手势自动识别方法及系统的制作方法
【技术领域】
[0001]本发明涉及数据处理技术，尤其涉及一种手势自动识别方法及系统。
【背景技术】
[0002]随着计算机的普及,人机交互(Human-Computer Interact1n,简称HCI)变得越来越重要。人机交互是指是指人与计算机之间使用某种对话语言，以一定的交互方式，为完成确定任务的人与计算机之间的信息交换过程[I]。它的主要目标是实现人与机器的和谐交流。我们知道，人与人之间可以通过多种方式，但人与机器之间往往都是单一的，机械的，呆板的。因此，使机器能够感知人类语言，对于提高人机交互具有重大意义。手势，作为一种直观、形象、富含大量交互信息、容易学习、具有很强视觉冲击的人体语言，完全可以作为一种人机交互的重要手段。用户可以定义适当的手势和机器进行顺畅的交流。
[0003]随着经济的发展，人们越来越想追求高科技的生活。因此手势识别的应用十分广泛。聋哑人可以通过手势识别系统与正常人进行交流；人们可以通过手势控制家庭电器，如开关灯，播放影音等等，从而实现智能家居；我们可以通过手势识别，实现虚拟现实，如玩体感游戏等等。
[0004]关于手势识别的研究，目前可以分为以下几类。(I)基于红外的手势识别，如微软的Xbox Kinect游戏机。它不需要玩家手持或脚踏控制器，而是使用手势来操作。它能捕捉玩家的全身上下的动作，用身体来进行游戏，给玩家带来前所未有的感受。(2)基于视觉的手势识别，如1s的首款体感交互游戏(Grows coming)。玩家只要调整与iPhone的前置摄像头的距离，直到软件正确识别用户人脸后，通过左右摇动就可以控制游戏中角色。(3)基于可穿戴的sensor，如使用手机在空中书写阿拉伯数字，通过加速度传感器和地磁传感器模块来实现手势识别。(4)基于声波的手势识别，如Elliptic Lab开发的基于超声波的低功耗非触摸手势控制技术。Elliptic Labs方案利用声波来辨识手部动作，让设备感应180度视野内的3D手势，可以辨识焦距达50公分的近场和空中手势。(5)基于无线信号的手势识别，如WiSee。通过捕捉微弱的多普勒效应变化以及人体在环境中移动导致的WiFi信号变形实现的。当人体在WiFi的覆盖中做出某个动作时，那接收器就能获取到对应的多普勒效应的变化。然后将不同手势跟不同的多普勒效应变化对应起来，进行手势识别。
[0005]以上的方法，要么太昂贵，要么用到特殊的工具，不能大量产业化。
【发明内容】
[0006]为了克服上述所指的现有技术中的不足之处，本发明提供一种手势自动识别方法及系统，以在特定的室内环境中，通过利用现有的无线网络及设备，实现对手势动作的有效的识别，并达到及时响应和反馈的功能。
[0007]本发明是通过以下技术方案实现的:
一种手势自动识别方法，基于无线网络信号传输技术，其步骤包括:
S1、无线接收端接收来自无线发射端的无线信号，并评估信道状态信息； 52、利用异常检测算法识别信道状态信息变化的异常；
53、基于将多类目标动作类进行区分的SVM算法，以人体手势动作导致信道状态信息变化的模式为目标动作类，来识别手势动作，若识别，则响应手势的含义，否则继续执行步骤SI。
[0008]进一步地，所述无线发射端的数目为一个或两个以上，所述无线接收端的数目为一个或两个以上。
[0009]所述步骤SI评估信道状态信息包括:
511、采集初始信道状态数据，基于多输入多输出技术，所述初始信道状态数据包括N个空间流中的M个子载波的CSI值，N和M均为大于I的自然数；
512、对每一空间流，求取在同一时间点上的P个连续子载波的CSI值的平均值，将此平均值作为信道状态信息，P为大于I小于M的自然数；
513、利用数据过滤技术和滑动平均方法对信道状态信息进行平滑处理。
[0010]所述步骤S2利用异常检测算法识别信道状态信息变化的异常是基于局部异常因子的时间序列异常检测算法。
[0011]进一步地,所述步骤S2包括:
521、对信道状态信息的时间序列实施数据分割得到子序列，计算子序列的局部异常因子;
522、当所述局部异常因子大于或等于预设阀值时，将子序列作为异常模式输出。
[0012]进一步地,所述步骤S3包括:
531、基于统计学习理论，预先建立以设定空间内由于各项手势动作导致信道状态信息变化的异常模式作为训练样本的高维特征模型；
532、将步骤S22输出的异常模式映射至SVM算法的高维特征模型中，分离出目标动作类；
533、识别发生的手势动作，响应手势的定义。
[0013]本发明的手势自动识别方法还包括:步骤S4，反馈针对识别结果的响应信息，调整SVM算法的高维特征模型。
[0014]本发明还提供了一种手势自动识别系统，基于无线网络信号传输技术，包括:
CSI获取模块，用于无线接收端接收来自无线发射端的无线信号，并评估信道状态信息；
异常检测模块，用于利用异常检测算法识别信道状态信息变化的异常；
动作识别模块，用于基于将多类目标动作类进行分类的SVM算法，以手势动作所导致的异常模式为目标动作类，识别手势动作，若识别，那么执行响应识别模块，否则执行CSI获取模块；
