应用于数字化博物馆虚拟展示的人机交互系统研究

2019-08-12 06:15冯婷婷穆洁
现代电子技术 2019年15期
关键词:手势识别人机交互卡尔曼滤波

冯婷婷 穆洁

摘  要: 为了提高数字化博物馆虚拟展示的有效性和准确性,采用手势识别方法完成人机交互系统研究。对用户手势进行三维空间坐标系建模,在卡尔曼滤波之后进行稀疏表示优化,去掉与手势库样本集合关联性弱的无效手动滤除,生成博物馆展品展示动作轨迹。实验证明,优化后的算法在展品动作轨迹生成方面性能更优,运动误差更小,无效路径更少。

关键词: 数字化博物馆; 虚拟展示; 人机交互; 运动误差; 卡尔曼滤波; 手势识别

中图分类号: TN99?34; TP393                    文献标识码: A                      文章编号: 1004?373X(2019)15?0154?03

Research on human?computer interactive system applied

to virtual presentation of digital museum

FENG Tingting, MU Jie

(Hebei institute of Communations, Shijiazhuang 050000, China)

Absrtact: In order to improve the effectiveness and accuracy of the virtual presentation in digital museum, gesture recognition method is used to complete the research on human?machine interactive system. The user′s gesture is modeled for three?dimensional space coordinate system, and the sparse representation is optimized for the user′s gesture after Kalman filtering. The invalid manual filtering that is weakly correlated with the sample set of the gesture database is removed, and the motion trajectory of museum exhibits presentation is generated. Experiment results show that the optimized algorithm had better performance in the generation of exhibit motion trajectories, smaller motion errors and fewer invalid routes.

Keywords: digital museum; virtual presentation; human?computer interaction; motion error; Kalman filtering; gesture recognition

0  引  言

虛拟现实技术发展迅速,它通过网络技术和图像技术将实物按照一定比例生成模型,在模型的生成过程中保留了原来实物的特征,无限接近实物的原貌,以求在计算机上用模型研究来代替实物研究。博物馆藏品因为稀缺性,不适用于大规模展示,但是考虑到文化教育和历史传承,博物馆起到了重要作用,所以博物馆的大规模开放很有必要[1]。如何解决文物藏品在不被损坏的情况下进行大规模的展示,可将博物馆文物藏品进行数字化显示,然后进行虚拟展示便可以解决此难题。数字化的博物馆可以将文物藏品先进行模型构建,生成文物藏品的数字化模型,然后完成虚拟展示[2?3]。

虚拟展示技术在博物馆、旅游景点、电子商务等方面都得到了充分的应用[4],取得了较好的效果。虚拟展示技术很多,用户可以通过计算机、手机等设备进行人机交互,查看展品。本文采用手势识别的人机交互方式,并在传统手势识别解析算法的基础上进行优化,提高展品虚拟展示的有效性和精确度。

1  人机交互手势识别优化算法

数字化博物馆的人机交互系统在设计过程中主要是将用户的指令准确地解析并实现博物馆展品的全方位展示。在交互过程中,根据用户的手势了解用户意图,手势动作和展示模型的动作变换关系是人机交互系统设计需要重点解决的问题[5]。下面将对人机交互进行数学建模。

设用户手势在规定时间[t]内的位移量为[Δsu],博物馆展品在规定时间[t]内的位移量为[Δsm]。为了防止用户手势数据采集过程中出现干扰,需要对手势数据进行有效滤波[6],本文采用卡尔曼滤波,滤波函数表示为[f(? )],考虑到手势位置变化和展品位置变化不在同一空间,因此还需要对两者进行空间坐标变换,函数表示为[tr(? )]。那么用户手势和展品之间的变化关系为:

2  实例仿真

为了验证本文算法在数字化博物馆虚拟展示的人机交互性能,采用Matlab进行实例仿真,在Matlab平台上借助robot包对运动控制过程进行仿真。在仿真过程中,将手势经过稀疏优化的性能与未经过优化的性能进行对比,验证两种算法表现的性能差异。

