技术领域
[0001] 本实用新型涉及人机交互技术领域，具体涉及一种多设备交互手势控制指环。
相关背景技术
[0002] 随着智能设备的普及，用户对更直观和符合人体工程学的输入设备需求日益增加。传统的输入设备如鼠标和键盘虽然有效，但在现代图形用户界面、虚拟现实和增强现实系统中使用时，限制了自然和流畅的动作。基于手势的控制系统提供了一种更自然、更符合人体工程学的输入方式。
[0003] 现有技术中，手势识别设备多以摄像头为基础，存在硬件复杂、成本高、使用受限等问题。本实用新型旨在提供一种便捷、低成本的基于手势识别的交互设备。实用新型内容
[0004] 本实用新型的目的在于提供一种便捷、低成本的多设备交互手势控制指环。
[0005] 为解决上述技术问题，本实用新型提供一种多设备交互手势控制指环，包括：
[0006] 指环主体，其包括相互配合的外环和内环；所述外环和内环之间形成容纳腔；
[0007] 安装板，其安装在容纳腔内；所述安装板为相连的弧形PCBA电路板和电池安装板组成的环形结构，所述PCBA电路板的直径大于电池安装板的直径，所述PCBA电路板外侧与外环内侧抵接，所述电池安装板内侧与内环外侧抵接；
[0008] 检测模块，其包括信号连接的控制单元和传感器；所述控制单元和传感器均安装在PCBA电路板上，且位于PCBA电路板与内环之间；所述传感器包括加速度传感器和陀螺仪；
[0009] 电源模块，其安装在电池安装板上，且位于电池安装板与外环之间；所述电源模块与PCBA电路板相连。
[0010] 优选地，所述外环内侧的上下两端均设置有向外凸起的外环卡件；
[0011] 所述内环外侧的上下两端均开设有内环凹槽；
[0012] 所述外环的外环卡件嵌入内环的内环凹槽中固定，形成容纳腔。
[0013] 优选地，所述内环上开设有充电口；
[0014] 所述充电口上安装有充电触点，充电触点与PCBA电路板相连。
[0015] 优选地，所述PCBA电路板的首端向内侧弯折一定角度形成第一连接部，并与电池安装板的尾端连接；
[0016] 所述电池安装板的首端向外侧弯折一定角度形成第二连接部，并与PCBA电路板的尾端连接。
[0017] 优选地，所述PCBA电路板的首端的弯折角度为15°～30°；
[0018] 所述电池安装板的首端的弯折角度为90°。
[0019] 优选地，所述电源模块为聚合物电池，其尾端连接有弹性连接片；
[0020] 所述电源模块首端与第二连接部抵接；
[0021] 所述电源模块尾端通过弹性连接片与第一连接部抵接。
[0022] 优选地，所述检测模块还包括与控制单元相连的无线通信模块和提醒信号模块。
[0023] 优选地，所述提醒信号模块为LED灯。
[0024] 优选地，所述外环为金属环；
[0025] 所述内环为透明树脂环。
[0026] 优选地，所述电池安装板为软板。
[0027] 与现有技术相比，本实用新型的有益效果为：
[0028] 本实用新型相互配合的外环和内环组成的指环主体，外环的外环卡件嵌入内环的内环凹槽中固定，从而形成容纳腔，用于容纳检测模块和聚合物电池。
[0029] 本实用新型通过的不同直径的PCBA电路板和电池安装板组成的环形结构的安装板，将检测模块和聚合物电池紧密安装在指环主体的PCBA电路板和电池安装板上，实现内部组件的紧固，使其不易随着使用者手指的移动而产生松动。
[0030] 本实用新型的电源模块尾端通过弹性连接片与PCBA电路板相连进行供电，电池在容纳腔中固定从而防止晃动。
[0031] 本实用新型通过加速度传感器和陀螺仪检测手指的运动，作为用户的手势动作，实现对外部设备的控制。
具体实施方式
[0039] 在下面的描述中阐述了很多具体细节以便于充分理解本实用新型。但是本实用新型能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本实用新型内涵的情况下做类似推广，因此本实用新型不受下面公开的具体实施的限制。
