1.一種超聲波手勢識別方法，該方法包括
a)發(fā)射超聲波信號；
b)采集超聲波信號并同時采集與當(dāng)前情境相關(guān)的情境信息，其中所述情境信息包括影響手勢發(fā)生的一個或多個情境因素；
c)基于發(fā)射和采集的超聲波信號獲取手勢特征；
d)利用預(yù)先訓(xùn)練好的手勢分類模型獲取該手勢特征的手勢概率向量，所述手勢概率向量由所述手勢特征屬于預(yù)設(shè)的各種手勢的概率構(gòu)成；
e)基于所采集的情境信息和預(yù)定的情境特征矩陣來確定與所述手勢特征相關(guān)的情境概率向量，其中所述情境特征矩陣由所述預(yù)設(shè)的各種手勢在各個情境因素下發(fā)生的概率構(gòu)成，所述情境概率向量由預(yù)設(shè)的各種手勢在當(dāng)前情境下發(fā)生的概率構(gòu)成；
f)基于所述手勢概率向量和所述情境概率向量確定在當(dāng)前情境中所述手勢特征屬于預(yù)設(shè)的各種手勢的概率并將其中最大概率對應(yīng)的手勢識別為與所采集的超聲波信號對應(yīng)的手勢。
2.根據(jù)權(quán)利要求1所述的方法，在步驟f)還包括判斷該最大概率是否在所識別的手勢對應(yīng)的置信區(qū)間中，如果在，則對該手勢進(jìn)行響應(yīng)。
3.根據(jù)權(quán)利要求1所述的方法，其中還包括訓(xùn)練手勢分類模型的步驟，所述手勢分類模型采用基于機(jī)器學(xué)習(xí)的方法來實(shí)現(xiàn)，所述手勢分類模型的輸入為手勢特征，輸出為手勢概率向量。
4.根據(jù)權(quán)利要求2所述的方法，其中所述置信區(qū)間是通過下列步驟得到的：
確定用來進(jìn)行訓(xùn)練的樣本數(shù)據(jù)集，所述樣本數(shù)據(jù)集中包括手勢特征樣本，與該手勢特征樣本相關(guān)的情境信息；
對于樣本數(shù)據(jù)集中的每個手勢特征樣本：
根據(jù)預(yù)定的各種手勢給該手勢特征樣本標(biāo)注其所屬的手勢種類，利用預(yù)先訓(xùn)練好的手勢分類模型獲取該手勢特征樣本的手勢概率向量，
基于與該手勢特征樣本相關(guān)的情境信息和預(yù)定的情境特征矩陣來確定與該手勢特征樣本相關(guān)的情境概率向量，該情境概率向量由預(yù)設(shè)的各種手勢在采集該手勢特征樣本時的情境下發(fā)生的概率構(gòu)成；
基于所述手勢概率向量和所述情境概率向量得到所述手勢特征在其相關(guān)情境中屬于預(yù)設(shè)的各種手勢的概率；
以及基于各個手勢特征樣本所得到的概率及其所標(biāo)注的手勢種類來設(shè)置并調(diào)整各種手勢對應(yīng)的置信區(qū)間。
5.一種超聲波手勢識別系統(tǒng)，該方法包括
超聲波收發(fā)裝置，用于發(fā)射和采集超聲波信號；
情境信息采集裝置，用于采集與當(dāng)前情境相關(guān)的情境信息，其中所述情境信息包括影響手勢發(fā)生的一個或多個情境因素；
手勢分類裝置，用于基于發(fā)射的和采集的超聲波信號獲取手勢特征，以及利用預(yù)先訓(xùn)練好的手勢分類模型獲取該手勢特征的手勢概率向量，所述手勢概率向量由所述手勢特征屬于預(yù)設(shè)的各種手勢的概率構(gòu)成；
情境映射裝置，用于基于所采集的情境信息和預(yù)定的情境特征矩陣來確定與所述手勢特征相關(guān)的情境概率向量，其中所述情境特征矩陣由所述預(yù)設(shè)的各種手勢在各個情境因素下發(fā)生的概率構(gòu)成，所述情境概率向量由預(yù)設(shè)的各種手勢在當(dāng)前情境下發(fā)生的概率構(gòu)成；
手勢識別裝置，用于基于所述手勢概率向量和所述情境概率向量確定在當(dāng)前情境中所述手勢特征屬于預(yù)設(shè)的各種手勢的概率并將其中最大概率對應(yīng)的手勢識別為與所采集的超聲波信號對應(yīng)的手勢。
6.根據(jù)權(quán)利要求5所述的系統(tǒng)，所述手勢識別裝置還用于判斷該最大概率是否在所識別的手勢對應(yīng)的置信區(qū)間中，如果在，則對該手勢進(jìn)行響應(yīng)。
7.根據(jù)權(quán)利要求5所述的方法，其中還包括訓(xùn)練裝置，用于訓(xùn)練手勢分類模型，所述手勢分類模型采用基于機(jī)器學(xué)習(xí)的方法來實(shí)現(xiàn)，所述手勢分類模型的輸入為手勢特征，輸出為手勢概率向量。
8.根據(jù)權(quán)利要求6所述的系統(tǒng)，其中所述置信區(qū)間是通過下列步驟得到的：
確定用來進(jìn)行訓(xùn)練的樣本數(shù)據(jù)集，所述樣本數(shù)據(jù)集中包括手勢特征樣本，與該手勢特征樣本相關(guān)的情境信息；
對于樣本數(shù)據(jù)集中的每個手勢特征樣本：
根據(jù)預(yù)定的各種手勢給該手勢特征樣本標(biāo)注其所屬的手勢種類，利用預(yù)先訓(xùn)練好的手勢分類模型獲取該手勢特征樣本的手勢概率向量，
基于與該手勢特征樣本相關(guān)的情境信息和預(yù)定的情境特征矩陣來確定與該手勢特征樣本相關(guān)的情境概率向量，該情境概率向量由預(yù)設(shè)的各種手勢在采集該手勢特征樣本時的情境下發(fā)生的概率構(gòu)成；
基于所述手勢概率向量和所述情境概率向量得到所述手勢特征在其相關(guān)情境中屬于預(yù)設(shè)的各種手勢的概率；
以及基于各個手勢特征樣本所得到的概率及其所標(biāo)注的手勢種類來設(shè)置并調(diào)整各種手勢對應(yīng)的置信區(qū)間。