CN104887223A - 一种无线干电极脑电采集及动作识别方法及系统 - Google Patents
一种无线干电极脑电采集及动作识别方法及系统 Download PDFInfo
- Publication number
- CN104887223A CN104887223A CN201510278763.7A CN201510278763A CN104887223A CN 104887223 A CN104887223 A CN 104887223A CN 201510278763 A CN201510278763 A CN 201510278763A CN 104887223 A CN104887223 A CN 104887223A
- Authority
- CN
- China
- Prior art keywords
- data
- brain wave
- acquisition
- dry electrode
- cpu
- 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
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种无线干电极脑电采集及动作识别方法及系统,系统的功能完整实现是以对数据的正确获取及解读为基础的,主要需要获取数据有两种:通过脑电信号采集电路采集的脑电波数据、运动处理组件获取的头部姿态数据,CPU通过对上述两种数据的处理从而完成识别,并将结果组成特定的帧格式通过蓝牙发送到相应的应用主机。有益效果在于:(1)增加了头部转动控制,利用运动识别模块对头部运动进行采集,增加控制维度,解决了单电极脑电控制维度单一的问题;(2)可以很好地监测使用者的注意力,识别动作,增加对人脑信息识别的维度。
Description
技术领域
本发明涉及脑电采集与运动识别领域,尤其涉及一种无线干电极脑电采集及动作识别方法及系统。
背景技术
随着社会与科学技术的发展,一些基于脑电意识的穿戴设备也进入人们的消费领域,而现有的消费级干电极脑电采集设备主要为注意力及放松度测量的功能,此类产品只有一维线性数据,在控制上功能单一,为人们带来的使用感觉与效果单一。
发明内容
本发明为克服上述的不足之处,目的在于提供一种无线干电极脑电采集及动作识别方法,本方法通过采集脑电波数据与头部姿态数据后计算完成动作识别,从而可以很好地监测使用者的注意力,识别动作,增加对人脑信息识别的维度。
本发明另一目的在于提供一种无线干电极脑电采集及动作识别的系统,包括脑电信号采集电路、运动处理组件、CPU、蓝牙模块,可以准确地采集到脑电波数据和头部姿态数据。
本发明是通过以下技术方案达到上述目的:一种无线干电极脑电采集及动作识别方法,包括数据获取与处理、数据计算与上传;
数据获取与处理:
1)脑电波数据的获取与处理:通过脑电信号采集电路完成脑电采集与解析,并将解析结果以数据包形式通过异步串口接口发送至CPU;
2)头部姿态数据的获取与处理:利用端正姿势矫正算法矫正人体坐姿,通过运动处理组件获得四元数和陀螺仪值,求解四元数得到头部姿态数据,将头部姿态数据经过坐标变换后发送给CPU;
数据计算与上传:
i)CPU接收到脑电波数据与头部姿态数据后将有效数据提取出来,结合CPU主动查询得到的陀螺仪值,进行计算得到动作识别结果;
ii)对计算结果进行打包处理形成帧格式的文件,通过蓝牙以固定的发送时间间隔发送至应用主机,以达到数据的持续传输。
作为优选,所述CPU接收脑电波数据包采用接口中断方式,接口中断方式的工作方式为每读取一个字节数据进入接收中断,并将此数据赋给Data_temp;包括数据侦查、有效数据读取、数据处理三步。
作为优选,所述脑电波数据包包括脑电波长数据包和脑电波短数据包;脑电波长数据包包括噪声值、注意力值、放松度值三要素,频率为1HZ;脑电波短数据包为脑电波原始数据,频率为512HZ。