[0040] 在本说明书一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本说明书一个或多个实施例。在本说明书一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本说明书一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0041] 应当理解，尽管在本说明书一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本说明书一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
[0042] 下面结合附图对本实用新型做进一步的详细描述：
[0043] 本实用新型提供一种多设备交互手势控制指环，图4‑5所示，包括：
[0044] 指环主体，其包括相互配合的外环1和内环2；所述外环1和内环2之间形成容纳腔；
[0045] 安装板，其安装在容纳腔内；所述安装板为相连的弧形PCBA电路板3和电池安装板4组成的环形结构，所述PCBA电路板3的直径大于电池安装板4的直径，所述PCBA电路板3外侧与外环1内侧抵接，所述电池安装板4内侧与内环2外侧抵接；
[0046] 检测模块，其包括信号连接的控制单元5和传感器6；所述控制单元5和传感器6均安装在PCBA电路板3上，且位于PCBA电路板3与内环2之间；所述传感器6包括加速度传感器和陀螺仪；
[0047] 电源模块7，其安装在电池安装板4上，且位于电池安装板4与外环1之间；所述电源模块7与PCBA电路板3相连。
[0048] 优选地，所述外环1内侧的上下两端均设置有向外凸起的外环卡件11，
[0049] 所述内环2外侧的上下两端均开设有内环凹槽21；
[0050] 所述外环1的外环卡件11嵌入内环2的内环凹槽21中固定，形成容纳腔。
[0051] 优选地，所述内环2上开设有充电口22；
[0052] 所述充电口22上安装有充电触点8，充电触点8与PCBA电路板3相连。
[0053] 优选地，所述PCBA电路板3的首端向内侧弯折一定角度形成第一连接部31，并与电池安装板4的尾端连接；
[0054] 所述电池安装板4的首端向外侧弯折一定角度形成第二连接部41，并与PCBA电路板3的尾端连接。
[0055] 优选地，所述PCBA电路板3的首端的弯折角度为15°～30°；
[0056] 所述电池安装板4的首端的弯折角度为90°。
[0057] 优选地，所述电源模块7为聚合物电池，其尾端连接有弹性连接片71；
[0058] 所述电源模块7首端与第二连接部41抵接；
[0059] 所述电源模块7尾端作为输出端，其通过弹性连接片71与第一连接部31抵接。
[0060] 优选地，所述检测模块还包括与控制单元5相连的无线通信模块9和提醒信号模块10。
[0061] 优选地，所述提醒信号模块10为LED灯。
[0062] 优选地，所述外环1为金属环；
[0063] 所述内环2为透明树脂环。
[0064] 优选地，所述电池安装板4为软板。
[0065] 优选地，所述检测模块还包括LDO模块51和充电管理模块52；
[0066] 所述电源模块7通过LDO模块51与传感器6连接；
[0067] 所述电源模块7通过充电管理模块52与控制单元5连接。
[0068] 本实用新型还提供一种多设备交互手势控制方法，包括以下步骤：
[0069] 采集手指运动数据；
[0070] 对手指运动数据进行预处理，得到预处理后手指运动数据；
[0071] 将预处理后手指运动数据输入深度学习模型进行识别，得到手势类别；
[0072] 根据手势类别，进行外部设备控制。
