基于無線信號的手勢識別是一種新型的人機交互手段,具有廣泛的應用場景。然而,目前基于無線信號的連續(xù)手勢識別仍然是一個研究難點。本文借鑒生物序列比對思想,研究基于WiFi無線信號的連續(xù)手勢識別算法。本文的主要研究工作如下:本文先對連續(xù)手勢和單獨手勢的特性進行研究,借鑒語音識別中將聲音信號分解成音節(jié)再進行識別的處理方式,將單位信道狀態(tài)信息（Channel State Information,CSI）處理時間長度設定為0.1秒,確定出欲識別手勢在實際連續(xù)手勢中的起始時間,為連續(xù)手勢識別算法提供準確的手勢啟動時刻。進而,本文設計了CSI手勢數(shù)據(jù)序列的動靜分離方法,以解決訓練樣本存在訓練數(shù)據(jù)標準無法統(tǒng)一的問題。該方法使用基于經(jīng)驗知識分離出的數(shù)據(jù)來訓練支持向量機（Support Vector Machine,SVM）,再對全部訓練數(shù)據(jù)進行動靜分離制作出標準統(tǒng)一的訓練數(shù)據(jù)。實驗證明了動靜分離方法可以將算法的識別正確率提高20%。在以上研究基礎上,基于對生物信息序列比對中Smith-Waterman算法,本文設計了WScg序列比對方法實現(xiàn)精確手勢識別。WScg序列比對方法對每一時刻綜合其前后時刻的信息進... 

【文章來源】：天津大學天津市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

數(shù)據(jù)手套示意

機計算能力的提升和機器學習技術快速發(fā)展，基于計算機視覺的手勢感知技術在非接觸式人機交互方面發(fā)展的越發(fā)完善，其識別準確率完全可以使其應用于生活。不過基于計算機視覺的感知技術仍然有很多局限之處。計算機視覺的研究對光線的要求很高，在實際生活中有很多光線不滿足其要求的場景。其次，基于計算機視覺技術的手勢感知要求圖像捕捉設備和人手之間不能有任何的遮擋物，現(xiàn)實中的有些環(huán)境不能滿足這個需求。更深層次的問題是，圖像捕捉設備帶來的人的隱私泄露是無法解決的。目前這種技術只適用一些光線充足的公共場所。圖1-2基于計算機視覺的手勢識別基于超聲波的手勢識別技術是一項發(fā)展時間相對較少的技術。由于超聲波在空間中對人類的行為十分敏感，可以感受到很細微的人類活動，近些年有一些科學家將其運用在了手勢識別上。YSang等[22]使用超聲波技術和HMM分類方法對手指的7種細微手勢進行識別研究，其識別正確率可以達到96.34%。MSaad等[23]使用支持向量機對使用超聲波識別的7種手勢進行分類，識別正確率也可以達到96%。由于超聲波本身的頻率很高，其能捕捉到的人的行為的細微特征很多，所以它在手勢識別上的性能表現(xiàn)很好。不過因為超聲波探測設備本身十分昂貴，同時設備部署十分不便，其在生活中的應用場景幾乎沒有�；跓o線射頻信號的手勢識別技術利用無線設備發(fā)出的信號進行手勢識別[24]。其中基于Wi-Fi設備的識別研究受關注度最高。一是因為Wi-Fi信號有能力捕捉空間中人行為的變化，二是因為Wi-Fi設備價格便宜，廣泛存在且方便部署。同時，使用Wi-Fi信號進行人體行為識別還能有效解決人的隱私問題。基于Wi-Fi

第2章相關理論與技術9第2章相關理論與技術2.1無線感知理論模型無線感知指的是基于無線信號對人體行為進行感知識別。無線感知的基本原理是人的行為和無線信號之間建立著映射，后者會隨著前者的變化而變化。在一個室內空間中，無線信號的傳播狀態(tài)如圖2-1所示。圖2-1空間中無線信號的傳播狀態(tài)可以看出，空間中發(fā)射端發(fā)出的無線信號經(jīng)過多條路徑傳送到接收端。天花板、地板、墻壁和靜止的家具會反射無線信號，人類的活動會折射無線信號，通過各種路徑的無線信號最終在信號接收端疊加在一起形成最終接收到的無線信號。這種現(xiàn)象被稱為多徑傳播。室內環(huán)境的變化會造成多徑傳播的變化，進一步造成無線信號的變化。反過來看，最終接受到無線信號中包含了室內環(huán)境變化的信息[33]。在一個實際的室內空間中，地板、墻壁、家具等靜態(tài)物體的位置一般很少發(fā)生變化。人的行為成為整個環(huán)境中的主要變量。人的行為會持續(xù)影響最終接收到的無線信號。所以收集這些無線信號，再運用復雜的技術加以分析后就可以預測出人在室內的行為和位置。以上為基于經(jīng)驗性觀察的分析，從理論上看，基于路徑衰減的RF傳播模型[34]可以作為這種分析的理論支持。下面具體闡述一下這個模型。圖中LOS指的是信號發(fā)射端和信號接收端之間的一條直達路徑(lineofsight,LOS)。在一個室內

【參考文獻】：
期刊論文
[1]基于深度學習的自動駕駛技術綜述[J]. 張新鈺,高洪波,趙建輝,周沫.  清華大學學報(自然科學版). 2018(04)
[2]基于Wi-Fi的非接觸式行為識別研究綜述[J]. 王鈺翔,李晟潔,王皓,馬鈞軼,王亞沙,張大慶.  浙江大學學報(工學版). 2017(04)
[3]Sensorless Sensing with WiFi[J]. Zimu Zhou,Chenshu Wu,Zheng Yang,Yunhao Liu.  Tsinghua Science and Technology. 2015(01)
[4]國內語音識別研究綜述[J]. 于俊婷,劉伍穎,易綿竹,李雪,李娜.  計算機光盤軟件與應用. 2014(10)
[5]物聯(lián)網(wǎng)智能家居發(fā)展分析[J]. 童曉渝,房秉毅,張云勇.  移動通信. 2010(09)
[6]物聯(lián)網(wǎng)技術研究綜述[J]. 王保云.  電子測量與儀器學報. 2009(12)
[7]增強現(xiàn)實綜述[J]. 朱淼良,姚遠,蔣云良.  中國圖象圖形學報. 2004(07)
[8]人機交互的進展及面臨的挑戰(zhàn)[J]. 董士海.  計算機輔助設計與圖形學學報. 2004(01)
[9]手勢識別技術及其在人機交互中的應用[J]. 李清水,方志剛,沈模衛(wèi),陳育偉.  人類工效學. 2002(01)
[10]基于手勢的人機交互的研究[J]. 栗陽,關志偉,陳由迪,戴國忠.  系統(tǒng)仿真學報. 2000(05)

碩士論文
[1]生物序列比對算法的研究與實現(xiàn)[D]. 祝慶燕.哈爾濱工業(yè)大學 2007
[2]生物序列比對問題的研究[D]. 呂艷萍.福州大學 2005



本文編號：3070396