本文關(guān)鍵詞：基于慣性傳感器的智能手環(huán)手勢識別系統(tǒng)，，由筆耕文化傳播整理發(fā)布。

【摘要】：手勢交互作為一種新興的人機(jī)交互方式,一直是人機(jī)交互領(lǐng)域的重要研究方向。Android和IOS智能手機(jī)的迅速普及,帶動了整個智能硬件市場的快速發(fā)展。智能硬件的快速發(fā)展和移動網(wǎng)絡(luò)的不斷提速,推動了各種人機(jī)交互方式的發(fā)展,手勢就是目前最熱門的人機(jī)交互方式。目前,在智能汽車、可穿戴設(shè)備、汽車電子、智能手機(jī)等領(lǐng)域,都已經(jīng)使用了手勢交互作為新一代的人機(jī)交互方式。而近年來,隨著集成電路技術(shù)的不斷發(fā)展,半導(dǎo)體芯片的尺寸越來越小。新的半導(dǎo)體工藝推動了MEMS(Micro-Electro-Mechanical System微機(jī)電系統(tǒng))技術(shù)進(jìn)入了一個全新的發(fā)展階段,使得原來的大體積設(shè)備能夠小型化甚至芯片化�；贛EMS技術(shù)的智能硬件和可穿戴設(shè)備層出不窮。這些都為手勢交互產(chǎn)品的出現(xiàn)和普及做好了硬件準(zhǔn)備、軟件準(zhǔn)備和市場準(zhǔn)備。與語音交互一樣,手勢交互方式將會成為電子設(shè)備人機(jī)交互的一個極具想象力的發(fā)展方向,因此手勢識別將會取得更廣闊的應(yīng)用空間。根據(jù)手勢識別的方式不同,手勢識別可分為兩大類:基于攝像頭的圖像手勢識別、基于傳感器追蹤的手勢識別。本設(shè)計采用的是基于加速度傳感器和角速度傳感器的手勢識別方法。本設(shè)計主要開發(fā)了一套具有手勢識別功能的智能手環(huán)。市場上已經(jīng)有部分智能硬件產(chǎn)品和概念產(chǎn)品使用了傳感器手勢識別技術(shù),比如部分智能電視的遙控器,部分智能手表具有自動如抬手亮屏、翻腕切屏等功能,但識別手勢單一,識別算法的核心都被安裝在計算機(jī)、智能電視或智能手機(jī)上。已有的手勢識別研究都是將嵌入式硬件作為數(shù)據(jù)采集器,將采集到的數(shù)據(jù)發(fā)送到計算機(jī)或智能手機(jī)上,然后在高端CPU上對手勢數(shù)據(jù)進(jìn)行處理。這極大的限制了手勢識別在人機(jī)交互中的應(yīng)用空間。本設(shè)計旨在開發(fā)數(shù)據(jù)采集、識別于一體的智能可穿戴設(shè)備。本系統(tǒng)采用加速度傳感器和陀螺儀作為手勢識別的數(shù)據(jù)采集部件,nRF51822作為數(shù)據(jù)的處理和收發(fā)芯片,采用低功耗藍(lán)牙技術(shù)實現(xiàn)數(shù)據(jù)的無線傳輸,使用安卓智能手機(jī)作為數(shù)據(jù)接收終端。主要完成的工作有:(1)完成了原始手勢數(shù)據(jù)的采集和濾波,包括對加速度傳感器數(shù)據(jù)和陀螺儀數(shù)據(jù)的采集和混合濾波。(2)使用卡爾曼濾波算法對加速度數(shù)據(jù)和角速度數(shù)據(jù)進(jìn)行了數(shù)字融合,加速度傳感器的漂移誤差和累積誤差較小,陀螺儀測得的角速度數(shù)據(jù)毛刺現(xiàn)象較少,本算法集合了加速度傳感器和陀螺儀各自的優(yōu)點,使得到的手勢數(shù)據(jù)更加穩(wěn)定可靠。(3)最后通過本文所設(shè)計的簡易識別算法進(jìn)行手勢識別。不同于以往的手勢識別研究的方法,本設(shè)計首次將手勢識別算法使用在了低端運(yùn)算芯片上,本設(shè)計定義和識別了14種手勢。簡化了復(fù)雜的識別算法,而是采用了一種簡單的、基于空間位置的手勢識別方法,簡化了算法復(fù)雜度,提高了識別的精度和速度。
【關(guān)鍵詞】：加速度傳感器 手勢識別 陀螺儀 低功耗藍(lán)牙 4.0安卓
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;TP368.33