[0073] 优选地，采集手指运动数据，具体包括以下步骤：
[0074] 将装有加速度传感器和陀螺仪的指环佩戴在使用者手指上；
[0075] 使用者做出交互手势，通过加速度传感器和陀螺仪采集加速度数据和角速度数据，作为手指运动数据。
[0076] 优选地，所述加速度数据包括X、Y、Z三个方向上的加速度，手指的总加速度，手指的速度，手指的位移；
[0077] 所述手指的总加速度为
[0078] 所述手指的速度为
[0079] 所述手指的位移为
[0080] 所述角速度数据包括X、Y、Z三个方向上的角速度，手指的总角速度，手指的旋转角度；
[0081] 所述手指的总角速度为
[0082] 所述手指的旋转角度为
[0083] 优选地，对手指运动数据进行预处理，得到预处理后手指运动数据，具体包括以下步骤：
[0084] 对手指运动数据进行归一化处理，得到归一化后手指运动数据；
[0085] 对归一化后手指运动数据进行快速傅里叶变换提取频域特征，得到频域特征，作为预处理后手指运动数据。
[0086] 优选地，所述归一化处理的公式如下所示：
[0087]
[0088] 式中：x为原始手指运动数据；xmin和xmax分别为手指运动数据的最小值和最大值。
[0089] 优选地，所述频域特征包括加速度和角速度的均值、标准差、最大值、最小值和方差。
[0090] 优选地，所述深度学习模型包括卷积神经网络、长短期记忆网络和全连接层；
[0091] 所述卷积神经网络包括3个卷积层，每层包含64个3x3卷积核，激活函数为ReLU；每个卷积层后使用最大池化层，池化窗口大小为2x2；
[0092] 所述长短期记忆网络包括两层用于捕捉手势的时间依赖性的LSTM网络，每层包含50个单元；
[0093] 所述全连接层用于输出手势类别，最终输出层使用softmax激活函数，输出手势类别的概率分布。
[0094] 优选地，所述深度学习模型的损失函数为交叉熵损失函数：
[0095]
[0096] 其中，yi是真实标签，是预测概率。
[0097] 所述深度学习模型的优化器为Adam优化器：
[0098]
[0099] 其中，θ为模型参数，α为学习率。
[0100] 所述深度学习模型的学习率为0.001，批量大小为32，训练轮数为50。
[0101] 优选地，所述外部设备包括台式机、平板电脑、手机或智能眼镜。
[0102] 一种多设备交互手势控制指环，包括：
[0103] 指环主体，其特征在于包括内环2和外环1，内环2和外环1固定在一起，内环2和外环1之间设有PCBA电路板3和聚合物电池；
[0104] 传感器模块，设置于指环主体上，包括加速度传感器和陀螺仪，用于检测手指的运动；
[0105] 无线通信模块9，用于实现与台式机、平板电脑、智能眼镜、手机等外部设备的无线通信；
[0106] 电源模块7，支持无线充电或触点式有线充电两种方式。
[0107] 为了更好的说明本实用新型的技术效果，本实用新型提供如下具体实施例说明上述技术流程：
[0108] 实施例1、一种多设备交互手势控制指环，如图1所示，指环主体包括内环2和外环1，内环2和外环1之间设有PCBA电路板3和电源模块7。内环2和外环1通过卡扣或胶水固定在一起，形成一个整体结构。
[0109] 模块的主要功能和配合如下所示：
[0110] 1.传感器模块：
[0111] 功能：检测手指的运动数据，包括线性加速度和角速度。
[0112] 配合：传感器模块安装在指环的PCBA电路板3上，实时检测手指的运动数据，并将数据通过I2C或SPI接口传输给控制单元5。
[0113] 2.控制单元5：
[0114] 功能：接收并处理传感器数据，执行手势识别算法。
[0115] 配合：控制单元5位于指环的PCBA电路板3上，接收传感器模块的数据，进行预处理和特征提取，并输入深度学习模型进行手势识别。识别结果通过无线通信模块9传输。
