基于红外传感器和隐马尔可夫模型的动态手势识别

摘要

非接触式手势控制交互识别作为一种人机交互的新型技术,摆脱了传统的人机设备限制,更符合人际交流习惯.从其实现原理来看,非接触式手势控制交互识别有多种实现,有基于摄像头的识别,也有基于体感遥控的手势识别.采用了基于红外传感器的动态手势识别,其基本实现原理是利用4个定向二极管来感知反射的红外线能量,然后将该数据转换为4个方向的距离信息.对于如何从距离信息识别手势,一般多采用动态时间规整、人工神经网络以及隐马尔可夫模型HMM(Hidden Markov Model)等模式匹配算法.HMM是一种随时间变化的信号模型,具有自动分割和分类能力,适合进行动态手势识别.通过HMM对传感器输出的4个方向距离信息进行训练识别,经过多次试验及调整,使得对于5种手势的识别率平均都达到了75％以上,并且随着手势训练数据的增加,识别率会随之提高.