基于表面肌电信号进行手势识别的迁移学习方法和识别方法技术

一种基于表面肌电信号进行手势识别的迁移学习方法，该方法以下步骤：采集新用户不同手势的表面肌电信号；将有标注的已有用户的不同手势的表面肌电信号数据作为源域数据，无标注的新用户的不同手势的表面肌电信号数据作为目标域数据，对新用户的不同手势的表面肌电信号数据进行分类并将其划分为候选集和残余项；将所述候选集作为源域数据，所述残余项作为目标域数据，对残余项中新用户的不同手势的表面肌电信号数据进行再次分类。

【技术实现步骤摘要】
基于表面肌电信号进行手势识别的迁移学习方法和识别方法
本专利技术涉及人机交互领域，尤其涉及一种基于表面肌电信号进行手势识别的迁移学习方法和识别方法。
技术介绍
肌电信号伴随着肌肉收缩产生，是由大脑通过神经肌肉系统来控制身体部位发生运动时在肌肉处产生的电信号。表面肌电信号(sEMG)则是浅层肌肉肌电信号与神经干上电活动在皮肤表面形成的综合效应。由于蕴含着与人体运动相关的丰富信息，且具有不对人体造成伤害、无痛、操作简便等优势，表面肌电信号感知技术被广泛的应用于医疗健康、生活娱乐、机器控制、轮椅智控、行人定位等多个领域，其中手势识别是表面肌电信号的代表性应用领域。与基于计算机视觉、惯性传感单元、超声波、电磁波等其它传统的手势识别方法相比，表面肌电信号感知技术不仅能直接感知、解析肌肉活动，区分手指、手掌和手腕形态的细微变化，实现自然的人机交互，而且具有对环境光线和噪声鲁棒的优势。目前，sEMG信号采集与分析技术已经比较成熟，国内外市场上均有较为先进的各类sEMG肌电手势识别产品，如Myo、Econ、shimmer等。然而，由于受到用户皮本文档来自技高网...

【技术保护点】
1.一种基于表面肌电信号进行手势识别的迁移学习方法，包括：/n步骤1：采集新用户的不同手势的表面肌电信号；/n步骤2：将有标注的已有用户的不同手势的表面肌电信号数据作为源域数据，无标注的所述新用户的不同手势的表面肌电信号数据作为目标域数据，对所述新用户的不同手势的表面肌电信号数据进行分类，将其划分为候选集和残余项；/n步骤3：将所述候选集作为源域数据，所述残余项作为目标域数据，对所述残余项进行再次分类。/n

【技术特征摘要】
1.一种基于表面肌电信号进行手势识别的迁移学习方法，包括：
步骤1：采集新用户的不同手势的表面肌电信号；
步骤2：将有标注的已有用户的不同手势的表面肌电信号数据作为源域数据，无标注的所述新用户的不同手势的表面肌电信号数据作为目标域数据，对所述新用户的不同手势的表面肌电信号数据进行分类，将其划分为候选集和残余项；
步骤3：将所述候选集作为源域数据，所述残余项作为目标域数据，对所述残余项进行再次分类。


2.根据权利要求1所述的迁移学习方法，其中，步骤2包括：
采用K最邻近算法对所述新用户的不同手势的表面肌电信号数据进行分类；
根据所述新用户的不同手势的表面肌电信号数据的类型确定其对应的伪标签及置信度；
依据所述伪标签和置信度将所述新用户的不同手势的表面肌电信号数据划分为所述候选集和所述残余项。


3.根据权利要求1所述的迁移学习方法，其中，步骤2还包括：
优化所述候选集。


4.根据权利要求3所述的迁移学习方法，其中，所述优化所述候选集包括：
计算所述候选集中各类型新用户的不同手势的表面肌电信号数据的置信度并进行排序；
对所述置信度排序靠前的新用户的不同手势的表面肌电信号数据集合枚举其所有子集；
分别计算所述所有子集的分散度；<...

【专利技术属性】
技术研发人员：陈益强，张迎伟，于汉超，杨晓东，卢旺，
申请(专利权)人：中国科学院计算技术研究所，
类型：发明
国别省市：北京;11