摘要
随着科技的不断进步，手势识别交互技术逐渐成为一个研究重点和难点，因其采用自然直观的输入方式，给用户带来了一种和谐、自然的互动。传统的手势识别主要基于便携式传感器或计算机视觉。第一种要求用户携带专业设备，人机交互体验不是自然的，应用范围窄。后者改善了用户体验，但受到各种环境因素或设备仪器精准度的影响，使用要求严苛且识别算法复杂。因此本文提出了一种基于红外传感的手势识别方法用来解决上述的问题，该方法收集了手势的特征阈值，从而达到手势识别的目的。本文为提高手势识别的精度，结合卷积神经网络(Convolutional Neural Network,CNN)和长短期记忆神经网络(Long Short Term Memory,LSTM)混合模型对旋转类手势进行分类识别。最后，在家用电器上实现了本文所设计的手势识别系统。主要研究内容如下: 首先，为设计出基于红外传感的手势识别系统，在红外传感器及手势识别原理上，对红外阵列模型进行构建，并定义手势种类。 其次，为获得不同手势动作的差异性数据，设计了基于红外传感的手势识别模块，并基于该模块搭建手势数据采集平台，实现不同手势动作数据可视化。 再次，为提高手势识别的精准度，将提取到的数据长度统一，并进行归一化处理，实现采样数据一致性。针对手势分类识别精度不足的问题，设计特征阈值分类算法和CNN-LSTM网络模型分类算法对不同类型的手势进行分类识别。 最后，在上述工作基础上，完成了基于红外传感的手势识别系统，并将此系统应用到在油烟机上，实现了油烟机上的非接触式手势识别。在该系统应用中，通过手势识别模块以及油烟机功能控制板的相连，达到了通过非接触手势控制油烟机的目的，且实际应用中控制流畅且自然。
NETL