【技术实现步骤摘要】
一种基于前臂肌电信号的动作识别方法及系统
本专利技术属于识别技术改进领域，尤其涉及一种基于前臂肌电信号的动作识别方法及系统。
技术介绍
如今，随着科学技术的发展，虚拟现实技术正在逐渐发展中。当然，虚拟现实技术也可也应用在各个不同的学科上。根据各种学科的研究目标和应用进行分类，虚拟现实技术可以根据沉浸式体验角度进行分类。因此可以分为非交互式体验、人——虚拟环境交互式体验和群体——虚拟环境交互式体验这三类。在非交互式体验之中，用户与场景数据之中并没有实质性的交互行为。但是在人——虚拟环境交互式体验和群体——虚拟环境交互式体验这两种分类之中，我们需要人与场景数据进行交互。从而就需要通过设备读取人在现实生活中的手势，并识别其种类，来达到与场景数据进行交互的目的。因此现如今十分需要一个正确率高的手势识别系统。提到手势识别，我们会联想到LeapMotion和Kinect等基于图像传感器的体感设备。但是由于这些设备基于人的动作图像进行识别，因此使用者在使用这些设备的时候需要面对着摄像头来完成“规范”的动作。并且在使用摄像头识别时，...
【技术保护点】
1.一种基于前臂肌电信号的动作识别方法，其特征在于，所述基于前臂肌电信号的动作识别方法包括以下步骤：/nS1、通过对人体前臂肌群的分析将手前臂区域细致的划分为若干个区域并进行数据采集；/nS2、对采集的不同部位的数据信号进行评分处理并选出特征值较高的几个分配策略；/nS3、通过对所选部位的值进行数据收集使用LSTM算法对收集的多数据进行学习并再次采集数据进行正确性检验。/n
【技术特征摘要】
1.一种基于前臂肌电信号的动作识别方法，其特征在于，所述基于前臂肌电信号的动作识别方法包括以下步骤：
S1、通过对人体前臂肌群的分析将手前臂区域细致的划分为若干个区域并进行数据采集；
S2、对采集的不同部位的数据信号进行评分处理并选出特征值较高的几个分配策略；
S3、通过对所选部位的值进行数据收集使用LSTM算法对收集的多数据进行学习并再次采集数据进行正确性检验。
2.根据权利要求1所述的基于前臂肌电信号的动作识别方法，其特征在于，所述步骤S1中还包括以下步骤：
S11、在分成的若干个区域中进行EMC传感器的配置。
3.根据权利要求1或2所述的基于前臂肌电信号的动作识别方法，其特征在于，所述步骤S2中还包括以下步骤：
S21、根据收集到的数据对不同部位采集到的信号进行特征评分；
S22、对评分判断的结果进行排序选择判断准确率最高的几个分配策略。
4.根据权利要求3所述的基于前臂肌电信号的动作识别方法，其特征在于，所述步骤S21中还包括以下步骤：
S211、使用卡方检验或特征选择算法进行评分操作。
5.根据权利要求3所述的基于前臂肌电信号的动作识别方法，其特征在于，所述步骤S3中还包括以下步骤：
S31、使用Zscore对选择产生的不同部位的值进行归一化操作。
6...
【专利技术属性】
技术研发人员：伍楷舜，黄彦道，俞灵霄，万钰滢，陈林，
申请(专利权)人：深圳大学，
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。