一种基于稀疏表示的手形识别装置及其方法

文档序号:10570360阅读:288来源:国知局
一种基于稀疏表示的手形识别装置及其方法【专利摘要】本发明涉及一种手形识别装置,包括输入装置、控制器、输出装置、显示屏和电源模块,其中控制器分别耦接输入装置、输出装置、显示屏和电源模块,其特征在于:所述输入装置用于采集用户的手形特征并转化为标准信号输出给控制器,所述控制器具备内置数据库,其根据接收到的标准信号与内置数据库内的数据进行数据对比,并将对比结果通过输出装置和显示屏进行输出,所述电源模块向控制器提供直流电压。该手形识别装置易于产品化和小型化,并且其识别在操作时,具有较高的识别率和防伪度。【专利说明】一种基于稀疏表示的手形识别装置及其方法
技术领域
[0001]本发明涉及一种手形识别装置及其方法,尤其是一种基于稀疏表示的手形识别装置及其方法。【
背景技术
】[0002]目前存在多种个人身份识别技术得到了广泛应用,如指纹识别、虹膜识别、人脸识别和静脉识别技术等,CN205015896U就公开了一种生物体识别装置,其可以通过对生物体进行对比识别。CN105069337A公开了一种基于手掌生物信息的解锁屏方法及移动设备,其可以根据手掌的掌纹或静脉等生物信息对生物对象进行识别等等,但这些技术均存在一定的问题。指纹识别技术受到灰尘、油、水等环境因素的影响,断纹、无指纹以及脱皮和伤痕等问题影响图像采集质量,导致指纹识别困难。另外,当手与一些物体接触时,会在这些物体表面留下指纹,这样就容易被别人仿造。虹膜识别技术通过近红外光照射人眼获取虹膜图像,不易被人接受。另外,在虹膜图像采集过程中,需要眼部注意力集中在一个点上,通过适当的训练才能够获得更好的采集效果,这会很大程度地影响虹膜识别技术的推广。人脸会因为生长发育而发生变化,从而影响识别率,如长胖、变瘦、长出胡须等;另外,由于人具有丰富的表情,也降低了识别的准确性;而且,人脸还受周围环境,如遮挡、光照等影响。静脉识别技术对采集设备有特殊要求,设计相对复杂,制造成本高。同时,由于采集方式受自身特点的限制,产品难以推广。在此基础上,发明人通过反复对比与大量实验和思考,作出了本发明。【
发明内容】[0003]为了解决现有技术中生物识别准确率不高,易受环境因素影响的技术问题,本发明一方面提供了一种手形识别装置,包括输入装置、控制器、输出装置、显示屏和电源模块,其特征在于,所述控制器分别耦接输入装置、输出装置、显示屏和电源模块,所述输入装置用于采集用户的手形特征并转化为标准信号输出给控制器,所述控制器具备内置数据库,其根据接收到的标准信号与内置数据库内的数据进行数据对比,并将对比结果通过输出装置和显示屏进行输出,所述电源模块向控制器提供直流电压。[0004]进一步,所述控制器为Minnowboard,所述输入装置为LeapMotion,所述显示屏为AR1100模拟电阻式USB触摸屏,所述Minnowboard通过其USB1口连接LeapMotion,实现]\1;[11110¥130&1(1对1^&。]\1〇1:;[011的控制和信号米集,所述組11110¥130&1(1通过1]3132口连接41?1100模拟电阻式USB触摸屏,实现与Minnowboard交互。[0005]此外,本发明还提供了一种基于稀疏表示的手形识别方法,包括以下步骤:此外,本发明还提供了一种基于稀疏表示的手形识别方法,包括以下步骤:1)手形编码采集阶段:LeapMotion对手形信息进行采集,包括如下手形特征:五个手指的长度,五个手指中每个手指的平均宽度,五个手指末端的坐标和手掌中心的坐标,设采集得到的五个手指长度分别为11,12,13,14,15,五个手指的每个手指平均宽度为wl,w2,¥3,'\¥4和¥5,五个手指的末端坐标分别为(11,71,21),(12,72,22),...,(15,75,25),手掌中心点的坐标为(xo,yo,zo),计算五个手指的末端到手掌中心点的距离dl,d2,d3,d4,d5,;将上述五个手指长度、宽度以及手指末端到手掌中心的距离组合成手形特征模板向量T,T=[1.1,.1:2,13,14,:1.&wl,.w2,_w3.,_w4,.w5,dl,55.5d2,d3,d4,ciSjVe艺念WJ+艺式..