作为优选,所述脑电波长数据包和脑电波短数据包是混合发送至CPU的,发送时脑电波长数据包插入在脑电波短数据包的发送间隔。
作为优选,所述端正姿势矫正算法如下:
A)系统在检测头戴佩戴准确后做头部端正姿势的判断;
B)系统为端正位置的中心点赋予初始值后并给出误差范围,以确保头部姿态数据有效。
作为优选,所述求解四元数得到的头部姿态数据为拖布绕X,Y,Z轴旋转的数据。
作为优选,所述固定的发送时间间隔为20-30ms。
一种应用如上所述的无线干电极脑电采集及动作识别方法的系统,其特征在于包括:脑电信号采集电路、运动处理组件、CPU、蓝牙模块;CPU分别与脑电信号采集电路、运动处理组件、蓝牙模块连接。
作为优选,所述的脑电信号采集电路包括干电极、脑电波传感器芯片;干电极通过与人体前额接触获得脑部模拟电信号,并将此信号发送给脑电波传感器芯片。
作为优选,所述的运动处理组件为自带DMP的MPU6050;蓝牙模块为Bluetooth 4.0BLE。
本发明的有益效果在于:(1)增加了头部转动控制,利用运动识别模块对头部运动进行采集,增加控制维度,解决了单电极脑电控制维度单一的问题;(2)可以很好地监测使用者的注意力,识别动作,增加对人脑信息识别的维度。
附图说明
图1是本发明系统结构示意图;
图2是本发明脑电信号采集流程示意图;
图3是本发明脑电波数据接收流程图;
图4是本发明头部姿态动作判断流程图;
图5是本发明数据发送流程示意图。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此:
实施例:如图1所示,一种应用如上所述的无线干电极脑电采集及动作识别方法的系统,由脑电信号采集电路、运动处理组件、CPU、蓝牙模块组成。CPU分别与脑电信号采集电路、运动处理组件、蓝牙模块连接。所述的脑电信号采集电路包括干电极、脑电波传感器芯片;如图2所示,干电极通过与人体前额接触获得脑部模拟电信号,通过屏蔽线将此信号传输给脑电波传感器芯片,经由脑电波传感器芯片处理后,获得注意力值,噪声值,并以特定的格式将数据传输给CPU。本系统具有由STM32L052芯片组成的CPU系统,主要负责数据获取,数据处理,数据传输功能。所述的运动处理组件为自带DMP的MPU6050;蓝牙模块为Bluetooth 4.0BLE。
一种无线干电极脑电采集及动作识别方法,包括数据获取与处理、数据计算与上传;
数据获取与处理:主要获取脑电波数据和头部姿态数据,两种数据的获取是并行的。
1)脑电波数据的获取与处理:通过脑电信号采集电路完成脑电采集与解析,并将解析结果以数据包形式通过异步串口接口发送至CPU;
脑电数据包主要有两种1:短数据包:脑电波原始数据,频率为512Hz。数据格式:2:长数据包(主要包括噪声值,注意力值,放松度值),频率为1Hz。其中数据包的发送是混合的,即长数据包时在短数据包发送的中间插入的。
对于本系统,脑电波数据的获取的主要工作为将脑电长数据包和脑电短数据包分离开来,在解析出脑电长数据包中的有效数据的同时,保证脑电短数据包的不丢失。鉴于以上特点,采用USART接口的中断方式对脑电数据进行接收。
串口中断的工作方式为每读取一个字节数据进入接收中断,并将此数据赋给Data_temp,工作过程如图3所示,每接收到一个数据执行一步。可将数据读取分为三步:
1.数据的侦查:如果连续接收到两个0xAA的字节,则说明为脑电数据包开始传输。
2.有效数据的读取:检测到脑电数据包后,接下来一个数据为数据包有效数据长度。长数据包为0x20,短数据包为0x20,以此为数据包类别判断依据。对于脑电长数据包,直接将数据放入缓冲区。对于脑电短数据包,因本系统采用Bluetooth 4.0BLE方式,无法发送512HZ脑电短数据包。因此采用4个数据包里只接受一个包的形式,即接受频率为128Hz,接收后将短数据包放入Ori_temp[]。