响应识别模块，用于当识别发生手势动作时，执行所定义的含义。
[0015]进一步地,所述CSI获取模块包括:
感应单元，用于采集初始信道状态数据，基于多输入多输出技术，所述初始信道状态数据包括N个空间流中的M个子载波的CSI值，N和M均为大于I的自然数；
数据处理单元，用于对每一空间流，求取在同一时间点上的P个连续子载波的CSI值的平均值，将此平均值作为信道状态信息，P为大于I小于M的自然数； 平滑单元，用于利用数据过滤技术和滑动平均方法对信道状态信息进行平滑处理。
[0016]进一步地，所述异常检测模块基于局部异常因子的时间序列异常检测算法，包括:
LOF计算单元，用于对信道状态信息的时间序列实施数据分割得到子序列，计算子序列的局部异常因子；
异常输出单元，用于当所述局部异常因子大于或等于预设阀值时，将子序列作为异常模式输出。
[0017]进一步地，所述动作识别模块包括:
建立模型单元，用于基于统计学习理论，预先建立以设定空间内由于各项手势动作导致信道状态信息变化的异常模式作为训练样本的高维特征模型；
动作识别单元，用于将异常输出单元所输出的异常模式映射至SVM算法的高维特征模型中，分离出目标动作类。
[0018]本发明的手势自动识别系统还包括一反馈模块，用于反馈针对识别手势动作的响应信息，调整SVM算法的高维特征模型。
[0019]与现有技术相比，本发明基于室内环境下的无线电传播机制，将信道状态信息CSI与手势动作建立联系，通过CSI的变化判断手势发生的动作，识别出手势的动作，从而实现响应手势的定义，并利用系统的自学习功能处理误报情况，进一步降低误报率；本检测方法是在现有的无线网络及设备的基础上，进行手势动作的识别工作，被检测环境中无需安装其他特定的检测设备，可以在家庭的任何环境中使用，具有极高的普及性，同时被检测者不需要携带任何额外传感设备，避免了被检测者携带检测设备所造成的不便，为其生活提供了便利。
【附图说明】
[0020]附图1为本发明的一种实施例的手势自动识别方法的实现流程示意图。
【具体实施方式】
[0021]为了便于本领域技术人员的理解，下面结合附图和实施例对本发明作进一步的描述。
[0022]一种手势自动识别方法，基于无线网络信号传输技术，其步骤包括:
51、无线接收端接收来自无线发射端的无线信号，并评估信道状态信息；
52、利用异常检测算法识别信道状态信息变化的异常；
53、基于可以将多类目标动作类进行区分的SVM算法，以人体手势动作导致信道状态信息变化的模式为目标动作类，来识别手势动作，若识别，则可以响应手势的定义，否则继续执行步骤SI。
[0023]在实际应用中，本发明的手势自动识别方法可在应用服务器上实现。优选地，所述无线接收端为无线网卡，所述无线发射端为无线路由器，该方法基于室内环境下的无线电传播机制，建立无线信号和手势动作的关系，只需要使用家庭现有的无线网络设备，即能够通过对被检测者手势动作变化而造成的无线信号的改变进行分析，识别出被检测者手势动作并进行响应，减小了周围环境因素对手势活动识别的影响，将大大的提高手势识别的的正确率。在特定的室内环境中，可通过无线网卡收集无线网络的丰富的信道状态信息。在本发明中，所述无线发射端的数目为一个或两个以上，所述无线接收端的数目为一个或两个以上。系统中分别由多根天线来发送和接收无线信号；系统所使用的无线网卡可以接收信道状态信息。优选地，无线发射端和无线接收端的数目均为2个或者3个。被检测环境中存在两个无线发射端(第一发射器和第二发射器)和两个无线接收端(第一接收端和第二接收端)。其中第一接收端接收来自第一发射器的CSI(Channel State Informat1n的缩写，即信道状态信息，在无线通信领域，CSI就是通信链路的信道属性，描述了信号在每条传输路径上的衰弱因子)，第二接收端接收来自第二发射器的CSI。在被检测环境中，被检测者无需携带其他额外设备。系统将利用两个无线接收端所接收的CSI来对被检测者手势的动作进行识别，并从而响应手势的定义。
[0024]为了建立无线信号和人体动作之间的联系，本发明采用无线网络的信道状态信息CSI作为指示物。CSI能够描述出在时间延迟、振幅衰减和相位转移的共同影响之下，一个信号的传播途径。基于室内环境下的无线电传播模型，本发明建立了 CSI与手势动作之间的联系。在一个特定的室内环境中(如一个房间)，存在一条主要传播路径和多个因为周围环境(天花板、地板和墙)影响而产生的反射路径。当被检测者处于该房间内，他的身体会产生多条散射路径。当被检测者在该环境中保持静止状态时，处于该环境内的接收端会接收到稳定的传播能量。而当被检测者的发生手势动作变化，例如被检测者向右边挥了一下手时，由手势影响而产生散射路径的散射点会迅速的改变位置，而这种突变会导致接收端所收到的能量发生变化。而通过这种变化，本发明将会识别出手势具体发生了哪种动作变化。本发明利用正交频分载波复用(Orthogonal Frequency Divis