},T为一个归一化模板向量,米集注册用户1001=1J=l1=1帧手形信息,获得100个模板向量并构成稀疏字典...,T1QQ]对该用户进行注册,DER15X100.2)手形编码识别阶段:LeapMotion米集20帧手形特征向星ki,k:2,...,k2〇,手形特征向量格式与手形编码采集阶段存储的手形特征模板向量一致,对k^ks,...,k2Q取平均值【用稀疏字典〇进行稀疏重构:.31:§11^11(6_:〇<2:1丨2+2|1<2:111)其中€[£1?1()()><1为稀?>疏系数,入为稀疏度与残差||i-Dap勺调节系数,残差向量e=k-Da,计算||e|g和std(e),其中,N?||2为2范数算子,std(?)为方差算子,若满足||e||〗<4且std(e)<S2,则认为匹配识别成功,否则认为识别失败。进一步,本发明还提供了一种手形识别方法,包括以下步骤:1)手形编码采集阶段:LeapMotion输入装置获取检测范围内的手形,计算并返回手掌中心点的三维坐标(x0,y0,z0),以及五个手指末端的三维坐标{(xl,yl,zl),(x2,y2,z2),(x3,y3,z3),(x4,y4,z4),(x5,y5,z5)},并将这些三维坐标数据提交到Minnowboard控制器;Minnowboard控制器对三维坐标数据进行分析计算:计算每个手指末端到掌心的加权距离Di其中Di为第i指最远端距离掌心的加权距离,ai为第i指的加权系数,其中i=1、2、…、5;将上述加权距离[01,02,03,04,05]存储入数据库进行注册,作为识别该用户的手形特征向量;2)手形编码识别阶段:LeapMotion输入装置获取待测用户的手形,通过Minnowboard控制器计算得到每个手指末端距离掌心的加权距离^^233,435],并计算该加权距离与数据库中已注册的每个用户手形加权距离的差向量Ei,Ei=[X1-Di1,X2-Di2,X3-Di3,X4-Di4,X5-Di5],其中[Di1,Di2,Di3,Di4,Di5]为第i个注册用户的手形特征向量;将所述差向量Ei与预设的阈值向量[£,£,£,£,£]7进行比较,即同时符合条件|乂1-〇11|<£,|知-〇12|<£,~,X5-Dl51<e,则识别该手形对应于相应的注册用户i,否则说明该手形为未知用户。[0005]进一步,al=5?5、a2=6?5、a3=7?2、a4=6?5、a5=5?1、e=0?084。[0006]本发明通过结合现有LeapMotion和Minnowboard的特点,实现了一款小型化的生物识别装置,并通过尝试和实验,选取了手指长度、宽度及指尖至掌心的距离作为手形特征,并采用残差和标准方差两个标准判断标准待识别的手形和数据库中的某个手形是否匹配,提高了手形识别的准确率、鲁棒性和防伪度,本发明还进一步结合稀疏表示解决了手形张合度不统一的技术问题,提高了手形识别的效率。【附图说明】[0007]图1为本发明手形识别装置的结构示意图;图2为本发明获取的手形特征示意图。【具体实施方式】[0008]为了对本发明的原理和特征进行描述,以下结合附图进行详细说明。所举实例只用于解释本发明,并非用于限定本发明的范围。[0009]如图1所示,一种手形识别装置,包括输入装置、控制器、输出装置、显示屏和电源模块,其中控制器分别耦接输入装置、输出装置、显示屏和电源模块,所述输入装置用于采集用户的手形特征并转化为标准信号输出给控制器,所述控制器具备内置数据库,其根据接收到的标准信号与内置数据库内的数据进行数据对比,并将对比结果通过输出装置和显示屏进行输出,所述电源模块向控制器提供直流电压。[0010]具体地,所述控制器优选美国因特尔公司开发的Minnowboard,该开发板可运行Andriod、Windows和Linux等多个操作系统,具有体积小的特点(92X74mm)。输入装置优选LeapMotion:LeapMotion是由美国Leap公司开发的一款体感控制器,LeapMotion外形很小巧,尺寸为80毫米X30毫米X11毫米,重量为32克,它可追踪全部手指,精度高达1/100毫米,远比现有的运动控制技术更为精确。且1^3口11〇1:;[011仅支持乂86架构,选择組11110¥13031(1与之匹配,为产品的小型化提供了实现的基础。