【摘要】：隨著移動終端設(shè)備的普及,移動設(shè)備操作界面小,操作繁瑣等問題亟待解決,如何高效地與移動設(shè)備交互越來越重要。手勢作為一種人類通用的交互方式,可以在日常生活中直接清晰地表達(dá)人們的意圖,已經(jīng)成為人機(jī)交互界的熱點(diǎn)。其中基于聲音側(cè)信道的手勢識別技術(shù)由于其不需要額外設(shè)備和普適性等特點(diǎn)倍受關(guān)注�，F(xiàn)有的基于聲音側(cè)信道的手勢識別技術(shù),需要檢測多普勒頻移用以識別不同的手勢,但對于手勢的幅度和速度均有一定要求。實(shí)際生活中,微手勢更加符合人類使用習(xí)慣,但微手勢由于其幅度小、反射能量微弱等問題,導(dǎo)致現(xiàn)有方法檢測不到多普勒頻移。因此,如何檢測出如此微弱的頻移以及在移動設(shè)備上對手勢進(jìn)行追蹤與識別是極具挑戰(zhàn)的課題。本文提出新的方法用以解決微手勢能量微弱導(dǎo)致無法檢測頻移的問題,并在移動設(shè)備上構(gòu)建新的物理映射模型用以追蹤手勢軌跡,本文主要研究內(nèi)容和貢獻(xiàn)包括。首先,提出一種無需額外設(shè)備的微手勢識別系統(tǒng),可以準(zhǔn)確地跟蹤和識別手指運(yùn)動。為實(shí)現(xiàn)這一目標(biāo),通過在內(nèi)置揚(yáng)聲器和麥克風(fēng)之間建立聲音側(cè)信道鏈路,將智能手機(jī)等移動設(shè)備轉(zhuǎn)換為主動式聲納系統(tǒng)。聲音側(cè)信道不會被人感知,對移動終端正常功能不會產(chǎn)生干擾,并且由于其波長短可以更顯著的放大頻移,所以本文采用聲音側(cè)信道用以感知手勢運(yùn)動。其次,由于反射能量微弱和手指移動速度慢,現(xiàn)有方法無法準(zhǔn)確檢測多普勒頻移。為此,本文提出了一種微手勢多普勒頻移檢測方法,它由兩個(gè)步驟組成,第一步通過基于對稱閾值方法檢測頻移事件,第二步通過基于傅里葉擬合方法檢測頻移數(shù)值。最后,在移動設(shè)備上提出了物理映射模型用以追蹤手勢軌跡,并且對粒子濾波方法進(jìn)行簡化,模擬手勢初始位置。獲得手勢軌跡之后,引入Canny算法和Hu-moment特征算法對手勢軌跡進(jìn)行特征提取,匹配最終手勢結(jié)果。通過實(shí)驗(yàn)證明本文的微手勢識別系統(tǒng)在動態(tài)環(huán)境中的高精度和魯棒性。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TN912.3
【圖文】：

側(cè)信道通信周知，人類聲音的一般頻率帶寬為 50Hz~11kHz，人類耳朵對于聲0Hz~20kHz[39]。為了支持各種基于音頻的應(yīng)用，例如語音交互，商蓋從 20Hz 到 20kHz 的整個(gè)頻率帶寬。因此，所有商業(yè)移動設(shè)備均率低于 20 kHz 的聲波信號。實(shí)際上，大多數(shù)商業(yè)移動設(shè)備使用低直接切斷超過 20kHz 的聲音信號。人類年齡的增長，對于聲波的分辨率也會降低，17KHz 以下的聲如圖 2-1 所示，聲音側(cè)信道的帶寬分布在 17KHz 至 20KHz，在這聲波只會被一部分的嬰兒和寵物所感知，對于成年人沒有任何影映出這個(gè)范圍之內(nèi)的信道幾乎不會被商業(yè)設(shè)備用到，因?yàn)槭褂谜呗曇簦⑶椰F(xiàn)有的音樂所播放的頻率范圍也遠(yuǎn)遠(yuǎn)低于這個(gè)聲音側(cè)

receiversource ，這個(gè)變化的值 f 就是物理現(xiàn)象所展示的多普source v是移動源相對于觀察源的徑向速度變化，wavev 則是聲波即 340m/s。sourcef 則是揚(yáng)聲器發(fā)送聲音的頻率。，揚(yáng)聲器和麥克風(fēng)均處于靜止不動的狀態(tài)。不斷移動的是使用氣和手機(jī)機(jī)身傳播的大部分聲波信號不會受到手指動作影響移動導(dǎo)致的頻移信號會與未受影響的聲波信號混疊。這類多2-11)計(jì)算。fvvvvsoundradsoundradsoundreceivedf1/1/ 示的是手部相對于麥克風(fēng)的徑向移動速度，如圖 2-3 b)和 c)所移動或者做不同的手勢會呈現(xiàn)不同的多普勒頻移，系統(tǒng)可以移用以計(jì)算手指所做動作的軌跡。

