本文關(guān)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(shù)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(shè)備要求比較嚴格,而隨著微機電系統(tǒng)(MEMS)傳感技術(shù)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(shù)據(jù),不能直接提供手勢運動的相關(guān)數(shù)據(jù),因此一般基于傳感器的手勢識別算法是根據(jù)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(guān)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(shù)據(jù)轉(zhuǎn)化成空間數(shù)據(jù),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(shù)據(jù)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(shù)據(jù)的關(guān)鍵信息,即對數(shù)據(jù)做降維處理,并通過BP神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò)組成的深信度網(wǎng)絡(luò)模型來設(shè)計算法,通過限制波爾茲曼機逐層訓練數(shù)據(jù)樣本,得到降維后的特征信息,然后利用BP算法調(diào)整整個網(wǎng)絡(luò)以及分類識別。本文實驗結(jié)果表明,轉(zhuǎn)化過來的空間數(shù)據(jù)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(shù)據(jù)轉(zhuǎn)化成空間數(shù)據(jù)然后在此基礎(chǔ)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(shù)據(jù)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(guān)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(shù)據(jù)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(xiàn)狀16-18
• 1.2.1 基于視覺的手勢識別技術(shù)研究現(xiàn)狀17
• 1.2.2 基于傳感器的手勢識別技術(shù)研究現(xiàn)狀17-18
• 1.3 論文研究內(nèi)容及主要成果18-19
• 1.3.1 論文研究內(nèi)容18-19
• 1.3.2 論文主要成果19
• 1.4 論文組織結(jié)構(gòu)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(guān)技術(shù)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(guān)技術(shù)簡介25-28
• 2.2.1 神經(jīng)網(wǎng)絡(luò)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(jié)30-31
• 第三章 基于MEMS傳感器的三維空間定位技術(shù)31-41
• 3.1 傳感器數(shù)據(jù)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(shù)據(jù)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(jié)40-41
• 第四章 基于深度學習和神經(jīng)網(wǎng)絡(luò)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(wǎng)絡(luò)46-48
• 4.2 基于BP神經(jīng)網(wǎng)絡(luò)的手勢識別48-53
• 4.2.1 BP神經(jīng)網(wǎng)絡(luò)算法48-49
• 4.2.2 數(shù)據(jù)訓練49-53
• 4.3 本章小結(jié)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(shù)據(jù)獲取55-56
• 5.1.2 數(shù)據(jù)處理56-57
• 5.2 基于深信度網(wǎng)絡(luò)的動作識別實驗結(jié)果及分析57-63
• 5.2.1 動作的定義57-59
• 5.2.2 實驗結(jié)果及分析59-63
• 5.3 本章小結(jié)63-65
• 第六章 總結(jié)與展望65-67
• 6.1 總結(jié)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(shù)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(shù)據(jù)庫 前10條

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

2 殷春燕;;室內(nèi)導航帶來智能手機新商機,MEMS傳感器加速系統(tǒng)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(shù)據(jù)手套設(shè)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(tǒng)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(tǒng)的設(shè)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(shù)[J];測控技術(shù);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(shè)備;2006年01期

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

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

中國重要會議論文全文數(shù)據(jù)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(shù)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(shù)字高靈敏度VSP測井技術(shù)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(shù)據(jù)庫 前1條

1 ADI微機械產(chǎn)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(shù)據(jù)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(tǒng)的設(shè)計[D];長安大學;2015年

2 莊猛;MEMS傳感器三維引線鍵合系統(tǒng)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(shù)的數(shù)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(tǒng)開發(fā)設(shè)計[D];北京理工大學;2011年

6 何超;捷聯(lián)慣性導航系統(tǒng)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(tǒng)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(wǎng)絡(luò)研究[D];杭州電子科技大學;2012年

  本文關(guān)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