LeapMotion通过绑定视野范围能的手,手指或者工具来提供实时数据,每一帧都包含了一系列的基本绑定数据,上述数据均可通过LeapMotion提供的API获得,包括:Hands、Pointables、Fingers、Tools和Gestures,其中,Pointab1es即可获得本发明所使用的每个手指的特征信息。LeapMotion体感控制器目前支持WindowsMac0S和Linux操作系统,需要在x86框架下的处理器上运行。显示屏优选microchip公司的AR1100模拟电阻式USB触摸屏(控制器),它是一种高性能、USB即插即用器件,具备先进的校准功能,充当USB鼠标或单输入数字化仪,其可以输出识别结果,同时可以作为人机交互界面,对装置进行设置操作。[0011]其中,Minnowboard通过其USB1口连接LeapMotion,实现Minnowboard对1^8口]\1〇1:;[011的控制和信号采集,]\1;[11110¥13€^(1通过运行1^3口]\1〇1:;[011的4?1函数可以判断是否有被识别体出现在识别区域内,并捕获相应的手形信息,使用该手形信息生成手形编码,将编码保存至手形编码库中并赋予唯一的识别号。在识别过程中,即可通过同样机制获得手形编码,将获得的手形编码与手形编码库中的编码进行比对识别。Minnowboard通过USB2口连接触摸屏控制器,触摸屏控制器可以实现与Minnowboard交互,包括对系统参数进行设置、显示相关信息等。[0012]手形识别过程一般包括两个阶段,手形编码采集阶段和手形编码识别阶段。其中手形编码采集阶段算法伪代码如下:while(1)LeapMotionj丨描if(LeapMotion发现有符合要求的人手出现)break;endifendwhile提取每个手形的特征信息对提取的手形特征信息进行编码关联用户,并存储到相应的数据库中。[0013]手形编码识别阶段算法伪代码如下:while(1)Leap:Motion扫描if(LeapMotion发现有符合要求的人手出现)break;endifendwhile提取每个手形的特征信息对提取的手形特征信息进行编码,并与数据库中存储的用户编码逐个进行匹配,根据被测对象的手形信息编码与数据库中编码的匹配结果识别用户。[0014]具体地,本发明实施例一提供了一种方便快捷的手形识别方法,包括以下步骤:1)手形编码采集阶段:LeapMotion输入装置获取检测范围内的手形,计算并返回手掌中心点的三维坐标(x0,y0,z0),所述掌中心点通过延伸不相邻的两个指得到的点指定为掌中心点,计算并返回五个指的最远处的三维坐标{(xl,yl,zl),(x2,y2,z2),(x3,y3,z3),(x4,y4,z4),(x5,y5,z5)},并将这些三维坐标数据提交到Minnowboard控制器;Minnowboard控制器对三维坐标数据进行分析计算:计算每个指的最远端到掌心的加权距离Di,其中Di为第i指最远端距离掌心的加权距离,ai为第i指的加权糸数,其中i=l、2、…、5,;所述加权系数优选为al=5.5、a2=6.5、a3=7.2、a4=6.5、a5=5.1;以上加权系数考虑到不同指头的长度,经过大量的数据分析后进行优选,对不同的指头给出了不同的误差放大,得到了最佳的普适性的加权系数;将上述加权距离[01,02,03,04,05]存储入用户数据库进行注册,作为识别该用户的手形特征向量;2)手形编码识别阶段:LeapMotion输入装置获取待测用户的手形,通过Minnowboard控制器计算得到每个手指末端距离掌心的加权距离^^233,435],并计算该加权距离与数据库中已注册的每个用户手形加权距离的差向量Ei,Ei=[X1-Di1,X2-Di2,X3-Di3,X4-Di4,X5-Di5],其中[Di1,Di2,Di3,Di4,Di5]为第i个注册用户的手形特征向量;将所述差向量Ei与预设的阈值向量进行比较,若同时符合条件IXrDu|<e,|X2_Di21<e,…,|X5_Di51<e,则识别该手形对应于相应的注册用户i,否则说明该手形为未知用户。[0015]然而在无接触式手形识别过程中,无法保证每次采集时都有相同的手指张合度,一定程度降低了手形识别的准确性和鲁棒性。