The invention discloses a method comprising the steps of gesture recognition method based on sEMG: 1) before the experiment; 2) subjects make a fist, exhibition boxing, curved wrist, wrist and grip, pinch the cylindrical pieces of paper, OK, and the eight kinds of forefinger gesture, 3) to collect the original signal; the original data input in 50HZ band-pass filter filter with 50 150HZ filtering; 4) extract active segments of each gesture, the rest section 5) to give; movable window segmentation window, get the samples; 6) calculation of EMG in the window; 7) to reduce the dimension of the EMG the use of PCA; 8) to reduce the dimensionality. After the samples were divided into training set and test set, to train the SVM classifier, and then classifies the test sample, calculate the correct classification rate. The invention can meet the requirements of the real-time control of the electromechanical control system, and effectively improve the recognition rate.
【技术实现步骤摘要】
一种基于表面肌电信号的手势识别方法
本专利技术涉及表面肌电信号手势识别的
,尤其是指一种基于表面肌电信号的手势识别方法,可应用于控制假肢和其他的人机交互情形。
技术介绍
人体的任何一个动作都是由多个肌肉群在神经系统的支配下相互协调,共同完成的。由表面肌电传感器在响应肌群皮肤表面捕获的肌肉活动信息不但能够反映关节的伸屈状态和伸曲强度,还能反映动作完成过程中肢体的形状和位置等信息,是感知人体动作的重要方式。不同的手势动作,会产生不同的表面肌电信号(SEMG),通过对表面肌电信号的分析,可以判断出具体的动作模式。特别是利用表面肌电信号识别手势动作,驱动假手做出相应手势动作,帮助残疾人,获得了广泛的关注和研究。尽管国内外学者做出了很多的成绩,但是同时也存在很多的问题。表面肌电信号的研究是为了达到更高的动作识别率、更快的识别速度,因此探索一种识别率较高同时识别速度快,能够满足实时性要求的算法是表面肌电信号的手势识别的重点和难点。
技术实现思路
本专利技术目的在于克服现有技术的不足与缺点,提出了一种基于表面肌电信号的手势识别方法,对表面肌电信号多类手势动作识别率高,整个信号处理过程简单,能够满足机电控制系统实时控制的要求。为实现上述目的,本专利技术所提供的技术方案为:一种基于表面肌电信号的手势识别方法,包括以下步骤:1)实验前准备1.1)清理受试者皮肤,去除相应肌肉处的毛发,用棉签蘸取酒精擦拭受试者表面皮肤;1.2)把电极贴在受试者指浅屈肌、拇长屈肌、指总伸肌、尺侧腕屈肌四块肌肉上,调好设备;1.3)让受试者以放松的姿态坐在椅子上,手臂自然下垂,并告知受试者动作规范 ...
【技术保护点】
一种基于表面肌电信号的手势识别方法,其特征在于,包括以下步骤:1)实验前准备1.1)清理受试者皮肤,去除相应肌肉处的毛发,用棉签蘸取酒精擦拭受试者表面皮肤;1.2)把电极贴在受试者指浅屈肌、拇长屈肌、指总伸肌、尺侧腕屈肌四块肌肉上,调好设备;1.3)让受试者以放松的姿态坐在椅子上,手臂自然下垂,并告知受试者动作规范,和实验流程;2)受试者做出握拳、展拳、曲腕、伸腕、握圆柱、捏纸片、OK、伸食指这八类手势动作,采集原始信号;3)把原始数据输入50HZ陷波器与50‑150HZ带通滤波器进行滤波;4)提取出每个手势动作的活动段,把休息段舍去;5)对活动段加窗分割,得到窗口样本;6)计算窗口内的肌电特征;7)利用PCA对所求得的肌电特征进行降维处理;8)把降维后的样本分为训练集和测试集,对SVM分类器进行训练,之后对测试样本进行分类,计算分类正确率。
【技术特征摘要】
1.一种基于表面肌电信号的手势识别方法,其特征在于,包括以下步骤:1)实验前准备1.1)清理受试者皮肤,去除相应肌肉处的毛发,用棉签蘸取酒精擦拭受试者表面皮肤;1.2)把电极贴在受试者指浅屈肌、拇长屈肌、指总伸肌、尺侧腕屈肌四块肌肉上,调好设备;1.3)让受试者以放松的姿态坐在椅子上,手臂自然下垂,并告知受试者动作规范,和实验流程;2)受试者做出握拳、展拳、曲腕、伸腕、握圆柱、捏纸片、OK、伸食指这八类手势动作,采集原始信号;3)把原始数据输入50HZ陷波器与50-150HZ带通滤波器进行滤波;4)提取出每个手势动作的活动段,把休息段舍去;5)对活动段加窗分割,得到窗口样本;6)计算窗口内的肌电特征;7)利用PCA对所求得的肌电特征进行降维处理;8)把降维后的样本分为训练集和测试集,对SVM分类器进行训练,之后对测试样本进行分类,计算分类正确率。2.根据权利要求1所述的一种基于表面肌电信号的手势识别方法,其特征在于:在步骤3)中,获得的原始信号中含有大量的噪声信息,在分析之前要经过滤波,SEMG信号能量集中在50到500HZ的范围内,且主要集中在50到150HZ的范围内,采用50HZ陷波器滤除工频干扰,50到150HZ带通滤波器滤除干扰。3.根据权利要求1所述的一种基于表面肌电信号的手势识别方法,其特征在于:在步骤4)中,所述活动段的提取过程如下:采用移动平均方法处理SEMG信号序列的瞬时能量,选择信号最大值的2%作为阈值,起始点定义为移动平均信号超过阈值且之后的64ms信号也超过阈值,结束点定...
【专利技术属性】
技术研发人员:庄聪聪,李远清,周平,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。