一种基于图像识别的表面肌电信号检测方法及装置制造方法及图纸

本发明专利技术公开了一种基于图像识别的表面肌电信号检测方法及装置，所述检测方法包括：基于图像识别捕捉手部运动数据，在所述手部运动数据中提取手部动作特征；根据所述手部动作特征确认参与动作的肌肉群的运动部位，所述运动部位包括主运动位置和次运动位置；采集手部运动时肌肉群运动部位的表面肌电信号，整理获得手部表面肌电信号变化数据；根据所述肌肉群主要运动部位，对所述手部表面肌电信号变化数据按权重进行曲线拟合，生成手部表面肌电信号图。所述方法通过图像识别手部运动动作特征，根据手部运动特征调整表面肌电信号的处理，生成表面肌电信号图，减少干扰信号的影响，能够准确反应手部运动状态，提高表面肌电信号检测的准确性。的准确性。的准确性。

【技术实现步骤摘要】
一种基于图像识别的表面肌电信号检测方法及装置


[0001]本专利技术主要涉及肌电检测
，具体涉及一种基于图像识别的表面肌电信号检测方法及装置。

技术介绍

[0002]表面肌电信号(surface electromyography，SEMG)是肌肉收缩时伴随的电信号，是在体表无创检测肌肉活动的重要方法。目前，表面肌电信号检测已经应用在医疗检测领域中，在手部复健训练中，采集患者手部表面肌电信号，通过表面肌电信号图分析患者手部复健状态。
[0003]由于不同的手部动作涉及的肌肉运动状态不同，手部肌肉群不同位置的肌肉收缩程度不相同，不同位置上的表面肌电信号变化存在差异，但是目前的表面肌电信号采集并没有根据手部动作的针对肌肉群不同位置的表面肌电信号差异进行调整，导致表面肌电图容易受到干扰信号的影响，不能准确反映手部运动状态，检测精准度不足。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于图像识别的表面肌电信号检测方法及装置，所述方法通过图像识别手部运动动作特征，根据手部运动特征调整表面肌电信号的处理，减少干扰信号的影响，能够准确反应手部运动状态，提高表面肌电信号检测的准确性。
[0005]本专利技术提供了一种基于图像识别的表面肌电信号检测方法，所述检测方法包括：
[0006]基于图像识别捕捉手部运动数据，在所述手部运动数据中提取手部动作特征；
[0007]根据所述手部动作特征确认参与动作的肌肉群的运动部位，所述运动部位包括主运动位置和次运动位置；
[0008]采集手部运动时肌肉群运动部位的表面肌电信号，整理获得手部表面肌电信号变化数据；
[0009]根据所述肌肉群主要运动部位，对所述手部表面肌电信号变化数据按权重进行曲线拟合，生成手部表面肌电信号图。
[0010]进一步的，所述基于图像识别捕捉手部运动数据，在所述手部运动数据中提取手部动作特征，包括：
[0011]通过摄像头拍摄记录手部运动情况，根据所述手部运动情况整理出手部运动时序图组，所述手部运动时序图组包括多张手部运动时序图；
[0012]依次对所述手部运动时序图组中的多张手部运动时序图进行图像处理，获得时序图像数据，所述时序图像数据包括多张手部时序图像；
[0013]对所述手部时序图像数据中的多张手部时序图像进行对比分析，提取手部动作特征。
[0014]进一步的，所述图像处理包括将所述手部运动时序图进行灰度化处理，得到手部
运动时序灰图；
[0015]基于canny算子对所述手部运动时序灰图进行边缘检测，获得手部运动时序轮廓。
[0016]进一步的，所述对手部时序图像数据中的多张手部时序图像进行对比分析，提取手部动作特征包括：
[0017]将所述手部时序图像数据中任意两个相邻的手部时序图像进行对比分析，根据图像中手部变化动作提取所述手部动作特征。
[0018]进一步的，通过感知哈希算法对任意两个相邻的手部时序图像进行相似度测量。
[0019]进一步的，所述采集手部运动时肌肉群各部位的表面肌电信号，整理获得手部表面肌电信号变化数据包括：
[0020]将采集的所述肌肉群各部位的表面肌电信号依次进行傅里叶变换和巴特沃斯滤波，获得手部表面肌电信号变化数据。
[0021]进一步的，所述巴特沃斯滤波公式为：
[0022][0023]其中，N为滤波器阶数，ω
c
为截止频率，H(jω)为振幅函数，A(ω2)为滤波函数，jω为表面肌电信号频率。
[0024]进一步的，所述采集手部运动时肌肉群运动部位的表面肌电信号，整理获得手部表面肌电信号变化数据包括：
[0025]将采集的所述肌肉群运动部位的表面肌电信号依次进行傅里叶变换和巴特沃斯滤波，获得手部表面肌电信号变化数据。
[0026]进一步的，对所述运动位置和所述次运动位置上的表面肌电信号进行权重分配，并按权重进行曲线拟合，生成手部表面肌电信号图；