[0116] 3.无线通信模块9，如图2所示：
[0117] 功能：将识别结果传输至外部连接设备。
[0118] 配合：无线通信模块9(如蓝牙低功耗模块)安装在PCBA电路板3上，与控制单元5直接连接。识别结果通过蓝牙协议传输至连接的设备(如计算机、手机等)。
[0119] 4.电源模块7：
[0120] 功能：提供稳定的电源支持。
[0121] 配合：电源模块7包括内置的可充电锂聚合物电池，支持无线充电或触点式有线充电。电源模块7为传感器6、控制单元5和无线通信模块9提供电力。
[0122] 5.应用程序：
[0123] 功能：用户通过应用程序自定义手势和功能，实现个性化操作。
[0124] 配合：应用程序与指环设备通过蓝牙连接，用户可以在应用程序中定义和编辑手势操作，设置手势对应的功能。应用程序通过蓝牙将用户设置的手势指令发送给控制单元5。
[0125] 控制单元5包括预处理模块、加速度处理模块和角速度处理模块。
[0126] 1)、预处理模块：用于对传感器数据进行归一化和特征提取，确保数据的准确性和一致性。
[0127] 1.1、数据归一化：
[0128] 传感器数据在采集后需要进行归一化处理，将数据转换到一个标准范围内(例如0到1或‑1到1)。归一化处理能够消除不同传感器输出数据范围差异，减少数据噪声对模型训练和推理的影响。
[0129] 归一化公式：
[0130] 式中：x为原始数据，xmin和xmax分别为数据的最小值和最大值。
[0131] 1.2、特征提取：
[0132] 从原始传感器数据中提取有意义的特征，例如手势的加速度变化率、角速度变化率等。这些特征可以更好地描述手势的运动模式，提高手势识别的准确性。
[0133] 具体方法包括：计算加速度和角速度的均值、标准差、最大值、最小值、方差等统计特征；使用快速傅里叶变换(FFT)提取频域特征。
[0134] 2)、加速度传感器：检测手指的线性加速度，提供手势运动的速度和方向数据。
[0135] 检测方法：
[0136] 加速度传感器通过测量手指在三维空间中的加速度变化来检测手指的运动。传感器通常包括三个互相垂直的轴(X轴、Y轴、Z轴)，分别测量各个方向的加速度。
[0137] 数据采集频率设定为300Hz，确保捕捉到快速的手指运动。
[0138] 数据统计：
[0139] 每个采样点的加速度数据由三个分量组成(Ax,Ay,Az)，分别表示在X、Y、Z三个方向上的加速度。
[0140] 计算手指的总加速度：
[0141] 手指运动计算：
[0142] 通过对加速度数据积分，可以得到手指的速度和位移：
[0143] 速度：
[0144] 位移：
[0145] 使用卡尔曼滤波器或其他滤波技术，对积分过程中的误差进行校正，提高计算的准确性。
[0146] 3)、陀螺仪：检测手指的角速度，提供手势运动的旋转角度数据。
[0147] 检测方法：
[0148] 陀螺仪通过测量手指在三维空间中的角速度来检测手指的旋转运动。传感器通常包括三个互相垂直的轴(X轴、Y轴、Z轴)，分别测量各个方向的角速度。
[0149] 数据采集频率设定为300Hz，确保捕捉到快速的手指旋转运动。
[0150] 数据统计：
[0151] 每个采样点的角速度数据由三个分量组成(Gx,Gy,Gz)，分别表示在X、Y、Z三个方向上的角速度。
[0152] 计算手指的总角速度：
[0153] 手指运动计算：
[0154] 通过对角速度数据积分，可以得到手指的旋转角度：
[0155] 角度：
[0156] 使用互补滤波器或四元数滤波器，对积分过程中的误差进行校正，提高计算的准确性。
[0157] 4)、数据采集模块和深度学习模块：
[0158] 4.1、数据采集
[0159] 方案：
[0160] 选择200名参与者，每人进行5小时的手势数据采集，确保数据的多样性和代表性。
[0161] 设备：
