一种用于猜拳划拳游戏的手势识别系统和方法与流程

本发明涉及一种人体行为识别系统和方法，尤其是涉及了一种用于猜拳划拳游戏的手势识别系统和方法。

背景技术：

当前机器学习技术下，学习者无需任何推理或其他的知识转换，直接吸取环境所提供的信息。但是机器学习也存在着一些不肯忽视的问题，首先就是数据集的收集和选择的问题。数据集越大，对于环境的依赖就越少，但是对于硬件的性能以及技术要求则越高。在手势识别这一领域，因为每个人的手掌大小各异，所以如果要对大众人群收集数据，则对数据集和硬件的要求可能过高。因此机器学习对手势识别的可调节性较弱，并且实现方法过于复杂，未免显得有些大材小用。

传统基于图像的手势识别需要配置摄像机，并且容易受到光线等环境因素的干扰，同时多数使用神经网络算法，对处理器的运算能力有很高的要求，存在成本高、易受光照影响的缺点。

基于以上两点，针对猜拳划拳游戏，采用机器学习和神经网络去完成这项任务，前期需要采集大量的不同人群的数据集，需要具有强大运算能力的硬件设备作为支撑，并且手势识别的结果可能会随着环境条件的改变而产生很大的误差，且所需要的投入太大。另外，如果采用传统的图像识别技术处理，例如特征点检测，想要做到较高的识别准确率，算法可能会很复杂并且对于硬件的运算能力要求也会进一步的上升，产生的识别延时也会增大。

技术实现要素：

为了解决背景技术中存在的问题，本发明为手势识别装置，提出了一种用于猜拳划拳游戏的手势识别系统和方法，人机交互过程中对操作者手势特征捕捉和准确识别，能实现对猜拳游戏和划拳游戏的基本手势进行自动检测识别。

本发明采用的技术方案是：

一、一种用于猜拳划拳游戏的手势识别系统：

系统包括四块独立电容传感器、传感芯片、手势放置板、控制微处理器；手势放置板作为手势识别区域，人手放置在手势放置板上的指定区域内，四块独立电容传感器置于手势放置板的下方，四块独立电容传感器连接到传感芯片的输入端，传感芯片输出端连接到控制微处理器；四块独立电容传感器以手掌手形布置，其中三块独立电容传感器分别对应布置于手掌的中指、无名指和小指位置区域，用于分别感知中指、无名指和小指，另一独立电容传感器对应布置于手掌的拇指和食指共同组成的位置区域，用于分别感知拇指和食指。

所述的手势放置板采用亚克力板。具体可以是有机玻璃。

所述的四块独立电容传感器通过四条导线连接到传感芯片的四个输入通道，传感芯片输出端连接到控制微处理器，传感芯片将四块独立电容传感器所采集的数据采样量化并以使用i²c协议传输给控制微处理器。

还包括底座板，四块独立电容传感器、传感芯片、手势放置板和控制微处理器均固定于底座板上。

本发明通过四个独立电容传感器获取手掌的接触状态和接触位置信息，结合手势类别数据或已录入的手势训练数据，在短时间内对操作者的手势进行识别判断，准确判断操作者手势类别。

所述的控制微处理器采用单片机，以单片机为计算处理核心，来识别不同手势的接近。

本发明所述的猜拳是包含通过手比划出剪刀、石头、布的手势，划拳是包含通过手比划出1、2、3、4、5五种数字的手势。

二、一种用于猜拳划拳游戏的手势识别方法：

采用上述系统，人手比划后放置到手势放置板，然后：

1)通过传感芯片实时采集四块独立电容传感器的电容值：

当读取到传感芯片的任意一个通道有上升沿跳变且电容值高于预先设置的检测阈值，并电容值持续在固定延时时间后仍高于预先设置的检测阈值，则开始有效数据采集：针对每个独立电容传感器，传感芯片以每连续间隔采集的100个电容数据值计算均值作为采集的电容值，作为一次采集的有效值保存并发送到控制微处理器：

其中，di表示独立电容传感器间隔采集发送到传感芯片的第i个电容数据值，t表示传感芯片所采集到的独立电容传感器的电容值，i表示电容数据值的序数，n表示电容数据值的总数，n＝100；

这样能够克服手势不能绝对稳定、短时间内可能由于晃动会有轻微数据抖动的技术问题，克服这种干扰问题，经测试效果良好。

2)采用最小距离判决算法进行四维信号空间的最小距离分类处理计算：在四维信号空间下，已知的某种手势类别和当前电容值都是一个四元向量，计算当前电容值和各个手势类别的电容标定值之间的欧式距离dj：

其中，tj表示第j个手势类别下的电容标定值，j表示手势类别的序数；tk表示传感芯片所采集到的第k个独立电容传感器的电容值，k从1-4分别表示四个独立电容传感器；dj表示当前电容值和第j个手势类别的电容标定值之间的欧式距离；

