CN103488995A - 一种识别颈部转动的方法 - Google Patents
一种识别颈部转动的方法 Download PDFInfo
- Publication number
- CN103488995A CN103488995A CN201310392253.3A CN201310392253A CN103488995A CN 103488995 A CN103488995 A CN 103488995A CN 201310392253 A CN201310392253 A CN 201310392253A CN 103488995 A CN103488995 A CN 103488995A
- Authority
- CN
- China
- Prior art keywords
- neck
- signal
- electromyographic
- electric signal
- electromyographic signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明公开了一种识别颈部转动的方法,包括:采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置;将肌电信号进行预处理之后,将模拟信号利用模电转换装置转变成电信号;传输到芯片中计算肌电数据的特征,利用线性判别分析LAD方法将获得的肌电数据进行处理;训练LDA分类器,利用LDA分类器实现动作的正确分类;实现对电视机换台,音量大小调整的操作。实施本发明,可以实现利用颈部转到来实现与电视机的交互。
Description
技术领域
本发明涉及人机交互技术领域,具体涉及一种识别颈部转动的方法。
背景技术
脑机接口技术在从20世纪70年代开始发展,至今已经取得了一些显著的进展,不管是植入人体的人工耳蜗产品,还是视觉假体,还是杜克大学的叶猴获取食物的研究,脑机接口的发展都显示出了他的魅力,现在我们正在以全新的视角来了解脑机接口的魅力。
模式识别是指对表征事物或现象的各种形式的信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程。它是信息科学和人工智能的重要组成部分,主要应用领域是图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等学科。分类方法主要有贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、动态编程和用于顺序数据的隐马尔可夫模型、支持向量机和聚类算法等。
将脑机接口技术和模式识别分类技术结合起来,于是就出现了李光林教授他们的研究成果一个VR系统。在此研究成果中,通过采集人体的肌电信号,然后经过预处理,特征提取,再辅以模式识别算法,就出现了良好的分类效果,分类的结果是可以识别人体的动作,这些研究可以用于残疾人的日常生活活动。
现在肌电电极的逐渐发展,使得人们采集肌电数据稳定而且方便,处理肌电数据的方法在不断更新,现在可以采用肌电图,散点图等来观察肌电数据,同时肌电信号的特征提取方法取得了很大进展,人们可以从肌电数据中提取出37个特征。加之肌电信号模式识别技术的不断发展,使人们在动作模式识别领域取得了长足的发展。
线性判别式分析(Linear Discriminant Analysis,LDA),也叫做Fisher线性判别(Fisher Linear Discriminant,FLD),是模式识别的经典算法,它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间,以达到抽取分类信息和压缩特征空间维数的效果,投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离,即模式在该空间中有最佳的可分离性。
现在家庭中用于控制电视机的遥控器越来越不能满足人民的日常需要,需要定期更换电池,需要一直将遥控器放在手边,这样的产品使人们在用的时候觉得遥控器是一个负担,并且遥控器容易坏掉,维修或者更换都不是人们想要的结果。
发明内容
本发明提供了一种识别颈部转动的方法,运用信号处理的方法实现肌电信号的特征提取,运用模式识别的技术实现动作的正确分类。
相应的,本发明实施例提供了一种识别颈部转动的方法,包括:
采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置;
将肌电信号进行预处理之后,将模拟信号利用模电转换装置转变成电信号;
传输到芯片中计算肌电数据的特征,利用线性判别分析LAD方法将获得的肌电数据进行处理;
训练LDA分类器,利用LDA分类器实现动作的正确分类;
实现对电视机换台,音量大小调整的操作。
所述采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置包括:
采用表面肌电电极,用于探测和测量肌肉收缩时所生成的低位电信号。
所述将肌电信号进行预处理之后,将模拟信号利用模电转换装置转变成电信号包括:
肌电信号的特征分为时域特征、频域特征、时频特征、当属时域特征。
本发明具有如下有益效果,现在人与电视机利用遥控器控制电视节目的变换,音量的调整,这种枯燥的人机交互方式已经不能满足人们的生活,利用本发明,可以实现利用颈部转到来实现与电视机的交互,可以定义如下:左转为减小音量,右转为增大音量,仰视为增大频道序号,俯视为减小频道序号,直视为选择。通过上面的设定人们在观看电视机时非常方面的与电视机进行互动,再也不用每天抱着遥控器了,减小了制作遥控器的成本,同时颈部转动可以缓解由于工作劳累所致的颈椎疼痛。启动保健治疗的作用。
附图说明
为了更清楚地说明本发明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,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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。
图1是本发明实施例中的识别颈部转动的方法流程图;
图2是本发明实施例中的分类器训练流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
脖子的转动分为五个动作,左转,右转,仰视,俯视,直视(脖子正常直视前方的动作),如何运用信号处理的方法实现肌电信号的特征提取,运用模式识别的技术实现动作的正确分类,是本发明所要解决的主要问题。
