本文關鍵詞：基于MEMS傳感器的手勢識別算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來,由于虛擬技術的迅速發(fā)展,人機交互的研究逐漸成為了熱點,而手勢識別在人機交互中有著很重要的位置。手勢識別主要分基于視覺和基于傳感器兩種識別方式,其中基于視覺的手勢識別對環(huán)境和硬件設備要求比較嚴格,而隨著微機電系統(MEMS)傳感技術的快速發(fā)展,基于傳感器的手勢識別成為當下研究熱點。本文將基于MEMS傳感器,對手勢識別算法進行研究。MEMS傳感器提供的是傳感數據,不能直接提供手勢運動的相關數據,因此一般基于傳感器的手勢識別算法是根據規(guī)定好的動作對其加速度或角速度等信息進行分析,通過每個手勢的運動學特征找到每個手勢的關鍵信息。但是這樣就需要人工干預,操作者也不能靈活的執(zhí)行手勢動作。為了使操作者的手勢執(zhí)行的更加靈活,以及可以自己定義手勢,本文采用了空間定位的方法,即將MEMS傳感器數據轉化成空間數據,以記錄手勢在三維空間的位移坐標點。對于積分得到的手勢的空間數據的分類識別,本文采用深度學習算法中的限制波爾茲曼機提取數據的關鍵信息,即對數據做降維處理,并通過BP神經網絡進行分類識別。為了提取更加抽象的特征信息,本文采用由多個限制波爾茲曼機和BP神經網絡組成的深信度網絡模型來設計算法,通過限制波爾茲曼機逐層訓練數據樣本,得到降維后的特征信息,然后利用BP算法調整整個網絡以及分類識別。本文實驗結果表明,轉化過來的空間數據可以準確的記錄手勢在三維空間的運動軌跡,說明將MEMS傳感器數據轉化成空間數據然后在此基礎上進行分類識別是完全可行的。通過深度學習算法對手勢的空間數據進行訓練和分類識別可以避免人工的參與,達到操作者自定義手勢的目的。
【關鍵詞】：MEMS傳感器 手勢識別 空間定位 深度學習
【學位授予單位】：北京化工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP391.41;TP212
【目錄】：

• 學位論文數據集4-5
• 摘要5-7
• ABSTRACT7-15
• 第一章 緒論15-21
• 1.1 研究背景及意義15-16
• 1.1.1 研究背景15-16
• 1.1.2 研究意義16
• 1.2 研究發(fā)展現狀16-18
• 1.2.1 基于視覺的手勢識別技術研究現狀17
• 1.2.2 基于傳感器的手勢識別技術研究現狀17-18
• 1.3 論文研究內容及主要成果18-19
• 1.3.1 論文研究內容18-19
• 1.3.2 論文主要成果19
• 1.4 論文組織結構19-21
• 第二章 傳感器與手勢識別方法簡介21-31
• 2.1 MEMS傳感器相關技術簡介21-25
• 2.1.1 MEMS傳感器的應用21-22
• 2.1.2 MEMS傳感器的工作原理22-24
• 2.1.3 傳感器發(fā)展前景24-25
• 2.2 機器學習相關技術簡介25-28
• 2.2.1 神經網絡算法簡介25-26
• 2.2.2 深度學習算法簡介26-28
• 2.3 手勢識別方法概述28-30
• 2.3.1 基于視覺的手勢識別28-29
• 2.3.2 基于傳感器的手勢識別29-30
• 2.4 本章小結30-31
• 第三章 基于MEMS傳感器的三維空間定位技術31-41
• 3.1 傳感器數據的采集31-34
• 3.1.1 加速度32-33
• 3.1.2 角速度33-34
• 3.2 傳感器數據的濾波處理34-37
• 3.2.1 誤差分析與處理34-35
• 3.2.2 卡爾曼濾波算法35-37
• 3.3 基于加速度積分計算的空間定位37-38
• 3.4 重力加速度分量濾除38-40
• 3.5 本章小結40-41
• 第四章 基于深度學習和神經網絡的手勢識別41-55
• 4.1 基于深度學習算法的特征提取41-48
• 4.1.1 限制波爾茲曼機算法41-44
• 4.1.2 特征提取44-46
• 4.1.3 深信度網絡46-48
• 4.2 基于BP神經網絡的手勢識別48-53
• 4.2.1 BP神經網絡算法48-49
• 4.2.2 數據訓練49-53
• 4.3 本章小結53-55
• 第五章 實驗及分析55-65
• 5.1 空間定位法的驗證55-57
• 5.1.1 數據獲取55-56
• 5.1.2 數據處理56-57
• 5.2 基于深信度網絡的動作識別實驗結果及分析57-63
• 5.2.1 動作的定義57-59
• 5.2.2 實驗結果及分析59-63
• 5.3 本章小結63-65
• 第六章 總結與展望65-67
• 6.1 總結65-66
• 6.2 未來展望66-67
• 參考文獻67-71
• 致謝71-73
• 研究成果及發(fā)表的學術論文73-75
• 作者和導師簡介75-76
• 碩士研究生學位論文答辯委員會決議書76-77

