一种基于多源域自适应的跨用户手势识别方法技术

本发明专利技术提供了一种基于多源域自适应的跨用户手势识别方法，尤其是肌电惯性手势识别方法，属于人工智能的人机交互技术领域，包括：S1：通过传感器获取多个被试前臂的肌电信号和惯性信号，构建多源域数据集；S2:对S1步骤中得到的肌电、惯性信号进行预处理与数据处理；S3：构建共有特征提取器，获取时序特征；S4：构建域特征提取器，进行域特有特征对齐；S5：构建域分类器，进行域分类器对齐；S6：计算多领域自适应方法的损失估计，将S3获得的数据送入模型中，对模型进行训练直到模型损失函数不再提升，保存模型。存模型。存模型。

【技术实现步骤摘要】
一种基于多源域自适应的跨用户手势识别方法


[0001]本专利技术涉及人工智能的人机交互
，尤其是一种基于多源域自适应的跨用户手势识别方法。

技术介绍

[0002]手势识别技术已在众多人机交互领域都表现出了极具重要的研究价值和应用前景：科学研究已经证实，使用融合手势识别技术和机器人技术的手康复机器人辅助医师对患者手部进行康复训练，能够帮助重塑神经系统，促进患者手部运动功能恢复正常。在消费类电子领域，以手势识别作为人机交互的应用场景更加丰富，如远程控制的家庭服务机器人，虚拟现实交互，在工业领域，使用手势识别技术结合机械手臂，可以保证工人在极限环境作业下的安全。在军事作战领域，语言和表情往往不适合士兵之间的交流及指挥方式，使用手势能够安全且清晰的表达作战命令。
[0003]由于信号的个体性差异，动作识别可以分为单用户动作识别算法和跨用户动作识别算法，区别在于训练数据集用户和测试数据集用户是否相同。
[0004]采用经典分类器的手势识别技术普遍包含四个步骤：信号检测、信号预处理及分段、特征提取、和手势动作分类。其中特征提取是决定手本文档来自技高网...

【技术保护点】

【技术特征摘要】
被遗忘；当f
t
为1时上一个细胞状态Ct 1被保留；时序特征是通过LSTM网络来获取；数学表达式如下所示：f
t
＝singmoid(w
f
*[h
t
‑1,x
t
]+b
i
)式中，X
T
为当前时刻网络的输入值，H
t
‑1为上一时刻LSTM的输出值，W
F
为遗忘门的权重矩阵，b
i
为输入门的偏置项；最新的细胞状态C
t
是由上一个细胞状态C
t
‑1和新的待定细胞状态一起决定的；f
t
和i
t
是C
t
‑1和的权重系数项，是细胞的更新或遗忘的体现，数学表达式如下所示：i
t
＝sigmoid(w
i
*[h
t
‑
1,x
t
]+b
i
))式中，W
i
为输入门的权重矩阵，W
c
为计算单元状态的权重矩阵，b
c
为计算单元状态的偏置项，i
t
为输入门，C
T
‑1为上个细胞状态；输出门负责确定当前细胞状态C
t
有多少会输出至输出值H
t
中，数学表达式如下所示：o
t
＝sigmoid(w
o
*[h
t
‑
1,x
t
]+b
o
)h
t
＝o
t
*tanh(C
t
)。5.根据权利要求1所述的一种基于多源域自适应的跨用户手势识别方法，其特征在于：SENet通过将每个特征通道看作一个整体，使用特征重标定方式利用通道全局特征来标定模型通道的权重，使模型在训练过程中能够学习到不同特征通道的重要程度，...

【专利技术属性】
技术研发人员：谢平，徐猛，江国乾，王颖，张经纬，王崑宇，
申请(专利权)人：燕山大学，
类型：发明
国别省市：