[0162] 使用配备内置加速度计和陀螺仪的传感器模块的指环设备，手指使用电容式触摸检测传感器设备，采集手势的加速度和角速度数据。
[0163] 数据采集频率设定为300Hz，确保捕捉到快速的手指运动。
[0164] 将采集的数据存储在本地设备中，用于模型训练。数据格式为时间序列数据，每个时间点记录加速度和角速度的三个轴向数据。
[0165] 4.2、深度学习模块：
[0166] 数据预处理和算法
[0167] 数据预处理：
[0168] 归一化处理：
[0169] 对加速度和角速度数据进行归一化处理，使用标准化公式：
[0170]
[0171] 其中，(x)是原始数据，(μ)是均值，(σ)是标准差。
[0172] 特征提取：
[0173] 从原始传感器数据中提取统计特征和频域特征。例如，计算加速度和角速度的均值、标准差、最大值、最小值、方差等。
[0174] 使用快速傅里叶变换(FFT)提取频域特征，分析手势运动的频率成分。
[0175] 深度学习模块包括：
[0176] 卷积神经网络(CNN)：
[0177] 多层卷积网络用于提取手势特征。例如使用3个卷积层，每层包含64个3x3卷积核，激活函数为ReLU。
[0178] 每个卷积层后使用最大池化层，池化窗口大小为2x2。
[0179] 长短期记忆网络(LSTM)：
[0180] 两层LSTM网络用于捕捉手势的时间依赖性，每层包含50个单元。
[0181] 全连接层：
[0182] 在LSTM层之后使用全连接层，输出手势类别。最终输出层使用softmax激活函数，输出手势类别的概率分布。
[0183] 训练方法：
[0184] 损失函数：使用交叉熵损失函数：
[0185]
[0186] 其中，yi是真实标签，是预测概率。
[0187] 优化算法：使用Adam优化器进行训练：
[0188]
[0189] 其中，θ为模型参数，α为学习率。
[0190] 训练参数：
[0191] 学习率：0.001；批量大小：32；训练轮数：50
[0192] 推理过程：
[0193] 数据输入：传感器数据通过预处理模块，进行归一化和特征提取。
[0194] 模型推理：预处理后的数据输入训练好的模型进行实时推理，预测手势类别。
[0195] 命令生成：将识别结果转换为控制命令(如光标移动、点击、滚动等)。
[0196] 操作模式
[0197] 手势识别：通过算法将手指和手部动作转换为光标移动、点击、滚动等操作。
[0198] 自定义手势：用户通过应用程序自定义手势和功能，实现个性化操作。
[0199] 实例：
[0200] 实例1：多设备交互手势控制指环
[0201] 描述指环的整体设计、主要功能和基本操作步骤。指环通过传感器模块检测手势运动，控制单元5处理数据，识别手势并发送控制命令。
[0202] 实例2：虚拟现实中的手势控制
[0203] 描述在虚拟现实环境中的应用。用户佩戴指环，通过手势控制虚拟现实设备，如操控虚拟对象、导航菜单等。
[0204] 实例3：智能家居中的应用
[0205] 描述在智能家居中的应用。用户通过手势控制家中的智能设备，如灯光开关、温度调节、音响控制等，提供便捷的操作体验。
[0206] 实例4：医疗设备中的应用
[0207] 描述在医疗设备中的应用。医护人员通过手势控制医疗设备，如无菌环境中的操作、远程控制等，提高医疗操作的效率和安全性。
[0208] 实例5：工业控制中的应用
[0209] 描述在工业环境中的应用。工人通过手势控制工业设备，如机械臂操作、设备调试等，提高工业生产的便捷性和安全性。
[0210] 手势的实例如图3所示。
[0211] 以上所述，仅为本实用新型的具体实施方式，但本实用新型的保护范围并不局限于此，任何在本实用新型揭露的技术范围内的变化或替换，都应涵盖在本实用新型的保护范围之内。因此，本实用新型的保护范围应以所述权利要求的保护范围为准。
