改进K-means聚类剪枝的DTW动态手势识别方法

由于人体的灵活性,对非特定人的大量动态手势进行建模,高效、准确地识别出结果存在困难。该工作在使用数据手套采集数据的基础上,提出一种改进K-means聚类剪枝的DTW动态手势识别方法。方法首先使用数据手套采集手势时间序列,建立模板手势库;其次对手势库中的序列,取片段进行DTW计算序列相似度,作为K-means聚类算法的距离度量尺度并对手势库进行聚类预处理;最后在聚类剪枝的基础上,利用DTW算法实现手势完整序列从所在类到具体含义的识别。经测试,使用该方法在识别容量为{8,16,32,64,128}的手势数量模板库中平均识别精度90%,标准差2.03%。实验结果表明,该方法在有效剪去无效计算的同时保持着良好的扩展性,能够比较准确地在大量模板中识别非特定人的动态手势。