技术特征：
1.一种抗噪的手部运动轨迹快速识别方法，其特征在于，具体步骤如下：s0：利用滑动窗口获取长度为n的轨迹序列坐标数据，清洗掉无意义的轨迹点；s1：使用隔离林算法计算轨迹中的离群点；s2：逐个排查每个离群点p，分别计算p与其在轨迹序列中的前一轨迹点pre和后一轨迹点nxt的距离；如果都没有超过给定距离阈值maxdiserror则不认为p是离群点并保留下来，否则从轨迹序列中删除p，最后判断序列起、终点是否是离群点，如果是，则从轨迹序列中删除；s3：使用卡尔曼滤波方法预测当前轨迹终点后下一个轨迹点的位置；s4：如果存在有效轨迹点则计算有效轨迹点x轴分量的最大差距dx＝max(x)-min(x)与y轴分量的最大差距dy＝max(y)-min(y)，其中x代表轨迹点的x轴分量组成的集合，y代表轨迹点的y轴分量组成的集合，之后计算轨迹的圆度其中s指轨迹包围而成的面积，c指轨迹点相连而成的轨迹周长，圆度的取值范围为[0,1]；若dx＞2
×
minradius，dy＞2
×
minradius，r＞minroundness，则认为是圆，执行s5，否则执行s6；minradius代表圆周运动最小识别半径阈值，minroundness代表认为是圆形的最小圆度阈值；s5：计算圆形轨迹的中心其中y
i
与x
i
分别表示第i个轨迹点的纵坐标和横坐标；然后根据轨迹点和轨迹中心点计算轨迹点的方位角，然后计算每个相邻方位角之间的差值delta_angle
i
，其中i表示第i个相邻方位角差值，之后统计方位角变化的均值其中n为轨迹点个数，若为mean_delta_angle＞0则为顺时针转动，mean_delta_angle＜0为逆时针转动。delta_angle
i
的确定公式如下：delta_angle
i
＝θ
i+1-θ
i
+transcend(θ
i
,θ
i+1
)
×
2π2π2π2π
s6：若横向运动幅度dx大于纵向运动幅度dy，并且dx＞mindist且dy＜maxdist，则认为是平动，mindist代表运动平均值阈值，maxdist为与运动方向垂直的方向的波动阈值，这两个变量的设置给轨迹识别以极大的容错空间，利用卡尔曼滤波器对轨迹点的预测位置和当前位置的关系判断运动方向，如果预测点在当前位置右侧则为向右移动，反之为向左移动；若dx＜dy，并且dy>mindist且dx<maxdist，则认为是垂直移动，利用卡尔曼滤波器对轨迹点的预测位置和当前位置的关系判断运动方向，如果预测点在当前位置上侧则为向上移动，反之为向下移动；如果dx＜mindist且dy＜mindist则视为静止。2.根据权利要求1所述的一种抗噪的手部运动轨迹快速识别方法，其特征在于，所述无意义的轨迹点为轨迹点初始化值、坐标值中有负数的轨迹点。
技术总结
本发明提供了一种抗噪的手部运动轨迹快速识别方法，使用隔离林算法计算轨迹中的离群点；使用卡尔曼滤波方法预测当前轨迹终点后下一个轨迹点的位置；检测起点是否为离群点；与前后两点距离是否都小于阈值来确定保留点和舍弃点；判断重点是否为离群点，并且行列最大距离都是大于最小直径阈值；确定统计方向角变化均值判断轨迹顺逆时针，或者根据横纵向运动幅度与距离阈值和波动阈值的关系，预测位置和当前位置关系判断移动方向或判断为静止，最后结束；本发明可以识别上下左右移动和顺逆时针的手部运动轨迹，具有对硬件配置要求低、计算速度快、抗噪声能力强、鲁棒性好等优点。鲁棒性好等优点。鲁棒性好等优点。
技术研发人员：沈晶 张靖欣 刘海波 陈云杰 刘宜柱 刘志尧 王海枫 匡栋栋
受保护的技术使用者：哈尔滨工程大学
技术研发日：2022.03.25
技术公布日：2022/8/5