手势识别方法、手势识别装置、手势识别系统及存储介质制造方法及图纸

本申请公开了一种手势识别方法、手势识别装置、手势识别系统及存储介质，该方法包括：获取肌腱上的振动信息；对振动信息进行处理，得到振动信息对应的特征；基于特征，对振动信息进行分类，得到肌腱对应的手势类别。通过上述方式，本申请能够有效地对手势类别进行分类和识别。识别。识别。

【技术实现步骤摘要】
手势识别方法、手势识别装置、手势识别系统及存储介质


[0001]本申请涉及人机识别
，特别是涉及一种手势识别方法、手势识别装置、手势识别系统及存储介质。

技术介绍

[0002]在外骨骼人机界面领域，意图识别已经成为一种研究重点，其中包括步态识别、手势识别等。使得研究腕部肌腱音在康复外骨骼手势识别中的应用越来越广泛。
[0003]通常，声音可以由手腕肌腱上的传感器收集。然而，一些研究人员通过固定在皮肤上的听诊器通过麦克风记录声音。在现有技术方案应用在外骨骼时，往往会导致测量误差与外骨骼活动的设备碰撞，结合环境噪声克风采集声音信号时会受到噪音影响，导致降低类别进行识别的概率。

技术实现思路

[0004]本申请实施例的第一方面提供了手势识别方法，该方法包括：获取肌腱上的振动信息；对振动信息进行处理，得到振动信息对应的特征；基于特征，对振动信息进行分类，得到肌腱对应的手势类别。
[0005]本申请实施例的第二方面提供了一种手势识别装置，该手势识别装置包括处理器和存储器，存储器中存储有计算机程序，处理器用于执行计算机程序以实现本申请实施例第一方面提供的方法。
[0006]本申请实施例的第三方面提供了一种手势识别系统，该手势识别系统包括：
[0007]传感器，被配置为固定于手的肌腱部位，用于采集肌腱部位的振动信息；
[0008]处理设备，用于处理振动信息，得到振动信息对应的特征；
[0009]提取设备，用于提取振动信息对应的特征；
[0010]手势识别装置，连接传感器、处理设备以及提取设备，用于执行本申请实施例第一方面提供的方法。
[0011]本申请实施例的第四方面提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，计算机程序能够被处理器执行时实现本申请实施例第一方面提供的方法。
[0012]本申请的有益效果是：区别于相关技术的情况，本申请针对目前手势分类的识别方法，通过对获取的肌腱上的振动信息进行处理，对周围环境的噪声进行去除，得到手上的肌腱对应的特征，而手势分类与肌腱的振动信息联系紧密相关，对肌腱对应的振动信息的特征进行识别分类，能够快速得到肌腱对应的手势类别。
附图说明
[0013]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于
本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0014]图1是本申请手势识别方法的系统框架图；
[0015]图2是本申请手势识别方法手势类别示意图，其中，图2(1)表示五个手指打开的手势；图2(2)表示将手腕下扣的手势；图2(3)表示将五个手指合成拳头的手势；
[0016]图3是本申请手势识别方法实施例的流程示意图；
[0017]图4是图3中步骤S12一具体实施例的流程示意图；
[0018]图5是图4中步骤S22一具体实施例的流程示意图；
[0019]图6是图4中步骤S23一具体实施例的流程示意图；
[0020]图7是图5中步骤S33一具体实施例的流程示意图；
[0021]图8是图3中步骤S13一具体实施例的流程示意图；
[0022]图9是本申请手势识别方法实施例的实验结果示意图；
[0023]图10是本申请的手势识别装置一实施例的示意框图；
[0024]图11是本申请的手势识别系统一实施例的示意框图；
[0025]图12是本申请的计算机可读存储介质一实施例的示意框图；
具体实施方式
[0026]以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
[0027]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
[0028]还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
[0029]还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
[0030]如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0031]为了说明本申请的技术方案，下面通过具体实施例来进行说明本申请第一方面提供一种手势识别方法，为了更好地解释本申请提出的手势识别方法，请参阅图1，图1是本申请手势识别方法的系统框架图，系统至少包括步骤：S1：信号收集；S2：预处理；S3：能量激活；S4：特征提取；S5：分类。
[0032]具体地，手腕肌腱上设置传感器，使得传感器可以测量声音在手腕肌腱上的轻微振动。用预设软件对振动信号转换成的声音信号进行预处理、能量激活、特征提取和分类，
从而得到不同手势的分类。
[0033]更进一步地，其中采集板可以选择意法半导体的(STEVAL
‑
MKIGIBV3)，传感器可以选择LIS25BA，当然，本领域相关技术人员还可以选择满足要求的其他类型采集板和传感器，此处不做限定。
[0034]为更为方便理解手势类别的含义，请参阅图2，图2是本申请手势识别方法手势类别示意图，其中，图2(1)表示将五个手指打开的手势，简化为用手势HS表示；图2(2)表示将手腕下扣的手势，简化为用手势FR表示；图2(3)表示将五个手指合成拳头的手势，简化为用手势FM表示，当然，还可以有其他的手势，这里只是以这三种手势进行举例，具体此处不做限定。
[0035]为了说明本申请的技术方案，下面通过具体实施例来进行说明本申请第一方面提供一种手势识别方法，为了更好地解释本申请提出的手势识别方法，请参阅图3，图3是本申请手势识别方法实施例的流程示意图，该识别方法具体包括以下步骤：
[0036]S11：获取肌腱上的振动信息；
[0037]通常，在肌腱上设置传感器，用于感知肌腱上的振动信息，具体地，可以通过传感器测量肌腱的振动，得到振动信息，比如采用振动检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种手势识别方法，其特征在于，所述方法包括：获取肌腱上的振动信息；对所述振动信息进行处理，得到所述振动信息对应的特征；基于所述特征，对所述振动信息进行分类，得到所述肌腱对应的手势类别。2.根据权利要求1所述的方法，其特征在于，所述对所述振动信息进行处理，包括：转换所述振动信息，得到所述肌腱的声音信号；采用预设软件预处理所述声音信号，得到所述声音信号对应的音频信息；对所述音频信息进行能量激活；对激活后的所述音频信息进行特征提取，以得到所述振动信息对应的特征。3.根据权利要求2所述的方法，其特征在于，所述采用预设软件预处理所述声音信号，包括：利用低通滤波器对所述声音信号进行滤波，得到所述音频信息；对所述音频信息进行分帧，得到所述音频信息对应的多个帧；采用汉明窗处理多个所述帧，选择大于能量阈值的帧。4.根据权利要求3所述的方法，其特征在于，所述对所述声音信号进行能量激活，包括：对多个所述帧进行能量激活；对多个所述能量激活后的帧进行小波变换处理，得到多个小波系数特征；按预设比例，将多个所述小波系数特征输入训练集，得到激活后的所述音频信息。5.根据权利要求3所述的方法，其特征在于，所述采用汉明窗处理多个所述帧，选择大于能量阈值的帧，包括：利用汉明窗判断所述帧的能量值是否大于能量阈值；若大于，则确定选择大于能量阈值的帧。6.根据权利要求1所...

【专利技术属性】
技术研发人员：何柏霖，王灿，段声才，李鹏博，吴新宇，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：