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 研究的背景及意義10-12
• 1.1.1 移動智能設(shè)備的快速發(fā)展10-11
• 1.1.2 人機(jī)交互的多樣化發(fā)展11
• 1.1.3 手勢識別的分類及的應(yīng)用11-12
• 1.2 國內(nèi)外研究進(jìn)展12-13
• 1.3 本設(shè)計的主要研究內(nèi)容13-14
• 1.4 文章組織結(jié)構(gòu)14-15
• 第2章 總體方案15-18
• 2.1 手勢識別系統(tǒng)結(jié)構(gòu)15-17
• 2.1.1 系統(tǒng)結(jié)構(gòu)概述15-16
• 2.1.2 系統(tǒng)工作流程16-17
• 2.2 本章小結(jié)17-18
• 第3章 系統(tǒng)各模塊詳細(xì)介紹18-36
• 3.1 藍(lán)牙模塊NRF51822介紹18-21
• 3.1.1 低功耗藍(lán)牙 4.0 介紹18-19
• 3.1.2 本設(shè)計所采用的藍(lán)牙模塊介紹19-21
• 3.2 MPU6050模塊介紹21-25
• 3.2.1 陀螺儀介紹21-22
• 3.2.2 加速度傳感器介紹22-25
• 3.3 振動反饋模塊25-28
• 3.3.1 Altium designer簡介25-26
• 3.3.2 振動模塊的原理圖及PCB26-28
• 3.4 安卓手機(jī)上的移動APP28-31
• 3.4.1 安卓（Android）系統(tǒng)介紹28-29
• 3.4.2 安卓應(yīng)用的開發(fā)框架的搭建29-30
• 3.4.3 本設(shè)計中藍(lán)牙數(shù)據(jù)接收APP開發(fā)30-31
• 3.5 計算機(jī)上的串口數(shù)據(jù)監(jiān)測31-36
• 3.5.1 LabVIEW簡介32-33
• 3.5.2 本設(shè)計所編寫的LabVIEW串口接收及模擬器33-36
• 3.6 本章小結(jié)36
• 第4章 加速度和角速度數(shù)據(jù)提取和處理36-49
• 4.1 數(shù)字濾波介紹36-39
• 4.1.1 程序判斷濾波37
• 4.1.2 中值濾波37-38
• 4.1.3 算數(shù)平均濾波38
• 4.1.4 去極值平均濾波38
• 4.1.5 滑動平均濾波、滑動加權(quán)濾波38-39
• 4.1.6 一階滯后濾波39
• 4.1.7 混合濾波39
• 4.2 MPU6050數(shù)據(jù)的讀取和濾波39-44
• 4.2.1 MPU6050 I2C接口數(shù)據(jù)讀取39-40
• 4.2.2 數(shù)據(jù)的處理及濾波40-44
• 4.3 加速度數(shù)據(jù)和角速度數(shù)據(jù)的融合44-48
• 4.3.1 卡爾曼濾波介紹44-46
• 4.3.2 本設(shè)計中所使用的卡爾曼數(shù)據(jù)融合方法46-48
• 4.4 本章小結(jié)48-49
• 第5章 基于區(qū)域位置編碼的手勢識別算法49-58
• 5.1 手勢空間位置解算49-51
• 5.2 基于區(qū)域位置編碼的手勢識別算法51-58
• 5.3 本章小結(jié)58
• 第6章 手勢識別系統(tǒng)測試、結(jié)論與展望58-64
• 6.1 最終系統(tǒng)硬件結(jié)構(gòu)58-59
• 6.2 系統(tǒng)測試及結(jié)果分析59-63
• 6.2.1 系統(tǒng)測試方法59-61
• 6.2.2 系統(tǒng)測試結(jié)果分析61-63
• 6.3 結(jié)論及展望63-64
• 參考文獻(xiàn)64-66
• 作者簡介及科研成果66-67
• 致謝67-68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;新型手勢識別技術(shù)可隔著口袋操作手機(jī)[J];電腦編程技巧與維護(hù);2014年07期

2 任海兵,祝遠(yuǎn)新,徐光

本文編號：263722