在本发明中主要实现颈部五个动作的准确识别,左转,右转,仰视,俯视,直视,为了实现这五个动作的准确识别,设计了下图的完整技术流程图(图1),首先采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置,将肌电信号进行预处理之后,再将模拟信号利用模电转换装置转变成电信号,传输到特殊芯片中,此时计算肌电数据的特征,同时利用线性判别分析(LDA)方法将获得的肌电数据进行处理,训练LDA分类器,从而利用LDA分类器实现动作的正确分类。之后就可以将这项技术运用到人机交互中,实现对电视机换台,音量大小调整的操作。
(1)肌电信号采集与预处理
在本发明中,采用DELSYS公司的表面肌电电极,主要用于探测和测量肌肉收缩时所生成的低位电信号。这种信号被称为肌电信号,俗称EMG信号。将DELSYS表面肌电电极黏贴在人体脖子表面,即可测得运动时所产生的表面肌电,肌电数据的采样频率为1Khz,之后将肌电数据经过预处理[6],既可以得到我们需要的有效数据了。
在预处理阶段,考虑到肌电数据在采集的过程中,可能受到电磁场的影响而产生工频干扰,因此我们需要通过陷波滤波器去掉工频干扰,之后由于肌电信号比较微弱,因此需要对肌电数据进行放大处理,一般放大倍数为1000倍,最后,人体的肌电信号频率一般集中在20-500Hz,所以需要进行带通滤波处理,保留频率为20-500hz的肌电信号,这就是我们需要的原始数据了。
(2)特征提取
本发明的目的在于分类颈部的五个动作,而在模式识别中,分类成功率的大小只要在与特征的提取与选择,因此选择那些特征动作,是我们重要的选择。
肌电信号的特征分为时域特征、频域特征、时频特征,而经常使用的比较行之有效的当属时域特征,因此我们在这个发明中也选择时域特征。
(3)分类器训练
在模式识别中分类器分为线性分类器、非线性分类器、贝叶斯分类器、支持向量机分类器(SVM)和机器学习等[5]。在发明中考虑到计算量大小,以及计算的实时性,我们选择线性分类器中的线性判别分析(LDA)。
在分类器训练的过程中,首先需要按照顺序做动作,按照左转、右转、仰视、俯视的顺序做动作,每个动作保持4s时间,做完每个动作之后回复到直视状态,并休息3s时间。上述一系列动作称为一组运动,连续做3组动作,然后将获得的肌电数据,经过预处理,之后提取4个肌电特征(MAV、WL、ZC、SSC)。然后采用模式识别中线性判别分析(LDA)算法进行构建分类器。
分类器构造完毕之后,就可以测试分类器的分类效果,做颈部转动的动作,测试分类器是否能够准确实现分类,如果分类器的分类效果良好,就可以应用到电视机的控制之中了。
(4)控制电视机
运用电视机中的接收装置,人在转动颈部的过程中接收肌电信号,然后利用分类器可以实现正确的分类。之后按照预先定义的动作,左转为减小音量,右转为增大音量,仰视为增大频道序号,俯视为减小频道序号,直视为选择。这样就能实现基本的控制电视功能。
综上,现在人与电视机利用遥控器控制电视节目的变换,音量的调整,这种枯燥的人机交互方式已经不能满足人们的生活,利用本发明,可以实现利用颈部转到来实现与电视机的交互,可以定义如下:左转为减小音量,右转为增大音量,仰视为增大频道序号,俯视为减小频道序号,直视为选择。通过上面的设定人们在观看电视机时非常方面的与电视机进行互动,再也不用每天抱着遥控器了,减小了制作遥控器的成本,同时颈部转动可以缓解由于工作劳累所致的颈椎疼痛。启动保健治疗的作用。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁盘或光盘等。
以上对本发明实施例所提供的一种识别颈部转动的方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (3)
1.一种识别颈部转动的方法,其特征在于,包括:
采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置;
将肌电信号进行预处理之后,将模拟信号利用模电转换装置转变成电信号;
传输到芯片中计算肌电数据的特征,利用线性判别分析LAD方法将获得的肌电数据进行处理;
训练LDA分类器,利用LDA分类器实现动作的正确分类;
实现对电视机换台,音量大小调整的操作。
2.如权利要求1所述的识别颈部转动的方法,其特征在于,所述采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置包括:
采用表面肌电电极,用于探测和测量肌肉收缩时所生成的低位电信号。
3.如权利要求2所述的识别颈部转动的方法,其特征在于,所述将肌电信号进行预处理之后,将模拟信号利用模电转换装置转变成电信号包括:
肌电信号的特征分为时域特征、频域特征、时频特征、当属时域特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310392253.3A CN103488995A (zh) | 2013-08-31 | 2013-08-31 | 一种识别颈部转动的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310392253.3A CN103488995A (zh) | 2013-08-31 | 2013-08-31 | 一种识别颈部转动的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103488995A true CN103488995A (zh) | 2014-01-01 |
Family
ID=49829202
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310392253.3A Pending CN103488995A (zh) | 2013-08-31 | 2013-08-31 | 一种识别颈部转动的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103488995A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725466A (zh) * | 2016-12-31 | 2017-05-31 | 安徽工业大学 | 一种基于表面肌电技术的驼背提醒装置及提醒方法 |
CN106821390A (zh) * | 2017-03-15 | 2017-06-13 | 安徽工业大学 | 一种基于肌音信号检测的驼背提醒装置及提醒方法 |
CN107744436A (zh) * | 2017-10-16 | 2018-03-02 | 华东理工大学 | 一种基于颈部肌音信号处理的轮椅控制方法及控制系统 |
CN108272566A (zh) * | 2018-03-17 | 2018-07-13 | 郑州大学 | 一种基于多模态人机接口的智能轮椅 |