第 2 章 聲音側(cè)信道及其信號處理2.4.2 頻域特征檢測現(xiàn)有的多普勒頻移檢測方法，首先對原始信號處理完之后，再進(jìn)行短時(shí)傅里葉變換得到頻域上的信號頻譜特征。然后，通過檢測頻譜特征確定頻移事件的發(fā)生。假如揚(yáng)聲器同時(shí)只發(fā)送了一個(gè)周期性的信號，并沒有混雜其他頻率，或者同時(shí)發(fā)送的信號頻率間隔較大，如圖 2-4 藍(lán)色線所示。

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 穆寶良;王利;;計(jì)算機(jī)視覺下的實(shí)時(shí)手勢識別技術(shù)及其應(yīng)用[J];科學(xué)技術(shù)創(chuàng)新;2019年35期

2 黨小超;劉洋;郝占軍;曹淵;;一種信道狀態(tài)信息下的復(fù)雜動態(tài)手勢識別方法[J];小型微型計(jì)算機(jī)系統(tǒng);2020年01期

3 翟朋輝;王靜怡;;一種簡易手勢識別裝置[J];山東工業(yè)技術(shù);2019年12期

4 惠丹;;基于深度學(xué)習(xí)算法的可穿戴設(shè)備手勢識別系統(tǒng)設(shè)計(jì)[J];信息技術(shù)與網(wǎng)絡(luò)安全;2019年09期

5 楊蕊;米文輝;;手勢識別裝置的設(shè)計(jì)與實(shí)現(xiàn)[J];信息與電腦(理論版);2019年18期

6 鐘習(xí);陳益強(qiáng);于漢超;楊曉東;胡子昂;;融合情境感知信息的超聲波手勢識別方法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2018年01期

7 王健;朱恩成;黃四牛;任華;;基于深度學(xué)習(xí)的動態(tài)手勢識別方法[J];計(jì)算機(jī)仿真;2018年02期

8 楊欣怡;李雙;;基于手勢識別的智能電視交互專利技術(shù)綜述[J];科技創(chuàng)新與應(yīng)用;2018年24期

9 宋昆哲;閆曉虎;田樂;王奇俊;劉珂;;基于多點(diǎn)特征提取的手勢識別的研究[J];科技創(chuàng)新與應(yīng)用;2018年25期

10 丁偉利;胡艷玲;申亞輝;劉洪海;;基于虛擬試驗(yàn)箱的康復(fù)手勢識別算法研究[J];高技術(shù)通訊;2017年03期

相關(guān)會議論文 前10條

1 祝遠(yuǎn)新;徐光佑;黃浴;林學(xué);俞志和;;一個(gè)基于表觀的孤立手勢識別系統(tǒng)[A];中國圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國圖象圖形科技大會論文集[C];1998年

2 張宏源;袁家政;;基于視覺的手勢識別新方法綜述[A];中國計(jì)算機(jī)用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2017年

3 鄧智方;袁家政;;基于深度學(xué)習(xí)的視覺手勢識別綜述[A];中國計(jì)算機(jī)用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2017年

4 丁勇;蘇坪;潘超群;沈石松;;毫米波非接觸式手勢識別雷達(dá)[A];2019年全國微波毫米波會議論文集（上冊）[C];2019年

5 鄭穎;姚登峰;鮑泓;喬良;;基于機(jī)器學(xué)習(xí)的手勢識別研究進(jìn)展[A];中國計(jì)算機(jī)用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2017年第二十一屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2017年

6 管珊珊;張益農(nóng);;基于Kinect的手勢識別研究進(jìn)展[A];中國計(jì)算機(jī)用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2018年

7 易曉;秦圣峰;康金勝;;基于手勢識別技術(shù)的快速三維建模(英文)[A];第十屆中國科協(xié)年會論文集（三）[C];2008年

8 鄭穎;李培峰;羅恒杰;徐成;鮑泓;;交警手勢識別的研究進(jìn)展[A];中國計(jì)算機(jī)用戶協(xié)會網(wǎng)絡(luò)應(yīng)用分會2018年第二十二屆網(wǎng)絡(luò)新技術(shù)與應(yīng)用年會論文集[C];2018年

9 沈世宏;李蔚清;;基于Kinect的體感手勢識別系統(tǒng)的研究[A];第八屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會議（HHME2012)論文集CHCI[C];2012年

