基于决策树分类的手势识别的智能电器控制方法及系统与流程

本发明涉及一种手势识别的电器控制系统，具体涉及一种基于决策树分类的手势识别的智能电器控制方法及系统，属于智能设备控制领域。

背景技术：

随着智能设备的普及，家用电器已经基本实现了智能化，更方便快捷的为人们的生活服务。但是对于盲人和聋哑人而言，他们无法实现对智能空调等设备的语音控制或者不方便使用触摸设备进行控制，现有的手势识别系统有的需要特定的设备才能实现，有的准确率不高，故而提出这一种手势识别的方法，来提升他们对于智能空调等设备控制的体验，同时还可以提升正常用户的娱乐性。

分类决策树，决策树(decisiontree)又称为判定树，是运用于分类的一种树结构。其中的每个内部结点(internalnode)代表对某个属性的一次测试，每条边代表一个测试结果，叶结点(leaf)代表某个类(class)或者类的分布(classdistribution)，最上面的结点是根结点。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。决策树算法有一个好处，那就是它可以产生人能直接理解的规则，这是贝叶斯、神经网络等算法没有的特性；决策树的准确率也比较高，而且不需要了解背景知识就可以进行分类，是一个非常有效的算法。决策树算法有很多变种，包括id3、c4.5、c5.0、cart等，但其基础都是类似的。

技术实现要素：

本发明的目的在于提供一种速度快、准确性高的基于决策树分类的手势识别的智能电器控制方法及系统。

本发明是这样实现的：

一种基于决策树分类的手势识别的智能电器控制系统，主要包括图像采集系统、手势识别系统、控制处理系统、显示屏和语音播报系统，图像采集系统通过对用户在可操作区域进行的手势动作进行采集，并将其转换为预定义的协议数据发送给手势识别系统；手势识别系统通过分类决策树对传入的数据进行判断；控制处理系统对判断结果进行相应的操作，并通过显示屏和语音播报系统将结果反馈给用户。

更进一步的方案是：

所述手势识别系统先利用大数据采集人们习惯性操作手势生成训练集，再利用训练集生成分类决策树，然后对决策树进行验证，找出最优秀的决策树用于实际生产。

更进一步的方案是：

所述图像采集系统包括获取手势信息的摄像设备。

更进一步的方案是：

所述决策树模型是通过如下方法生成的：

步骤11、深入调研，对人们的手势动作进行收集，得到大量的用来实施控制的、人们习惯性的手势数据；

步骤12、对步骤11中得到的数据进行统计，并对数据进行人工分类，定义出阈值，并根据多数服从少数的规则进行脏数据清洗处理，得到相对最具代表性的训练集和测试数据集；

步骤13、利用步骤12中得到的训练集训练分类器，并用测试数据集对训练所得的分类器进行测试，得到一个分类决策树；

步骤14、结合实际情况对步骤13得到的分类决策树进行剪枝与优化，得到适合于手势识别的决策树模型。

本发明的另一个目的在于还提供一种基于决策树分类的手势识别的智能电器控制方法，本发明的控制方法是基于本发明提供的基于决策树分类的手势识别的智能电器控制系统，并具体包括如下步骤：

步骤21、通过图像采集系统获取用户的操作信息，并将其转化为预定义的对应的操作数据；

步骤22、处理步骤21中得到的数据，检查数据一致性，处理无效值和缺失值；

步骤23、对步骤22中的到的有效数据进行数据变换，得到一个一个具有单独操作性的数据；

步骤24、将概化之后的数据输入到手势识别系统中的决策树模型中进行分类；

步骤25、根据步骤24的分类结果对设备进行对应的操作，并显示屏和语音播报系统向用户进行反馈。

本发明提供了一种基于决策树分类的手势识别的智能电器控制方法，在现有的手势识别基础上采用了分类决策树的数据分析方法，更加高效、明确的进行手势识别。从而一定程度上提高了识别准确度以及用户体验。本发明采用数据挖掘技术中的分类决策树算法作为核心，决策树有着速度快、准确性高的特点，从而提高了手势识别的效率和准确度。

附图说明

图1是获取数据后通过分类决策树进行识别的流程图；

图2是用于手势识别的分类决策树示意图；

图3为本发明具体实施流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的说明。

如附图1所示，一种基于决策树分类的手势识别的智能电器控制系统，主要包括图像采集系统、手势识别系统、控制处理系统、显示屏和语音播报系统，图像采集系统通过对用户在可操作区域进行的手势动作进行采集，并将其转换为预定义的协议数据发送给手势识别系统；手势识别系统通过分类决策树对传入的数据进行判断；控制处理系统对判断结果进行相应的操作，并通过显示屏和语音播报系统将结果反馈给用户。

其中，图像采集系统包括获取手势信息的主副摄像设备以及辅助设备；控制处理系统和显示播报系统用于对识别结果进行反馈。

所述手势识别系统先利用大数据采集人们习惯性操作手势生成训练集，再利用训练集生成分类决策树，然后对决策树进行验证，找出最优秀的决策树用于实际生产。

本发明的手势识别系统采用分类决策树为核心，如图2所示，就是一个用于手势识别的分类决策树模型。我们需要先期采集大量的习惯性的用于标识智能设备相关操作的手势的数据生成训练集，然后利用训练集建立并精化一棵决策树，建立决策树模型(这个过程实际上是一个从数据中获取知识，进行机器学习的过程)。然后在系统工作中利用生成完毕的决策树对通过图像采集设备获取手势数据从根结点依次测试记录的属性值，直到到达某个叶结点，从而找到该记录所在的类，并作出相应的处理。

本发明的基于决策树分类的手势识别的智能电器控制方法，具体实施分为两部分，如附图3所示，第一部分为分类决策树模型的生成：

步骤s0401、深入调研，对人们的手势动作进行收集，得到大量的用来实施控制的、人们习惯性的手势数据；

步骤s0402、对s0401中得到的数据进行统计，并对数据进行人工分类，定义出阈值，并根据多数服从少数的规则进行脏数据清洗处理，得到相对最具代表性的训练集和测试数据集；

步骤s0403、利用s0402中得到的训练集训练分类器，并用测试数据集对训练所得的分类器进行测试，得到一个分类决策树；

步骤s0404、结合实际情况对s0403得到的分类决策树进行剪枝与优化，得到适合于手势识别的决策树模型。

第二部分为实际工作中的应用：

步骤s01、通过图像采集系统获取用户的操作信息，并将其转化为预定义的对应的操作数据；

步骤s02、处理s01中得到的数据，检查数据一致性，处理无效值和缺失值；

步骤s03、对s02中的到的有效数据进行数据变换，得到一个一个具有单独操作性的数据；

步骤s04、将概化之后的数据输入到决策树模型中进行分类；

步骤s05、根据s04的分类结果对设备进行对应的操作，并向用户进行反馈。

尽管这里参照本发明的解释性实施例对本发明进行了描述，上述实施例仅为本发明较佳的实施方式，本发明的实施方式并不受上述实施例的限制，应该理解，本领域技术人员可以设计出很多其他的修改和实施方式，这些修改和实施方式将落在本申请公开的原则范围和精神之内。