基于金属表面的通用性非接触式手势识别装置的制作方法

本发明涉及手势识别领域，具体涉及一种基于金属表面的通用性非接触式手势识别装置。

背景技术：

非接触式三维手势识别技术包括手势数据探测、有效特征提取和手势识别模型构建等主要模块。依据装置探测和处理手势信息方式的不同，目前主要分为基于计算机视觉、超声波、电磁信号和电容传感器的四类非接触式手势识别技术。

传统技术存在以下技术问题：

基于图像处理的手势识别装置需要收集大量的信息进行处理，所以需要复杂的手势分割，特征提取算法，提高了装置的功耗。需要优良的光学信息采集设备和高性能的处理器，提高了成本，而且受外界光照环境的影响极高。

基于超声波和电磁波的手势识别装置因为需要发出超声波和电磁波的设备，增加了成本。在要求外界干扰极小的场合，设备发出的超声波电磁波也会产生噪音。

基于电容的图像处理能够判别动态的手势但对于静态的手势无能为力。

技术实现要素：

本发明要解决的技术问题是提供一种基于金属表面的通用性非接触式手势识别装置，选用电容式非接触式传感器，在较低功耗和较低设备要求的前提下，识别静态和动态的三维空间手势；通过训练记录用户手势数据，实现一定程度的特异性识别。

为了解决上述技术问题，本发明提供了一种基于金属表面的通用性非接触式手势识别装置，包括：探测金属板阵列，所述探测金属板阵列包括阵列分布的多个金属板单元，所述多个金属板单元中的相邻的两个金属板单元之间电绝缘，所述金属板单元包括第一金属板和第二金属板；所述第一金属板上开设第一通孔，所述第二金属板设于所述第一通孔内，而且，所述第一金属板与所述第二金属板电绝缘；

所述多个金属板单元中的第一金属板用于采集手势的面积信号，所述多个金属板单元中的第一金属板用于采集手势的距离信号；

采集后的面积信号和距离信号通过神经网络训练识别后识别出手势。

在其中一个实施例中，所述探测金属板阵列包括4乘4阵列分布的金属板单元。

在其中一个实施例中，相邻的两个所述第二金属板之间的距离不超过3厘米。

在其中一个实施例中，所述第一金属板的面积是所述第二金属板的面积至少100倍。

在其中一个实施例中，相邻的两个所述第一金属板之间不接触。

在其中一个实施例中，所述第一金属板的边缘设有绝缘材料。

在其中一个实施例中，所述第一通孔位于所述第一金属板的中心。

在其中一个实施例中，所述第一金属板与所述第二金属板不接触。

在其中一个实施例中，所述第二金属板的边缘设有绝缘材料。

在其中一个实施例中，所述第一金属板与所述第二金属板的上表面处于同一平面。

本发明的有益效果：

非接触式电容传感器进行识别时手不用接触屏幕，可以在不方便执行物理接触的场合实现识别；通过训练的方式实现对大人和孩童的手势区分尤其明显；在原有的动态手势识别的基础上，专利提出了一种基于电容传感器的静态手势识别方法，对于简单的手势有较高的区分度，适合应用于简单的手势识别场合；在训练中可以自定义手势类型，让手势贴合用户的日常习惯。

附图说明

图1是本发明基于金属表面的通用性非接触式手势识别装置中的手势与金属板三维距离示意图。

图2是本发明基于金属表面的通用性非接触式手势识别装置中的探测金属板阵列的示意图。

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说明，以使本领域的技术人员可以更好地理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

进行手势识别需要两个步骤。第一，进行手势信息采集；第二，通过手势数据对手势进行判别。

1手势信息采集

1.1基本原理：

我们采用电容传感器采集手势信息。电容传感器采集手势的原理如下：将一块金属板作为电容的一个金属板，该金属板与靠近的手势形成一个电容。将金属板与手形成的电容与一个基准电感并联，这样就组成了一个谐振电路，当金属板与手组成的电容变化时，会影响整个谐振电路的频率。

电容的决定式如下：

其中c表示电容，ε表示介电常数，s表示上下极板的重叠面积，k＝1.38*10-23j/k表示玻尔兹曼常数，d表示上下极板之间的距离，且：

ε＝ε0*εr

其中ε0＝8.85*10^-12f/m是真空的介电常数，εr是介质的介电常数。

谐振电路的频率公式为。

频率的总公式为

取中间量

电感的量级为10^-5时，z的数量级约为10¹³次方，此时

上面推导出的谐振频率可知，谐振的频率与两个因素有关：1手与金属板之间的距d；2手与金属板之间的有效面积s。由于可变的电容是手与金属板组成的的开放式电容，所以不可能检测到无穷远处的手，而是有一个探测范围，探测范围之内的手势才能被检测到。探测范围与金属板的材料和并联电感的大小有关。

