买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明涉及一种基于四元数的空中笔势识别方法，属于人机交互技术领域。进行规定笔势动作，获取笔势对应的四元数序列，进行数据预处理，构建空中笔势识别模型，划分训练集和验证集，将训练集作为训练样本输入所述的空中笔势识别模型，输出训练结果，作为测试集的四元数序列输入空中笔势识别模型将四元数序列分类，实现笔势识别。优点是降低了数据输入维度，减少了计算成本，在减少数据预处理复杂度的同时，还减少了由于加速度数据漂移带来的误差，也可以进一步提高笔势识别率，使得模型可以适应不稳定的目标函数，在小样本时也保持较高的识别率，避免了过拟合现象的发生。

主权项：1.一种基于四元数的空中笔势识别方法，其特征在于，包括下列步骤：步骤M1：进行规定笔势动作,通过IMU获取笔势对应的四元数序列，实验者持装有IMU的电子笔进行规定的笔势动作，完成笔势对应的四元数序列采集；步骤M2：对笔势对应的四元数序列进行数据预处理；步骤M2.1：对得到的笔势对应的四元数序列进行坐标转换，从而使笔势对应的四元数序列只与笔势动作开始时第一个采样点的四元数有关，完成坐标系转换后的四元数变化趋势不会因为初始位置不同而改变；设笔势对应的四元数序列为[Q1,Q2,...,Qt],Q1p01,p11,p21,p31为第一个采样点的四元数，Qtp0t,p1t,p2t,p3t为第t个采样点的四元数，将第t个采样点的四元数Qt转化为相对于IMU初始姿态的传感器坐标系Q’t，计算公式如下：Qt＝Q1QQ’t 其中Q1*是第一个采样点四元数的共轭，而IMU得到的四元数是单位四元数，则其范数为1，上式可化简为 完成坐标转换后笔势对应的四元数序列表示IMU相对于初始姿态的姿态序列，因此可以令Q’t为1，表示第一个采样点相对于初始姿态没有发生转动，这样坐标系转换后笔势对应的四元数序列可以表示为[Q1',Q2',...,Qt']；步骤M2.2：对笔势对应的四元数序列的标签进行one-hot编码，将N个笔势的数字标签转化为one-hot标签；步骤M3：构建基于四元数的空中笔势识别模型；所述基于四元数的空中笔势识别模型由笔势特征提取层，attention层，输出层构成；所述笔势特征提取层是由单层LSTM神经网络构成，所述单层LSTM神经网络是将经过数据预处理的笔势对应的四元数序列作为输入数据提取时间变化特征；所述attention层，是指注意力层，注意力层会产生一个权重向量，通过对时间尺度的隐藏状态进行加权，把注意力集中到笔势识别中的重要隐藏状态进行识别；设网络输出F个特征向量hz，变换后的特征向量h'计算方法如下所示： st＝fWtht+bt 其中z＝1…t…F,h'是调整后的特征向量，ht为第t时刻的特征向量，αt为权重系数，F为特征向量个数；Wt是权重，bt是偏置，f是激活函数，st表示第t时刻由特征向量ht所决定的能量值；所述输出层是softmax层，softmax层可以将多分类数值转化为相对概率，输出层的输入是attention层的输出，softmax函数如下所述： 其中h'是softmax层上一层的输出向量，i表示类别索引，总的类别数为N，Si表示的是第i个元素ei与所有输出向量指数和的比值，输出层输出的是一个N维向量，N维向量分别表示该笔势序列是对应N种笔势的概率；softmax对应的损失函数是交叉熵损失函数,交叉熵可以衡量真实分布和预测的分布的差异情况，交叉熵损失函数常用于多分类问题，交叉熵损失函数需要输入softmax的输出向量和真实类别，如下式所述： 其中yi为四元数序列对应的笔势动作的真实标签，Si是softmax的输出向量，也就是第i个动作类别的概率值，N为总共的笔势动作类别个数；步骤M4：将包含多种笔势标签的四元数序列划分为训练集和验证集，将训练集作为训练样本输入所述的空中笔势识别模型，并使用小批量算法、zenout算法、adam算法优化神经网络，训练空中笔势识别网络模型，输出训练结果；将包含多种笔势标签的四元数序列划分为训练集和验证集，按照m：n的比例划分训练集和验证集，其中mn；m,n∈N*,并且具有随机性，将训练集作为训练样本输入所述的基于四元数的空中笔势识别模型，并使用zenout算法，小批量算法，adam算法优化神经网络，训练笔势识别网络模型，输出训练结果；步骤M5：将作为测试集的四元数序列输入空中笔势识别模型，利用训练好的空中笔势识别模型将四元数序列分类，实现笔势识别。

全文数据：

权利要求：

百度查询： 吉林大学 一种基于四元数的空中笔势识别方法