【相似文獻】

中國期刊全文數據庫 前10條

1 樊建勛;;MEMS傳感器及其在航空領域的應用[J];電子技術與軟件工程;2014年04期

2 殷春燕;;室內導航帶來智能手機新商機,MEMS傳感器加速系統融合[J];集成電路應用;2012年08期

3 程海林;黃昌正;郝志峰;張娜;王磊;陳曦;周智恒;;基于彎曲與組合MEMS傳感器的數據手套設計[J];廣東科技;2013年06期

4 李錚;;MEMS傳感器在車輛運動狀態(tài)監(jiān)測系統中的應用[J];計算機光盤軟件與應用;2012年22期

5 桂志鵬;黃德昌;肖湘;謝曉峰;;基于MEMS傳感器的軍民兩用戒指型無線麥克風系統的設計[J];中國科技信息;2012年07期

6 江興;;2012年MEMS傳感器和執(zhí)行器市場將達97億美元[J];半導體信息;2008年05期

7 王鐵流;沈京;張強永;王瑛;;基于MEMS傳感器的輸電桿塔傾擺安全監(jiān)測技術[J];測控技術;2013年05期

8 歐毅;白宏磊;石莎莉;焦斌斌;李超波;黃欽文;董立軍;景玉鵬;陳大鵬;葉甜春;申功;;應用于流動控制的MEMS傳感器和執(zhí)行器[J];電子工業(yè)專用設備;2006年01期

9 許曉青;王寶光;孫春生;;基于MEMS傳感器技術的微型化、數字式傾角儀的研究[J];電子測量技術;2008年02期

10 王玲;;博世公司MEMS傳感器累計產量突破30億個[J];微納電子技術;2013年09期

中國重要會議論文全文數據庫 前2條

1 宋渤;徐龍起;張桂銘;趙立波;王曉坡;劉志剛;;MEMS傳感器測量正庚烷密度和黏度的實驗研究[A];高等學校工程熱物理第十九屆全國學術會議論文集[C];2013年

2 杜勇;庹先國;李懷良;朱麗麗;劉勇;;基于MEMS傳感器的數字高靈敏度VSP測井技術研究[A];中國地球物理學會第二十七屆年會論文集[C];2011年

中國重要報紙全文數據庫 前1條

1 ADI微機械產品線高級應用工程師 趙延輝;MEMS傳感器走向低功耗、集成化[N];中國電子報;2012年

中國碩士學位論文全文數據庫 前9條

1 馬瑞濤;基于MEMS傳感器的自適應振動監(jiān)測系統的設計[D];長安大學;2015年

2 莊猛;MEMS傳感器三維引線鍵合系統研制[D];蘇州大學;2016年

3 仇立杰;基于MEMS傳感器的手勢識別算法研究[D];北京化工大學;2016年

4 李哲;基于MEMS傳感器技術的數字式傾角儀的研究[D];天津大學;2008年

5 劉博;基于MEMS傳感器的動作捕捉系統開發(fā)設計[D];北京理工大學;2011年

6 何超;捷聯慣性導航系統MEMS傳感器誤差補償[D];哈爾濱工業(yè)大學;2010年

7 楊輝;基于MEMS傳感器的高精度行人導航算法研究[D];廈門大學;2014年

8 施湛;基于MEMS傳感器的高精度地震波采集系統研究[D];杭州電子科技大學;2014年

9 吳艷;基于MEMS傳感器的無線傳感網絡研究[D];杭州電子科技大學;2012年

  本文關鍵詞：基于MEMS傳感器的手勢識別算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：432457