从各个欧式距离dj中选取最小值dx：

dx＝min{dj}

以最小值dx对应的手势类别作为当前手势对应的手势类别。

所述的电容标定值是由操作者比划出正确标准的手势放置到手势放置板后通过传感芯片所采集获得的电容值。

所述的手势类别分为猜拳的剪刀、石头、布三种形态手势以及划拳的1、2、3、4、5五种数字手势。

本发明使用最小距离判决算法对输入的操作者手势特征进行识别判断，微处理器将对操作者手势的判决结果输出在显示屏幕上，本发明可作为人接交互的新形式进行应用。

本发明利用芯片的四通道设计近似手形的电容板进行数据采集，自动检测上升沿并延时判断后计算100组有效数据的均值进行记录，最后使用基于二维范数的最小距离分类器以及训练得到的已知类别进行计算得到判别结果，同时整个模式选择、操作提示和结果展示都在触摸屏上。经过测试，本发明可以适用于对大多数的人群，判决正确率高且速度快，训练速度快，有较为友好的人机交互界面。

本发明用电容检测技术代替机器学习技术，有效地实现了手势识别系统的设计。在本系统中，无需使用运算能力极佳的硬件设备，也无需使用很大的数据集作为支撑，只需要让操作者在测试前进行一次手势录入。在操作者展示不同手势的过程中，由于不同手势与手势放置板的接触面积和接触不同，导致产生的独立电容传感器所产生的电容值不同，将手势与电容值对应，进而就可以进行手势识别。

本发明使用电容检测与存储设备结合进行手势识别，降低了对于硬件的要求，对于环境的依赖也较小，同时跳出图像处理的框架，可得到较为准确的识别结果，在速度方面也等同于甚至优于很多的图像处理方案。

本发明具有的主要优势在于：

1.低成本，硬件要求低。相对于传统的实时图像识别技术，采用电容传感技术，对于硬件的要求较低，无需使用高清摄像头、拥有高速计算能力的cpu等高成本设备，而能完成准确的手势识别。

2.对抗环境干扰能力强。由于适用电容传感技术，只要一定范围内没有足够强度的导体的干扰，就可以完成精确的训练判别，而无需在乎环境背景的干扰。

3.操作简单，入门简单。由于拥有良好的人机交互界面，并且适用触摸屏和led两者结合提示，即使再无开发人员的指示下，初次使用者也可以自主完成操作。

4.训练快速，判决精确。本系统的训练部分操作简单，每一种手势只要进行一次训练录入，每一种手势的录入只需要2s，训练快速。使用4块电容板作为传感设备，提高抗干扰性能，使得判决准确。

由此实施可见，本发明结合人体形态学特征设计了电容传感器的结构，可以实现非接触式的手势输入，并输出准确的结果。本发明使用四维信号空间的最小距离分类器计算的计算方法，算法实现效率高，完全可以在简单的嵌入式微处理器上实现，不需要使用摄像头，识别准确度高且成本更低。

附图说明

图1是手势识别系统模块的俯视框图。

图2是手势识别系统模块的侧面图。

图3是手型独立电容传感器的布置示意图。

图4是采集函数流程图。

图5是分类函数流程图。

图中：独立电容传感器1、传感芯片2、手势放置板3、控制微处理器4。

具体实施方式

下面结合附图对本发明进一步说明。

如图1和图2所示，本发明具体实施包括底座板、四块独立电容传感器1、传感芯片2、手势放置板3、控制微处理器4；手势放置板3作为手势识别区域，人手放置在手势放置板3上，四块独立电容传感器1置于手势放置板3的下方，四块独立电容传感器1连接到传感芯片2的输入端，传感芯片2输出端连接到控制微处理器4；四块独立电容传感器1、传感芯片2、手势放置板3和控制微处理器4均固定于底座板上。

如图3所示，四块独立电容传感器1以手掌手形布置，其中三块独立电容传感器1分别对应布置于手掌的中指、无名指和小指位置区域，用于分别感知中指、无名指和小指，另一独立电容传感器1对应布置于手掌的拇指和食指共同组成的位置区域，用于分别感知拇指和食指。

具体实施中包括电容传感器部分、采集控制部分和人机交互部分。

1、电容传感器部分：使用电容检测传感器芯片作为四通道传感器的核心，设计符合手指形状的电容板4块，与四通道传感器相连，通过对于常用手势的整理分析，食指是使用频率最高的手指，因此4块电容板的分配方式是将拇指和食指部分对应一块电容传感器，通过不同通道获取数值变化的有无以及大小进行识别，有较大的灵活性和适用性。