为了提高识别率,本发明另一实施例提取的手形特征如图2所示,包括用户5个手指的长度L1、L2、…、L5,5个手指中每个手指的平均宽度W1、W2、…、W5,以及每个手指末端(Xl,yi,Zl)到掌心(XQ,yQ,Z())的距离,作为标志每个用户的手形特征信息进行编码。基于本发明的手形识别装置,还提供了一种基于稀疏表示的手形识别方法,有效地提高了识别的准确性和鲁棒性。具体步骤包括:1)手形编码采集阶段:将用户的手掌置于LeapMotion操作范围内,当识别到手形时,要求用户的手掌进行张合运动,运动范围为五指紧闭到最大限度张开,张合运动的每个周期大约为1.5秒;LeapMotion以每秒20帧的速率对手形彳目息进彳丁米集,米集时间为5秒,米样得到100帧的手形信息。在本实施例中可采用leapmotion自带函数提取如下手形特征:(1)五个手指的长度,采用函数为floatapparentlength=pointable?length();(2)五个手指中每个手指的平均宽度,使用函数为:fl〇ataverageThickness=pointable.width();(3)五个手指末端的坐标和手掌中心的坐标,使用函数为:Leap::VectorcurrentPosition=pointable?tipPosition()和Leap::VectorhandCenter=hand?palmPosition()〇设采集五个手指长度分别为11,12,13,14,15,五个手指的宽度为wl,w2,w3,w4和w5,五个手指的末端坐标分别为(Xl,yi,Zl),(X2,y2,Z2),...,(X5,y5,Z5),手掌中心点的坐标为(xo,yo,Z()),计算五个手指的末端到手掌中心点的距离dl,(12,(13,(14,(15,如第;[个(1=1,2,3,4,5)手指末端到手掌中心的距离为di,4=+()'丨-M)2+?-4)2;将上述五个手指长度、宽度以及手指末端到手掌中心的距离组合成手形特征模板向量T,55T=[11,-12,13,14,15,wl,w2,w3,w4,w5,cil,d2,c!3?d4,d5]T/(..[1..,.+['~+Xdz).,T为.j=iuit=i一个归一化模板向量。采集100帧的信息,获得100个模板向量并构成稀疏字典DitTi,T2,...,T1(x)]对该用户进行注册,DGR15X1°°;2)手形编码识别阶段,将待识别对象手形置于LeapMotion操作范围内,手掌自然张开,在获得触摸屏提示后保持手掌张开状态1秒,LeapMotion采集20帧手形特征向量la,k2,...,k2〇,手形特征向量格式与手形编码采集阶段存储的手形特征模板向量一致,对k^ks,...,k20取平均倡1可以用稀疏字典0进行稀疏重构:31'_11(1111_1)〇^+211?11|)入为,a,稀疏度与残差||£-D:a|li的调节系数,残差向量e=£-Da,计算|M〖和std(e),其中,N?||2为2范数算子,std(?)为方差算子,若满足||e|g<為且std(e)<S2,则认为匹配识别成功,否则认为识别失败。在本实施例中X取值为〇.03,设置阈值^=0.002,S2=〇.〇〇15。[0016]其中,|丨_6丨|_〖<戎保证了5个手指的总误差在一定范围内,8七(1(6)<52保证每个手指的误差相差不至于太大,采用残差和标准方差两个标准判断标准待识别的手形和数据库中的某个手形是否匹配,即降低了误判率,又对系统误差和噪声干扰不敏感,提高了系统匹配识别的准确率和有效性。[0017]经测试,基于稀疏表示的手形识别方法在对104个手形的测试中,取得了99.04%的成功率,与其他手形识别方法相比,具有较高的识别率。在实测中,采集每个手形样本的时间为6到7秒,识别时间为2-3秒。[0018]以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。【主权项】1.一种手形识别装置,包括输入装置、控制器、输出装置、显示屏和电源模块,其特征在于,所述控制器分别耦接输入装置、输出装置、显示屏和电源模块,所述输入装置用于采集用户的手形特征并转化为标准信号输出给控制器,所述控制器具备内置数据库,其根据接收到的标准信号与内置数据库内的数据进行数据对比,并将对比结果通过输出装置和显示屏进行输出,所述电源模块向控制器提供直流电压。