點的值；其中，所述為所述重構(gòu)信號。

所述分解單元120和所述重構(gòu)單元130可包括計算器或具有計算功能的處理器，能夠根據(jù)上述函數(shù)關(guān)系式，進(jìn)行小波包分解和小波包分解信號的重構(gòu)，具有結(jié)構(gòu)簡單、實現(xiàn)簡便及識別精確度高的特點。

進(jìn)一步地，所述識別單元150，具體用于將所述重構(gòu)信號與預(yù)設(shè)合法姿勢的重構(gòu)信號進(jìn)行匹配，確定匹配度；確定所述指定頻帶的信號能量與所述操作姿勢的總能量的能量比值；當(dāng)所述匹配度大于預(yù)設(shè)匹配值且所述能量比值大于預(yù)設(shè)比值時，確定所述操作姿勢為合法姿勢。

在本實施例中所述識別單元150會將重構(gòu)信號與預(yù)設(shè)合法姿勢的重構(gòu)信號進(jìn)行匹配，確定出匹配度；同時將會將制定頻帶的信號能量和操作姿勢的總能量的進(jìn)行比較獲得能量比值，進(jìn)而基于匹配度和能量比值，確定出當(dāng)前的操作姿勢是否為合法姿勢。這里的識別單元150具體可包括比較器，可用于進(jìn)行重構(gòu)信號的匹配比較，比較傲器還可用于能量比值與比值閾值的比較，再根據(jù)比較的邏輯值的邏輯與處理等，確定出該操作姿勢是否為合法姿勢。當(dāng)然所述識別單元150也可以對應(yīng)于處理器或處理電路等結(jié)構(gòu)，能夠進(jìn)行上述匹配和處理，精確的進(jìn)行姿勢識別。

基于上述實施例任意一個技術(shù)方案，還提供一個具體示例：

如圖14所示，本示例提供一種手勢識別方法，包括：

步驟s1：加速度手勢數(shù)據(jù)的采集，獲得表征加速度的手勢信號；

步驟s2：手勢信號的差分檢測；具體可利用前述實施例中的差分算法來進(jìn)行。

步驟s3：小波包分解與重構(gòu)。

步驟s4：采用edtw算法進(jìn)行匹配，若匹配成功，進(jìn)入步驟s6，若未匹配成功，進(jìn)入步驟s7。

步驟s6：確定該手勢為合法用戶的手勢。

步驟s7：確定該手勢為非法用戶的手勢。

在本申請所提供的幾個實施例中，應(yīng)該理解到，所揭露的設(shè)備和方法，可以通過其它的方式實現(xiàn)。以上所描述的設(shè)備實施例僅僅是示意性的，例如，所述單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，如：多個單元或組件可以結(jié)合，或可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。另外，所顯示或討論的各組成部分相互之間的耦合、或直接耦合、或通信連接可以是通過一些接口，設(shè)備或單元的間接耦合或通信連接，可以是電性的、機(jī)械的或其它形式的。

上述作為分離部件說明的單元可以是、或也可以不是物理上分開的，作為單元顯示的部件可以是、或也可以不是物理單元，即可以位于一個地方，也可以分布到多個網(wǎng)絡(luò)單元上；可以根據(jù)實際的需要選擇其中的部分或全部單元來實現(xiàn)本實施例方案的目的。

另外，在本發(fā)明各實施例中的各功能單元可以全部集成在一個處理模塊中，也可以是各單元分別單獨作為一個單元，也可以兩個或兩個以上單元集成在一個單元中；上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用硬件加軟件功能單元的形式實現(xiàn)。

本領(lǐng)域普通技術(shù)人員可以理解：實現(xiàn)上述方法實施例的全部或部分步驟可以通過程序指令相關(guān)的硬件來完成，前述的程序可以存儲于一計算機(jī)可讀取存儲介質(zhì)中，該程序在執(zhí)行時，執(zhí)行包括上述方法實施例的步驟；而前述的存儲介質(zhì)包括：移動存儲設(shè)備、只讀存儲器(rom，read-onlymemory)、隨機(jī)存取存儲器(ram，randomaccessmemory)、磁碟或者光盤等各種可以存儲程序代碼的介質(zhì)。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)以所述權(quán)利要求的保護(hù)范圍為準(zhǔn)。