全文总字数：2674字
课题名称：基于惯性技术的人体手势识别研究
- 引言
近年来，随着人工智能的兴起，以及惯性传感器技术的成熟，越来越来多的智能设备如智能手机，手环等电子设备上都搭载了MEMS惯性传感器。而在人与智能设备进行人机交互的过程中，语音识别与触摸屏交互技术存在一定局限，因此基于惯性传感器的手势识别研究将有效的弥补的这些技术的缺陷，可靠性较高。
人们通过手势表达思想，传达意愿，从而完成实践操作。而基于惯性传感器技术的手势识别的本质是通过对人体搭载的MEMS惯性传感器获得的数据进行分析处理，进而通过一定的算法对人的手势进行分类、识别。
本文的研究聚焦于通过对惯性传感器传输数据的处理，即选择合适的算法和数学模型对惯性传感器的数据进行处理从而达到对人体手势的识别，而不同的手势代表了不同的指令，继而通过不同手势下达不同的指令 ，实现人机交互。
- 主题
基于惯性技术的人体手势识别研究中运用的MEMS惯性传感器具有加速度测量、倾斜测量、振动测量甚至转动测量等基本测量功能，能够对人体手势作出较为及时的，准确的识别，而同时它也具有潜在的价格、尺寸、重量优势，而人体手势识别研究中的其他识别方法如基于图像处理的手势识别，需要通过摄像头采集大量的图像数据，并进行复杂的处理，从而具有一定的延时，不能作出迅速的响应，且对设备要求高，资金投入大。同时当外部光线条件不满足的时候，基于图像处理的手势识别便不能够工作，而相比之下基于惯性技术的人体手势识别研究由于使用的惯性传感器尺寸小，精度高，功耗低且不需要严苛的外部环境要求，能够自由的及时的获取数据，实现更好的人机互动。因此具有更加广阔的前景。
国内外研究现状
随着人机交互重要性的提高，手势识别以实现人机交互将扮演越来越重要的角色。目前手势识别的实现有三种实现方式，一种是基于视觉的识别技术，这种技术发展的比较早也相对成熟；一种是基于无线信号的识别研究，由于还没有成熟的无线信号感知模块，该技术还有待研究；而基于惯性技术的的手势识别由于存在已经较为成熟的MEMS惯性传感器，更适合搭载于智能设备，实现手势识别。因此近年来，国内外都有大量基于惯性传感器的识别技术的研究。国内方面，南京航空航天大学的刘珠峰，周良，丁秋林研究建立了基于隐性马尔可夫的手势识别模型，并以此为基础提出了在重采样阶段的中点补偿和编码阶段的方向编码优化方法，其中基于曲率特征的中点采样补偿算法在较好的反应曲率变化的同时，也有效的控制了点集的规模[1]。电子科技大学的肖茜，杨平，徐立波提出了一种基于MESM惯性传感器的特征提取识别方法，通过提取手势运动学的特征，即加速度和角速度的特征量和变化规律来识别手势，该方法结合陀螺仪的输出数据消除了加速度对设备姿态的限制，实现了任意姿态下的手势识别[2]。燕山大学的荆雷，马文君，常丹华为了提高基于加速度传感器的动态手势识别算法的性能，采用了动态时间规整（DTW）识别算法，通过该算法计算测试模板和参考模板的相似度，从而得出识别结果，[3]。而国外也对基于传感器的手势识别做了大量研究，Thomas Schlomer等人通过三轴加速度传感器获取数据，并用K均值聚类对数据进行矢量化，应用HMM模型对手势建模，从而完成手势识别[4]。
- 总结
随着MESM惯性传感器技术的日渐成熟与人机交互的日渐亲密，基于惯性技术的人体手势识别的数据获取方式具有非侵犯性和自由性的特点，因此也成了普适计算领域的热点问题。本文首先通过对惯性传感器的硬件选择，并设计构建整体电路。而后通过构建的的整体电路获得传感器传输的手势数据，并对比不同的算法选择合适的模型算法对数据进行处理，从而实现对简单手势的识别。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
