如今，觸摸屏作為一種簡單、新穎的人機交互設備，其應用范圍已經越來越廣。手勢軌跡識別技術被廣泛應用于人機交互系統中，典型的應用有鼠標手勢、觸屏手勢等。對于一個輸入手勢，現有技術將其軌跡與手勢庫中的預設手勢軌跡進行對比，以確定該手勢的類型，若判定輸入手勢屬于且只屬于預設手勢中的一種，則觸發應用程序執行相應的操作，否則不觸發任何操作。
　　手勢觸摸軌跡的識別，通常是根據手勢軌跡點的坐標，來提取手勢的軌跡特征信息，然后根據手勢軌跡特征信息，判斷輸入手勢屬于手勢庫中的何種預設手勢。

　　現有識別手勢軌跡的方法
　　現有技術通常采用以下兩種方式中的一種，對得到的手勢軌跡特征信息進行分析：
    1、將輸入手勢的軌跡特征信息，依次與手勢庫中每一種預設手勢的特征信息進行比較，根據比較結果依次判斷輸入手勢是否是當前的預設手勢。這種方法的識別過程比較簡單，但若想獲得較高的識別準確率，需要計算復雜度較高的特征匹配算法。更重要的是，識別一個輸入手勢軌跡所需要的計算時間與手勢庫中預設手勢的數量成正比。當預設手勢的數量很多時，解析一個輸入手勢將變得非常慢。
    2、采用人工神經網絡、支持向量機、貝葉斯網絡等機器學習方法，為手勢庫的每種預設手勢提供若干數量的訓練樣本、訓練手勢分類器。當輸入一個新手勢并提取其軌跡特征后，利用分類器判斷輸入手勢屬于手勢庫中何種預設手勢。該方法的不足之處在于：建立手勢分類器需要較多的訓練樣本。若用戶或計算機軟件二次開發人員需要往手勢庫中添加一個新的預設手勢，則需要提供多個手勢樣本用于建立新的分類器（可能需要一百個手勢樣本才能獲得較高的識別準確率），因此建立手勢庫的過程比較繁瑣。
　　另外，若手指在觸摸屏等人機交互設備上移動速度過快或過慢，會造成交互設備獲得的點分布不均勻，以及噪聲點的增多。現有技術下，這種情況會降低對手勢軌跡識別的準確率。

　　華平識別自定義手勢軌跡的方法
　　鑒于上述現有技術的缺點，華平提供一種識別自定義手勢軌跡的方法，該方法包括觸摸設備和手勢識別模塊兩個組成部分：
　　觸摸設備：用于接收輸入手勢，并判斷該手勢軌跡與手勢庫中任一預設手勢是否匹配；
　　手勢識別模塊：用于擷取待識別手勢軌跡的坐標數據，對按時間先后順序連續觸摸的有序離散點集進行優化，從優化后的有序離散點集中提取手勢的特征信息，并與手勢庫中每一個預設手勢的特征信息進行比較，根據比較結果向觸摸設備反饋手勢軌跡。

圖1：自定義手勢軌跡識別過程

　　觸摸設備接收手勢軌跡后，將手勢軌跡坐標數據發送給手勢識別模塊，手勢識別模塊采用優化方法，對按時間先后順序連續觸摸的有序離散點集，進行優化獲得優化軌跡，再提取優化軌跡的特征信息，并將這些特征信息與手勢庫中的預設手勢的特征信息進行匹配判別，從而判斷輸入的手勢軌跡匹配哪種預設手勢。若輸入的手勢軌跡與手勢庫中的任一預設手勢都不匹配，則將輸入的手勢軌跡作為新增預設手勢添加到手勢庫中；若與其中的一項匹配，則向觸摸設備反饋相應的預設手勢。
 

　
圖2：手勢庫中的預設手勢示意圖

　　華平自定義手勢軌跡方法的優勢：
　　此識別自定義手勢軌跡的方法，能極大地提高用戶在輸入手勢時手勢軌跡識別準確率和解析速度，提供靈活的可定制的應用操作，降低輸入抖動、快慢等操作對識別的影響。在提高解析效率的同時能提高手勢軌跡識別準確率，而且該方法具有很強的靈活性和可定制性，特別是當手勢庫中的預設手勢數量達到一定規模時，能較為顯著的提高解析效率。
　　利用建庫時預存的手勢特征信息以及特征值（預判），能顯著提高單點手勢軌跡的解析速度；
　　在建庫和接受應用輸入時，對手勢軌跡做了平滑等去噪處理，這樣可以降低用戶在輸入手勢時，因抖動（噪聲）、觸摸設備獲取點頻率快慢，或是應用輸入時移動速度快慢，而造成識別準確率降低的影響；
　　在采用特征值預判，提高解析效率的前提下，還采用了多種特征向量匹配組合比較的方法，從而保證并提高了識別的準確率。
　　對于實際應用中較少的手勢，可以建立精簡的手勢庫。而且對已有的手勢庫中的手勢可進行編輯移除操作，從減少庫容量的角度進一步提高解析效率，而且技術具有很強的靈活性和用戶定制性。