10 王鼎衡;趙廣社;李國齊;鄧?yán)?;基于張量鏈壓縮的卷積神經(jīng)網(wǎng)絡(luò)及手勢識別應(yīng)用研究[A];2018中國自動化大會(CAC2018)論文集[C];2018年

相關(guān)重要報(bào)紙文章 前10條

1 實(shí)習(xí)生 張燕;揮手玩“蘋果”的高三男孩[N];中國青年報(bào);2011年

2 本報(bào)記者 王偉;巨頭看上的“手勢識別”能照進(jìn)現(xiàn)實(shí)嗎？[N];中國電子報(bào);2019年

3 記者 郝曉明;國內(nèi)首套手勢識別智能無人飛行系統(tǒng)亮相[N];科技日報(bào);2017年

4 本報(bào)記者 喻思孌;操作手機(jī)，揮揮手就行[N];人民日報(bào);2017年

5 本報(bào)記者 董添;谷歌申請手勢識別專利引關(guān)注[N];中國證券報(bào);2017年

6 倪明 段郴群;谷歌等巨頭布局手勢識別市場[N];企業(yè)家日報(bào);2017年

7 肖思思;TCL新型數(shù)字家電可進(jìn)行手勢識別[N];中國稅務(wù)報(bào);2007年

8 華凌;首個(gè)無電池手勢識別系統(tǒng)有望替代觸摸屏[N];科技日報(bào);2014年

9 本報(bào)記者 張曉麗;未來智能家電真能一“手”掌控[N];遼寧日報(bào);2014年

10 記者 張瀟;“創(chuàng)新，讓學(xué)習(xí)不僅僅止于課本”[N];西安日報(bào);2015年

相關(guān)博士學(xué)位論文 前10條

1 徐軍;基于計(jì)算機(jī)視覺的手勢識別及人機(jī)交互技術(shù)的應(yīng)用研究[D];東南大學(xué);2018年

2 佴威至;手勢交互中的手勢識別算法及交互參數(shù)研究[D];北京理工大學(xué);2017年

3 Isack Emmanuel Bulugu;基于高階局部自相關(guān)的特征提取方法及其在手勢識別中的應(yīng)用[D];中國科學(xué)技術(shù)大學(xué);2018年

4 衛(wèi)文韜;肌電手勢識別中的多流融合和多視圖深度學(xué)習(xí)方法研究[D];浙江大學(xué);2018年

5 周航;基于計(jì)算機(jī)視覺的手勢識別系統(tǒng)研究[D];北京交通大學(xué);2008年

6 顧立忠;基于表觀的手勢識別及人機(jī)交互研究[D];上海交通大學(xué);2008年

7 萬軍;動態(tài)手勢識別中的時(shí)空特征表示和字典優(yōu)化研究[D];北京交通大學(xué);2014年

8 成可立;數(shù)據(jù)驅(qū)動的虛擬試衣系統(tǒng)若干關(guān)鍵技術(shù)研究[D];浙江大學(xué);2016年

9 趙守偉;增強(qiáng)現(xiàn)實(shí)輔助維修關(guān)鍵技術(shù)研究[D];河北工業(yè)大學(xué);2016年

10 覃文軍;基于視覺信息的手勢識別算法與模型研究[D];東北大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 馬浩宇;基于CNN的空間結(jié)構(gòu)感知與虛實(shí)交互技術(shù)研究[D];內(nèi)蒙古科技大學(xué);2019年

2 高志杰;基于循環(huán)三維卷積神經(jīng)網(wǎng)絡(luò)和注意力機(jī)制的手勢識別[D];華中科技大學(xué);2019年

3 趙旖旎;基于視覺的靜態(tài)手勢識別技術(shù)研究[D];華中科技大學(xué);2019年

4 申為航;基于聲音側(cè)信道的微手勢識別方法研究[D];燕山大學(xué);2019年

5 孟巖;基于KinectV2的手勢識別技術(shù)研究[D];燕山大學(xué);2019年

6 周臺典;基于手勢識別的智能車控制算法研究[D];沈陽理工大學(xué);2019年

7 陳宏峰;面向手勢識別的表面肌電信號采樣率與特征提取方法研究[D];浙江工業(yè)大學(xué);2019年

8 周經(jīng)緯;基于信息投影技術(shù)的輔助裝配平臺開發(fā)[D];江蘇科技大學(xué);2019年

9 葛立;基于雙目視覺的六自由度機(jī)械臂手勢識別控制系統(tǒng)研究[D];山東科技大學(xué);2018年

10 王威;智能試衣鏡關(guān)鍵技術(shù)研究[D];華僑大學(xué);2018年

本文編號：2757208