首先导入,连接好硬件摄像头,选择三个位置点作为目标点,选定一个起始点,然后手掌开始移动,两种算法的仿真结果如图1所示。

图1  运动轨迹比较

从图1可以看出,在三维空间坐标系中,两种算法在运行一段时间后,均从起始位置移动到了目标位置,但是优化前的算法在轨迹移动过程中产生了一些干扰无效动作,消耗了移动时间,对于博物馆的展品虚拟展示效果并不理想,会造成用户操作的体验感差,优化过后的算法表现明显有所增强。相比较而言,移动到目标点3的性能最优,无效路径最少,运动路径最短。

图1可以较好地展示两种算法的运动轨迹,但是没有实际的运动距离和运动误差的计量结果,下面对两种算法的运动误差进行仿真,仿真结果如图2所示。

图2  运动误差比较

从图2可以看出,随着运动时间的增加,两者的运动误差有明显的差异,优化后展品的运动误差小于优化前。随着时间的增长,优化后算法的运动误差逐渐减小,而优化前的运动误差震荡幅度大,未见收敛趋势,当运动时间达到40 s时,优化后的算法运动误差约为0.1 mm,误差非常小,完全可以满足博物馆的展品虚拟展示要求,对于虚拟展示有较强的适用性。

3  结  语

本文采用手勢识别的方法完成数字化博物馆虚拟展示的人机交互,可以较好地展示展品的动作轨迹,提高手势识别的效率和精确度,对博物馆的文物藏品有效展示提供帮助,广泛适用于数字化博物馆的虚拟展示等研究中。

参考文献

[1] 刘文杰.“互联网+”在数字化博物馆建设中的应用:以大英博物馆“众包模式”完成藏品数字化工作为例[J].博物馆研究,2017(1):21?28.

LIU Wenjie. Application of "Internet +" in the construction of digital museum: taking the digital crowdsourcing mode of British Museum as an example [J]. Museum research, 2017(1): 21?28.

[2] 冯乃恩.博物馆数字化建设理念与实践综述:以数字故宫社区为例[J].故宫博物院院刊,2017(1):107?122.

FENG Naien. Summary of the concept and practice of digital museum construction: taking the Digital Palace Museum Community as an example [J]. Journal of the palace museum, 2017 (1): 107?122.

[3] 张江龙.博物馆数字化展示技术及虚拟展览研究[J].中国博物馆,2017(4):88?92.

ZHANG Jianglong. Research on digital display technology and virtual exhibition of museum [J]. China museum, 2017(4) :88?92.

[4] 丁铮.增强现实和虚拟现实在博物馆的应用[J].信息与电脑(理论版),2017(24):47?50.

DING Zheng. Application of augmented reality and virtual reality in museums [J]. Information and computer (Theoretical edition), 2017(24): 47?50.

[5] SUN C Y, YU S J. Personalized wearable guides or audio guides: an evaluation of personalized museum guides for improving learning achievement and cognitive load [J]. International journal of human?computer interaction, 2018(3): 1?11.

[6] FORBRIG P, PATERN? F, PEJTERSEN A M. Human?computer interaction [J]. Encyclopedia of creativity invention innovation & entrepreneurship, 2017, 19(2): 43?50.

[7] LEE K F, CHEN Y L, HSIEH H C, et al. Application of intuitive mixed reality interactive system to museum guide activity [C]// Proceedings of 2017 IEEE International Conference on Consumer Electronic. Taipei, China: IEEE, 2017: 257?258.

[8] 盛伟,王保云,何苗,等.基于评分相似性的群稀疏矩阵分解推荐算法[J].计算机应用,2017,37(5):1397?1401.

SHENG Wei, WANG Baoyun, HE Miao, et al. Group sparse matrix decomposition recommendation algorithms based on score similarity [J]. Computer applications, 2017, 37(5): 1397?1401.

[9] 党小超,刘颜星,郝占军,等.无线传感网中一种用于压缩感知的测量矩阵优化方法[J].小型微型计算机系统,2017,38(9):1966?1970.

DANG Xiaochao, LIU Yanxing, HAO Zhanjun, et al. An optimization method of measurement matrix for compressed sensing in wireless sensor networks [J]. Minicomputer system, 2017, 38(9): 1966?1970.

猜你喜欢
手势识别人机交互卡尔曼滤波
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
基于手势识别的工业机器人操作控制方法
基于红外的非接触式手势识别系统设计
基于嵌入式的智能手表设计
某型柴油机虚拟维修系统研究
人机交互课程创新实验
复杂背景下的手势识别方法
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于自适应卡尔曼滤波的新船舶试航系统