基于MEMS惯性传感器的手势识别
商洛学院学报 张乐 陈乐翔
摘 要：针对基于MEMS惯性传感器的手势识别问题，提出了一种基于门控循环网络的手势识别模型架构。以智能手机为载体，通过其内置的MEMS惯性传感器获取手势运动数据，构建了基于LSTM网络的LSTM-D模型和基于GRU网络的GRU-D模型，实现了在三维空间中的手势识别。提出的两种模型均有较好的分类效果，在自建数据集上，LSTM-D模型和GRU-D模型分别可获取81%和85%的准确率，综合分析发现GRU-D模型参数更少，训练时间更短，模型识别更快更准确，模型的稳定性更高，为基于MEMS惯性传感器的手势识别研究提供了一定的参考价值。（剩余6700字）