人体手势识别技术作为人机交互技术的一种，被广泛用于智能监控、机器人、人 机交互、虚拟现实、智能家居、智能安防、运动员辅助训练等方面。随着微电子技术 的快速发展，基于运动姿态传感器的可穿戴设备已经成为最佳的人体手势动作识别方 法。目前，关于人体手势识别技术一直受到国内外研究人员关注，有关此方面的研究 也已取得很大发展。但是也存在穿戴设备使用不方便、易受到环境影响、特征提取难、 识别精度不足等问题。针对这些问题，本文采用STM32单片机结合运动姿态传感器 MPU6050采集三轴加速度、角速度和角度数据，通过手势零速检测校准方法设计了 一种成本较低、无陀螺仪漂移的人体手势识别系统，并从数据预处理方法、特征提取 方法和分类识别算法三方面展开一系列研究，主要工作和创新点如下：

（1）  针对手势识别设备穿戴不便的问题，设计一种基于STM32单片机和运动姿 态传感器的人体手势数据采集终端。

（2）   针对陀螺仪传感器持续工作出现零点偏移导致误差变大问题，设计了一种 手势零速检测校准方法，能够通过校准来降低手势识别过程中固有的噪声数据，提高 原始数据的可靠性。

（3）   针对原始数据中噪声数据和手势数据分离问题，设计了一种连续加速度向 量幅值判定法，可以有效的提取手势数据区间，消除数据毛刺带来的影响。

（4）  针对运动姿态传感器数据特征提取问题，引入插值算法，对同一类型但不 同长度手势原始数据进行长度归一。引入主成分分析法，在保留数据原始特征情况下， 使数据降维。

（5）   针对手势分类识别精度不足的问题，设计阈值分类算法和线性判别式分类 算法对不同类型的手势进行分类识别。

通过设计翻转和挥动两大类6种手势，对人体手势分类识别系统进行验证。实际 验证数据证明零速检测校准法能够有效降噪，手势数据经过连续加速度向量幅值判定 法特征提取之后，再经主成分分析法降维，最后能够被准确分类，采集终端设备成本 低廉，使用简单方便，具有一定的通用性和实用性。

关键字：采集终端，运动姿态传感器，数据分离，数据特征提取，手势分类