2、采集控制部分：传感芯片2的数据采集记录一直处于准备状态，当读取到传感芯片的任意一个通道有上升沿跳变且电容值高于预先设置的检测阈值，并电容值持续在固定延时时间后仍高于预先设置的检测阈值，则开始有效数据采集。这样能实现了自动的实时手势检测，且能够避免虚晃带来的干扰，准确性和速度仍有一定保证。

3、人机交互部分：人机交互部分采用液晶显示和led指示灯两者相结合的方法。通过单片机液晶触摸屏屏显示按钮来进行游戏模式的选择，将提示部分以及识别结果直接显示，整体触控效果好，交互的友好性好。使用led指示灯给操作者提示，通过使用不同的颜色变化，告知操作者数据是否完整录入，结果是否判决完毕等功能，使得初次使用者也能熟练操作。

四块独立电容传感器1通过四条导线连接到传感芯片2的四个输入通道，传感芯片2输出端连接到控制微处理器4，传感芯片2将四块独立电容传感器1所采集的数据采样量化并以使用i²c协议传输给控制微处理器4。

控制微处理器4可采用单片机，以单片机为计算处理核心，来识别不同手势的接近。

人手比划后放置到手势放置板3，按照以下步骤过程实施：

1)如图4所示，通过传感芯片2实时采集四块独立电容传感器1的电容值：

当读取到传感芯片2的任意一个通道有上升沿跳变且电容值高于预先设置的检测阈值，并电容值持续在固定延时时间后仍高于预先设置的检测阈值，则开始有效数据采集。具体实施中，检测到上升沿之后设置300ms的延时时间屏蔽抖动，时延符合人体习惯，小于300ms的信号跳变是一个无效的手势。

开始有效数据采集后，针对每个独立电容传感器1，传感芯片2以每连续间隔采集的100个电容数据值计算均值作为采集的电容值，作为一次采集的有效值保存并发送到控制微处理器4，采集频率是根据内部晶振决定，100组数据采集的时间远小于1s的判别要求。

其中，di表示独立电容传感器1连续间隔采集发送到传感芯片2的第i个电容数据值，t表示传感芯片2所采集到的独立电容传感器的电容平均值，i表示电容数据值的序数，n表示电容数据值的总数，n＝100；

这样能够克服手势不能绝对稳定、短时间内可能由于晃动会有轻微数据抖动的技术问题，克服这种干扰问题，经测试效果良好。

2)如图5所示，系统使用首次操作前，操作人员需要进行手势录入的训练步骤，所需要进行录入的手势(猜拳亦或是划拳)。如果进行猜拳训练，操作人员依次录入剪刀石头布三种手势放置到手势放置板3上，放置时尽量增大与亚克力板的接触面积，不可悬空放置，也不可给亚克力板施加过大的压力，以减小误差。放置到手势放置板3后通过传感芯片2所采集获得的电容值作为该手势类别下的电容标定值。

最后采用最小距离判决算法进行四维信号空间的最小距离分类处理计算：在四维信号空间下，已知的某种手势类别和当前电容值都是一个四元向量，计算当前电容值和各个手势类别的电容标定值之间的欧式距离dj：

其中，tj表示第j个手势类别下的电容标定值，j表示手势类别的序数；tk表示传感芯片(2)所采集到的第k个独立电容传感器(1)的电容值，k从1-4分别表示四个独立电容传感器(1)；dj表示当前电容值和第j个手势类别的电容标定值之间的欧式距离；

从各个欧式距离dj中选取最小值dx：

dx＝min{dj}

以最小值dx对应的手势类别作为当前手势对应的手势类别。

具体实施的手势类别分为猜拳的剪刀、石头、布三种形态手势以及划拳的1、2、3、4、5五种数字手势。

最后，由于记录一定数量之后完成当前手势的数据采集，但由于此时间过短，操作者的手还在可感应区域内抬起手可能会触发一次新的识别判断，此时显示出现错误。因此设置300ms的显示延时，能够消除由于手势抬起造成的识别抖动，但该延时前当前识别结果已经显示，所以是变换手势的间隙时间，不在1s的限制内。

本发明进行了系统准确度测试实施，情况如下：

首先，进行猜拳(手势为石头、剪刀、布)判决测试，测试者在将自己的划拳手势进行录入之后，进行判决。一共出示剪刀50次，成功判决49次；出示石头50次，成功判决48次；出示布50次，成功判决50次。综上计算测试准确度为98％。

接着，对划拳(手势为伸出1～5个手指，分别表示1～5的数字)进行判决测试，同样测试者在将自己的划拳手势进行录入之后，进行判决。一共出示手势“1”50次，成功判决50次；出示手势“2”50次，成功判决49次；出示手势“3”50次，成功判决47次；出示手势“4”50次，成功判决49次；出示手势“5”50次，成功判决48次。综上计算测试准确度为98％。

由此实施可见，本发明实现非接触式的手势输入并输出准确的结果，实现效率高，识别准确度高且成本更低，非常简单有效。