针对基于加速度规律的手势识别方法未充分利用陀螺仪的数据进行手势分类和识别的问题,提出了一种基于MPU6050惯性传感器的特征提取手势识别方法,通过提取加速度和姿态角信号在手势上的特征量,利用决策树对手势进行预分类,结合加速度和姿态角的变化规律完成了手势的具体识别。依据预定义手势选择10位试验对象进行测试,获得了96.4%的平均识别率,识别时间小于0.005 s。方法对基于自带数字运动处理器的惯性传感器的手势识别具有一定的参考价值。以手肘为原点向左、向右、向上或向下甩动设备1次敲击类手握设备，以手腕为原点连续敲击3次晃动类手握设备，本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name手势识别方法-数控滚圆机电动切管机弯管机价格低全自动滚圆机多少钱以手肘为原点，手臂左右或上下晃动3次及以上1．2．2实验平台基于STM32F427处理器，通过MPU6050惯性传感器进行手势数据信息采集，通过外设串口并按照自定义帧协议将数据上传至上位机软件，本文借助匿名飞控的上位机软件实现了手势数据的实时显示和图形绘制，方便对信息进行分析处理，最后通过算法将手势信息提取为指令，从而通过无线收发器NＲF24L012．4GHz通信协议在LCD显示手势识别结果。图1为实验系统整体结构。STM32处理器串口USARTNRF24L012.4%GHz通信MPU6050加速度计陀螺仪匿名科创地面站LCD显示器通信I2C硬件平台图1实验系统整体结构1．2．3手势识别模式算法研究的惯性传感器手势识别算法应用于移动设备，要求实时性高，方便在嵌入式系统移植。故采用了手势原始数据统计分析的方法。手势识别算法框图如图2所示。MPU6050手势识别设备手势加速度和角速度截取姿态角计算和特征提取加速度特征提取手势分类翻转类甩动类敲击类晃动类方向识别图2手势识别算法框图1到了简化算法的目的。如图6所示。第一层:在预定义手势中只有翻转类手势长度最短且加速度信号变化量最小，所以若手势能量最小，小于阈值，分类为翻转类。第二层:MPU6050自带数字运动处理器，通过姿态解算后得到欧拉角，清晰反映预定义手势波峰数，甩动手势在姿开始特征量计算手势能量<阈值翻转类YN欧拉角波峰波谷数目=%0甩动类YNFisher分类函数（f<0）敲击类晃动类YN图6分类器态角上表现的运动学特征为无峰值，利用该条件可分离出甩动类手势。甩动手势加速度和欧拉角波形如图7所示。-采样时间/5ms(a)%甩动手势加速度信号aXaYaZ-80-60欧拉角/(°甩动手势欧拉角横滚角俯仰角偏航角-40-2002040图7甩动手势加速度和欧拉角波形第三层:预定义敲击手势为连续敲击3次和晃动手势在欧拉角信号上形状相似，如图8所示0采样时间/5ms(a)%敲击-20欧拉角/(°)04080120160200采样时间/5ms(b)%晃动横滚角俯仰角偏航角02040幅值60欧拉角/(°)幅值图8敲击和晃动手势波形在姿态角特征上的区别表现为手势长度L和手势平均幅值Em的不同，考虑到设备姿态以及操作者的差异性，为了提高识别率，选取出敲击手势和晃动手势的样本，利用这两个特征进行训练，得到Fisher分类函数f=61L+5Em－4610，当f＜0，为敲击类手势;当f＞0为晃动类手势。2．3手势识别的实现2．3．1翻转类手势识别翻转类手势动作均绕特定坐标轴翻转，运动变化主．2．4手势信号数据截取在进行有效手势信号截取前，必须要准确检测手势起点和终点。图3为利用加速度信号进行手势 手势识别方法-数控滚圆机电动切管机弯管机价格低全自动滚圆机多少钱本文由弯管机网站采集网络资源整理! http://www.wanguanjixie.name