[0027]所述曲线拟合函数为：
[0028]f(x)＝b
j
(K1*A(x)+K2*B(x))；
[0029]其中，f(x)为表面肌电信号曲线函数，b
j
为拟合系数，K1为主运动位置权重，K2为次运动位置权重，A(x)为主运动位置的表面肌电信号曲线，B(x)为次运动位置的表面肌电信号曲线。
[0030]本专利技术还提供了一种基于图像识别的表面肌电信号检测装置，所述检测装置包括：
[0031]图像识别模块：基于图像识别捕捉手部运动数据，在所述手部运动数据中提取手部动作特征；
[0032]特征分析模块：根据所述手部动作特征确认参与动作的肌肉群的运动部位，所述运动部位包括主运动位置和次运动位置；
[0033]数据分析模块：采集手部运动时肌肉群运动部位的表面肌电信号，整理获得手部表面肌电信号变化数据；
[0034]曲线拟合模块：根据所述肌肉群主要运动部位，对所述手部表面肌电信号变化数据按权重进行曲线拟合，生成手部表面肌电信号图。
[0035]本专利技术提供了一种基于图像识别的表面肌电信号检测方法及装置，所述方法通过对手部运动过程中的图像进行识别处理，提取手部运动过程中的手部动作特征，从而分析
对应肌肉群的参与运动的位置，通过采集对应位置上的表面肌电信号，并根据权重分配对主运动位置上的表面肌电信号曲线和次运动位置上的表面肌电信号曲线进行曲线拟合，得到表面肌电信号图，能够减少干扰信号的影响，真实反映手部运动状态，提高表面肌电信号检测的准确性。
附图说明
[0036]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见的，下面描述中的附图仅仅是本专利技术的一些实施例，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它的附图。
[0037]图1是本专利技术实施例中表面肌电信号检测装置连接示意图；
[0038]图2是本专利技术实施例中表面肌电号检测方法流程图；
[0039]图3是本专利技术实施例中图像处理方法流程图；
[0040]图4是本专利技术实施例中表面肌电检测方法装置示意图。
具体实施方式
[0041]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0042]图1示出了本专利技术实施例中本专利技术实施例中表面肌电信号检测装置连接示意图，所述检测装置包括CPU组件1、拍摄组件3、连接着所述CPU组件的显示组件4和贴附在手部皮肤表面的感测组件2，所述感测组件2包括若干个感测元件21，若干个所述感测元件21基于导线连接所述CPU组件，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于图像识别的表面肌电信号检测方法，其特征在于，所述检测方法包括：基于图像识别捕捉手部运动数据，在所述手部运动数据中提取手部动作特征；根据所述手部动作特征确认参与动作的肌肉群的运动部位，所述运动部位包括主运动位置和次运动位置；采集手部运动时肌肉群运动部位的表面肌电信号，整理获得手部表面肌电信号变化数据；根据所述肌肉群主要运动部位，对所述手部表面肌电信号变化数据按权重进行曲线拟合，生成手部表面肌电信号图。2.如权利要求1所述的手部运动检测方法，其特征在于，所述基于图像识别捕捉手部运动数据，在所述手部运动数据中提取手部动作特征，包括：通过摄像头拍摄记录手部运动情况，根据所述手部运动情况整理出手部运动时序图组，所述手部运动时序图组包括多张手部运动时序图；依次对所述手部运动时序图组中的多张手部运动时序图进行图像处理，获得时序图像数据，所述时序图像数据包括多张手部时序图像；对所述手部时序图像数据中的多张手部时序图像进行对比分析，提取手部动作特征。3.如权利要求2所述的手部运动检测方法，其特征在于，所述图像处理包括将所述手部运动时序图进行灰度化处理，得到手部运动时序灰图；基于canny算子对所述手部运动时序灰图进行边缘检测，获得手部运动时序轮廓。4.如权利要求2所述的手部运动检测方法，其特征在于，所述对手部时序图像数据中的多张手部时序图像进行对比分析，提取手部动作特征包括：将所述手部时序图像数据中任意两个相邻的手部时序图像进行对比分析，根据图像中手部变化动作提取所述手部动作特征。5.如权利要求4所述的手部运动检测方法，其特征在于，通过感知哈希算法对任意两个相邻的手部时序图像进行相似度测量。6.如权利要求1所述的手部运动检测方法，其特征在于，所述采集手部运动时肌肉群各部位的表面肌电信号，整理获得手部表面肌电信号...

【专利技术属性】
技术研发人员：杨楚君，吴玉仪，
申请(专利权)人：顺德职业技术学院，
类型：发明
国别省市：