(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

PDF文档 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
专利 基于卷积结构的动态手势识别方法 第 1 页 专利 基于卷积结构的动态手势识别方法 第 2 页 专利 基于卷积结构的动态手势识别方法 第 3 页
下载文档到电脑,方便使用
本文档由 SC 于 2024-02-18 22:24:33上传分享
站内资源均来自网友分享或网络收集整理,若无意中侵犯到您的权利,敬请联系我们微信(点击查看客服),我们将及时删除相关资源。