CN109567815A (zh) * | 2018-10-23 | 2019-04-05 | 电子科技大学 | 一种婴儿行为状态的远程监测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040142662A1 (en) * | 2003-01-21 | 2004-07-22 | Thomas Ehrenberg | Remote change of status signal device |
CN102999154A (zh) * | 2011-09-09 | 2013-03-27 | 中国科学院声学研究所 | 一种基于肌电信号的辅助发声方法及装置 |
-
2013
- 2013-08-31 CN CN201310392253.3A patent/CN103488995A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040142662A1 (en) * | 2003-01-21 | 2004-07-22 | Thomas Ehrenberg | Remote change of status signal device |
CN102999154A (zh) * | 2011-09-09 | 2013-03-27 | 中国科学院声学研究所 | 一种基于肌电信号的辅助发声方法及装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106725466A (zh) * | 2016-12-31 | 2017-05-31 | 安徽工业大学 | 一种基于表面肌电技术的驼背提醒装置及提醒方法 |
CN106821390A (zh) * | 2017-03-15 | 2017-06-13 | 安徽工业大学 | 一种基于肌音信号检测的驼背提醒装置及提醒方法 |
CN107744436A (zh) * | 2017-10-16 | 2018-03-02 | 华东理工大学 | 一种基于颈部肌音信号处理的轮椅控制方法及控制系统 |
CN108272566A (zh) * | 2018-03-17 | 2018-07-13 | 郑州大学 | 一种基于多模态人机接口的智能轮椅 |
CN109567815A (zh) * | 2018-10-23 | 2019-04-05 | 电子科技大学 | 一种婴儿行为状态的远程监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Savur et al. | Real-time american sign language recognition system using surface emg signal | |
Abbaspour et al. | Evaluation of surface EMG-based recognition algorithms for decoding hand movements | |
Ju et al. | Surface EMG based hand manipulation identification via nonlinear feature extraction and classification | |
CN105446484B (zh) | 一种基于隐马尔科夫模型的肌电信号手势识别方法 | |
Dal Seno et al. | Online detection of P300 and error potentials in a BCI speller | |
Li et al. | Boosting-based EMG patterns classification scheme for robustness enhancement | |
CN110333783B (zh) | 一种用于鲁棒肌电控制的无关手势处理方法及系统 | |
CN103488995A (zh) | 一种识别颈部转动的方法 | |
CN108983973B (zh) | 一种基于手势识别的仿人灵巧肌电假手控制方法 | |
CN108577865A (zh) | 一种心理状态确定方法及装置 | |
CN102961203A (zh) | 基于emd样本熵的表面肌电信号识别方法 | |
CN104978035A (zh) | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 | |
Mohammadpour et al. | Comparison of EEG signal features and ensemble learning methods for motor imagery classification | |
Li et al. | EEG signal classification method based on feature priority analysis and CNN | |
Huang et al. | EMG pattern recognition using decomposition techniques for constructing multiclass classifiers | |
CN106510702B (zh) | 基于中潜伏期听觉诱发电位的听觉注意特征提取、识别系统及方法 | |
CN115936944B (zh) | 一种基于人工智能的虚拟教学管理方法及装置 | |
CN114707562A (zh) | 一种肌电信号采样频率控制方法、装置及存储介质 | |
WO2020065534A1 (en) | System and method of generating control commands based on operator's bioelectrical data | |
Li et al. | Transfer learning-based muscle activity decoding scheme by low-frequency sEMG for wearable low-cost application | |
CN114384999B (zh) | 基于自适应学习的用户无关肌电手势识别系统 | |
CN109009098A (zh) | 一种运动想象状态下的脑电信号特征识别方法 | |
Yuan et al. | Chinese sign language alphabet recognition based on random forest algorithm | |
CN108491792B (zh) | 基于眼电信号的办公场景人机交互行为识别方法 | |
CN111923048A (zh) | 肌电信号分类、外骨骼机器人控制方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140101 |
|
RJ01 | Rejection of invention patent application after publication |