1.2.基本探测模块

1.2.2距离探测模块

我们把探测的金属板做得很小，甚至变成了一个金属点。由电感有效面积的定义可知，此时有效面积即为金属板的面积，是一个固定值。此时谐振频率只和手与金属板之间的距离有关，就产生了一种探测距离的模块。采集到的频率值与探测范围内的手到探测金属点距离有关。通过公式可将距离d求出

金属点可以连无穷多条直线段到手势上，我们所说的距离是最短的那条直线段的长度。

因为我们检测手势时需要实现非接触检测，所以手势会距离金属板列阵有一定的垂直距离，这就导致实际谐振电路反映的手势与金属板的三维距离，如图1所示。

其中d为谐振频率实际反映的长度，d’为d投影在探测板平面上的长度，h为手距离探测平面的距离。

我们需要实现在探测范围内任意的h中都保持良好的探测效果，所以要消除h的影响，我们假设手势大致与金属板平面平行，找到手距离探测平面的距离h，运用勾股定理将h的影响消除，公式如下

1.2.3面积探测模块

我们把探测的金属板做得大小适中，我们将分别对d，s求导：

此时的数量级约为10¹⁶，的数量级约为10¹⁸，可知谐振频率的值主要跟面积成比例。

通过电容的特性和实验可知，金属板的探测范围为金属板正上方。即谐振频率的值与金属板正上方区域内的手面积有关，忽略距离d的影响可以大致推算出金属板正上方有多少面积被手势覆盖。

1.2.4本专利使用的探测金属板阵列

为了识别手势，我们将距离探测模块与面积探测模块组合起来用于采集信息，组合阵列硬件的如图2所述：

每个红色的点表示距离探测模块的小金属板，每个蓝色的圆表示面积探测模块的大金属板，大金属板与小金属板不接触(大金属板中间挖出一通孔放小金属板)。进行手势识别时将手势平行放在探测阵列的上方。两种探测模块组合起来一起完成手势数据的采集。

金属板之间的距离有一定设置规则：1相邻两个小金属板之间的距离不超过3cm；2相邻两块金属板不能接触，需要有一定的间隔或者在金属板的边缘添加隔离层(如边缘涂上隔离材料)，否则检测时会相互干扰。间隔的长度通过实验采集获得。

容易得知，在第一个条件的前提下可以认为在手放在探测阵列上方时至少有一个距离探测模块的小金属板正上方存在手势。当手与探测金属板大致平行时，这个小金属板检测到的距离d最小。找到最小的d取这个值为手距离金属板平面的距离h。

在点阵电容阵列下，采用轮询方式依次检测各个模块的谐振频率。面积探测模块的频率主要反映该金属板正上方被手势覆盖的面积，距离探测模块的频率主要反映探测金属板和手的距离，运用公式推算出距离d；和s作为手势。假设金属板阵列有m行，n列，进行一轮采集后，采集到m*n*2个手势数据，准备之后进行手势识别。

2通过手势数据对手势进行判别

2.1采用神经网络对手势进行判别

我们采用神经网络对手势进行判别，因为我们采集的信息量较少，所以神经网络的结构简单，绝大多数处理器都可以胜任。而且通过选取合适的局部感受野就可以对放在探测金属阵列上不同位置的手势都进行正确的判别。通过手势数据矩阵的旋转也可以实现不同方向手势的正确判别。

2.2对神经网络进行训练

为了能正确判断手势，针对人不同的手型，不同的手势动作，可以通过对神经网络进行训练来记录标准手势，方便之后的识别。

神经网络模型使用前需要进行训练，给出输入数据(采集到手势信息)和希望的判别结果(手势类别)就可以自动调整神经网络模型的内部结构参数。之后通过输入的数据和调整后的神经网络模型就可以得出判别结果。

训练时将使用者的手势摆放在探测矩阵的中央，保持手势一定时间，让采集系统持续采集数据，同时输入手势的类别。将不同的手势录入完成后，用采集到的数据和我们输入的手势类型训练神经网络。完成这一步骤后就可以对已经经过训练的人的手势进行判别。系统只有对识别过的手势识别率高，所以一定程度上区分不同用户。

由于数据采集模块的原因，大人和孩童手势数据差别很大。装置如果只训练了大人的手势而没有对孩童的手势进行训练，那么孩童的手势就无法被识别。这一定程度上可以防止孩童误触操作。

通过本专利所述的技术，搭建了基于电容传感器的手势识别装置，对于一到五数字的手势判别率接近百分之百，对于滑动，接近的动态手势也有较高的识别率。例如对于换挡电风扇，油烟机配置手势识别后可以通过非接触的手势进行档位的控制。

以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。