(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