2.根据权利要求1所述的手形识别装置,其特征在于:所述控制器为Minnowboard,所述输入装置为!^&口1〇1:;[〇11,所述显示屏为41?1100模拟电阻式1]313触摸屏,所述組1111〇¥13〇31(1通过其115131口连接1^3。]\1〇1:;[〇11,实现組11110¥13031(1对1^3。]\1〇1:;[〇11的控制和信号采集,所述Minnowboard通过USB2口连接AR1100模拟电阻式USB触摸屏,实现与Minnowboard交互。3.-种使用权利要求2所述手形识别装置的手形识别方法,其特征在于包括以下步骤:1)手形编码采集阶段:LeapMotion对手形信息进行采集,包括如下手形特征:五个手指的长度,五个手指中每个手指的平均宽度,五个手指末端的坐标和手掌中心的坐标,设采集得到的五个手指长度分别为11,12,13,14,15,五个手指的每个手指平均宽度为《1,《2,¥3,'\¥4和¥5,五个手指的末端坐标分别为(11,71,21),(12,72,22),...,(15,75,25),手掌中心点的坐标为&〇,7〇,2()),计算五个手指的末端到手掌中心点的距离(11,(12,(13,(14,(15,将上述五个手指长度、宽度以及手指末端到手掌中心的距离组合成手形特征模板向量T,T=[U12,13,]4,15,wl,w2,w3,w4,w'5,di,d2,d3,,!~为一个归一化模板向量,采集注册用户100帧手形信息,获得100个模板向量并构成稀疏字典DztTih,...,T1QQ]对该用户进行注册,DeR15X100.,2)手形编码识别阶段:LeapMotion米集20帧手形特征向莖ki,k:2,...,k2〇,手形特征向量格式与手形编码采集阶段存储的手形特征模板向量一致,对k^ks,...,k2Q取平均值?用稀疏字典D进行稀疏重构:其中aeR1(X)X1为稀疏系数,λ为稀疏度与残差_-Da||丨的调节系数,残差向量计算和std(e),其中,II·I|2为2范数算子,std(·)为方差算子,若满足||e||]<4且std(e)<S2,则认为匹配识别成功,否则认为识别失败。4.一种使用权利要求3所述手形识别装置的手形识别方法,其特征在于包括以下步骤:1)手形编码采集阶段:LeapMotion输入装置获取检测范围内的手形,计算并返回手掌中心点的三维坐标(x〇,y〇,zO),以及五个手指末端的三维坐标{(xl,yl,zl),(x2,y2,z2),(x3,y3,z3),(x4,y4,z4),(x5,y5,z5)},并将上述三维坐标数据发送至Minnowboard控制器;Minnowboard控制器对三维坐标数据进行分析计算:计算每个手指末端到掌心的加权距,其中Di为第i指最远端距离掌心的加权距离,ai为第i指的加权系数,其中?=1、2、···、5;将上述加权距离[D1,D2,D3,D4,D5]#储入数据库进行注册,作为识别该用户的手形特征向量;2)手形编码识别阶段:LeapMotion输入装置获取待测用户的手形,通过Minnowboard控制器计算得到每个手指末端距离掌心的加权距离[乂^2^3,435],并计算该加权距离与数据库中已注册的每个用户手形加权距离的差向量Ei,Ei=[X1-Dil,X2-Di2,X3-Di3,X4-Di4,X5-Di5],其中[Dil,Di2,Di3,Di4,Di5]为第i个注册用户的手形特征向量;将所述差向量Ei与预设的阈值向量进行比较,若所述差向量Ei在所设的阈值向量范围内,即同时符合条件Xx-Du|<ε,|X2-Di21<ε,…,|X5-Di51<ε,则识别该手形对应于相应的注册用户i,否则说明该手形为未知用户。5.根据权利要求4所述的手形识别方法,其特征在于:al=5.5、a2=6.5、a3=7.2、a4=6.5、a5=5.1,ε=〇.〇84。【文档编号】G06K9/00GK105930802SQ201610256224【公开日】2016年9月7日【申请日】2016年4月22日【发明人】侯跃恩【申请人】嘉应学院
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1