(19)国家知识产权局
(12)发明 专利申请
(10)申请公布号
(43)申请公布日
(21)申请 号 202211268355.X
(22)申请日 2022.10.17
(71)申请人 厦门大学
地址 361005 福建省厦门市思明区思明南
路422号
(72)发明人 李宇扬 杜小甫 张宏磊
(74)专利代理 机构 北京沃知思真知识产权代理
有限公司 1 1942
专利代理师 袁辰亮
(51)Int.Cl.
G06V 40/20(2022.01)
G06V 10/82(2022.01)
G06V 10/764(2022.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)G06F 17/18(2006.01)
(54)发明名称
基于卷积结构的动态手势 识别方法
(57)摘要
本发明公开了基于卷积结构的动态手势识
别方法, 涉及动态手势识别领域, 解决了现有的
动态手势识别方法要么对受试者伤害较大, 要么
需要去除汗毛, 处理过程复杂的问题, 现提出如
下方案, 其包括以下步骤: S1: 数据预处理: 采用
固定长度的窗计算窗内的平均能量, 作为该点的
能量值, 滑动窗大小取值64, 算法实现过程为:
S2: 样本生成: 选 择64个点作为样本的长度, 采样
频率为200Hz,具有8个sEMG信号传感器, 因而数
据样本的大小 为64x8; S3: 特征提取: 从时域和频
域等不同角度对sEMG信号进行特征提取, 使用机
器学习方法进行手势分类。 本方法具有精度高,
同时可以较为广泛的进行应用的特点。
权利要求书1页 说明书4页 附图2页
CN 115482587 A
2022.12.16
CN 115482587 A
1.基于卷积结构的动态手势 识别方法, 其特 征在于, 包括以下步骤:
S1: 数据预处理: 采用固定长度的窗计算窗内的平均 能量, 作为该点的能量值, 滑动窗
大小取值64, 算法实现过程 为:
(1)对8通道的信号幅值的绝对值进行平均, 平均绝对值计算公式如下:
其中采集的原 始信号标记
上标i为第j个通道, 下 标i为第i个点;
(2)计算每 个信号点的能量 值, 公式如下:
其中N为信号采样点总数, W为窗口大小,
为第i个点的8通道信号的平均绝对
值;
(3)设置阈值tTh, 公式如下:
tTh=m1+bm2 (3)
其中m1为信号静息段能量的平均值,m2为信号能量的峰值,b为调整阈值系数, 通常在
0.01~0.04之间;
S2: 样本生成: 选择64个点作为样本的长度, 采样频率为200Hz,具有8个sEMG信号传感
器, 因而数据样本的大小为64x8;
S3: 特征提取:
从时域和频域等不同角度对sEMG信号进行特征提取, 使用机器学习方法进行手势分
类。
2.根据权利要求1所述的基于卷积结构的动态手势识别方法, 其特征在于, 所述S1中滑
动窗大小取值 为64。
3.根据权利要求1所述的基于卷积结构的动态手势识别方法, 其特征在于, 所述S2中为
了数据扩充处 理,样本间重 叠大小为32个点。
4.根据权利要求1所述的基于卷积结构的动态手势识别方法, 其特征在于, 所述S3 中时
域特征有平均绝对值、 均方根、 过零点数、 波形长度, 频域特征有平均频率、 平均功率、 中值
频率。权 利 要 求 书 1/1 页
2
CN 115482587 A
2基于卷积结构的动态手势识别方 法
技术领域
[0001]本发明涉及动态手势 识别领域, 尤其涉及基于卷积结构的动态手势 识别方法。
背景技术
[0002]在计算机科学中, 手势识别是通过数学算法来识别人类手势的一个议题。 手势识
别可以来自人 的身体各部位的运动, 但一般是指脸部和手的运动。 用户可以使用简单 的手
势来控制或与设备 交互, 让计算机理解人类的行为。 其核心 技术为手势分割、 手势分析以及
手势识别。
[0003]常规方法中对表面肌电信号的采集使用的主要传感器有针电极、 湿电极等。 由针
电极信号采集的信号纯净、 干扰小, 但对受试者伤害较大。 湿电极与皮肤接触面积小, 但是
佩戴前需要 去除汗毛, 处 理过程复杂。 因此提出基于卷积结构的动态手势 识别方法。
发明内容
[0004]本发明的目的在于提供基于卷积结构的动 态手势识别方法, 解决了现有的动 态手
势识别方法要么对受试者伤害较大, 要么需要 去除汗毛, 处 理过程复杂的问题。
[0005]为实现上述目的, 本 发明提供如下技术方案: 基于卷积结构的动 态手势识别方法,
其特征在于, 包括以下步骤:
[0006]S1: 数据预处理: 采用固定长度的窗计算窗内的平均能量, 作为该点的能量值, 滑
动窗大小取值64, 算法实现过程 为:
[0007](1)对8通道的信号幅值的绝对值进行平均, 平均绝对值计算公式如下:
[0008]
[0009]其中采集的原 始信号标记
上标i为第j个通道, 下 标i为第i个点;
[0010](2)计算每 个信号点的能量 值, 公式如下:
[0011]
[0012]其中N为信号采样点总数, W为窗口大小,
为第i个点的8通道信号的平均
绝对值;
[0013](3)设置阈值tTh, 公式如下:
[0014]tTh=m1+bm2 (3)
[0015]其中m1为信号静息段能量的平均值, m2为信号能量的峰值, b为调整阈值系数, 通 常
在0.01~0.04之间;
[0016]S2: 样本生成: 选择64个点作为样本的长度, 采样频率为200Hz, 具有8个sEMG信号
传感器, 因而数据样本的大小为64x8;说 明 书 1/4 页
3
CN 115482587 A
3
专利 基于卷积结构的动态手势识别方法
文档预览
中文文档
8 页
50 下载
1000 浏览
0 评论
0 收藏
3.0分
温馨提示:本文档共8页,可预览 3 页,如浏览全部内容或当前文档出现乱码,可开通会员下载原始文档
本文档由 SC 于 2024-02-18 22:24:33上传分享