数据接收后处理:数据包的最后一个数据为校验位,如果校验正确,对于接收到脑电长数据包后须立刻将接收标志为置位,等待主程序进入数据发送处理流程即可将数据发送。对于脑电短数据包,本系统使用循环队列的数据结构对脑电短数据包进行存储,需注意脑电短数据包入队列操作,需保证队列不溢出。
2)头部姿态数据的获取与处理:利用端正姿势矫正算法矫正人体坐姿,通过运动处理组件获得四元数和陀螺仪值,求解四元数得到头部姿态数据,将头部姿态数据经过坐标变换后发送给CPU;
对于头部姿态的检测利用融合三轴加速度和三轴陀螺仪的MPU6050。此款传感器内部自带DMP(Digital Motion Processor,数字运动处理器)。
三轴加速度在传感器静止时的数据能较准确反应传感器姿态,但在传感器运动时会叠加传感器运动的加速度,加速度数据已不能反应传感器姿态。三轴陀螺仪对于传感器的姿态变化较敏感,但在长时间使用时会有角度漂移的累加。因此,需要对三轴加速度和三轴陀螺仪进行滤波融合才能在传感器运动时较准确反应传感器姿态。本系统选择读取MPU6050的自带DMP数据,此数据利用传感器自带的内部DMP对加速度和陀螺仪数据进行融合,能准确反应传感器姿态,并且不占用MCU资源。
MPU6050的数据读取接口是IIC。IIC由SDA和SCL两根线构成。本系统的通过MCU的GPIO对IIC时序进行模拟从而读取DMP数据。此种方式的特点有:
1.脑电波数据为被动接收,利用串口的中断,并将此中断设为高优先级,保证了脑电波数据读取的实时性。
2.MPU6050的数据为IO口模拟IIC时序接收,IIC时序特点为只有在SCL为低电平,SDA才可以改变电平,因此可以保证IO口获取到电平数据后,时序才会改变,可以保证DMP数据不丢失。
本发明头部姿态动作判断流程图如图4所示,头部姿态的数据利用MPU6050自带的DMP,获取到的数据为四元数与陀螺仪值,此四元数可以解出当前的MPU6050的姿态数据,即拖布绕X,Y,Z轴的旋转的数据。但MPU6050的姿态并不与佩戴人员的姿态完全吻合,需要经过坐标变换,此时需要正确的人员端正时的姿态数据。标点的数据。但每次佩戴头戴的人员可能不同,头型与个人习惯不同,因此端正姿态时的数据无法再系统初始化中给出,并且将每次关机前的数据记录的意义也是不大的。因此每次佩戴中需要一种动态的方式对端正姿势进行矫正。
端正姿势矫正算法:
在系统上电开机时,系统会在接收到脑电长数据包的噪声值为零(说明头戴佩戴正确)之后开始做头部端正姿势的判断,并为端正位置的中心点赋一个初始值,并给出较大的一个误差范围,保证只要正确佩戴方头戴,头部姿态数据都位于初始端正姿态±数据范围之内。
人体头部处于端正姿态的特征为:运动范围处于中心点周围,且姿态分布满足高斯分布。判断当前状态为端正状态(isCorPosture()函数)的方式为:连续5个采样点的姿态数据处于中心点的误差范围之内,且陀螺仪的三个值均在在一范围以内时,有正值,有负值的情况下,则判断为人体头部处于端正姿态。
头部的端正姿态的判断的关键在于采样到到数据的正确性,需要将排除。此时开始更新端正姿态的位置:开辟缓存空间为100的数组。当满足连续采样采到100个值,则认为此次采样有效。取此100个值的平均值更新端正姿态的值,并计算出此次100个的方差,将此方差与初始方差相比较,如果此反差小与初始的误差范围,则将此方差与之前一次的方差和初始方差三个值平均值作为新误差范围的更新。
运动状态的判断:连续采到三个姿态数据在中心点±误差范围之外,且陀螺仪绕Y轴与X轴相应的方向的值大于200时,表示头部在做动作,此三个采样数据点作为头部动作方向的判断。此后采样数据此后连续采样15个点,此中有13个的某个值大于某值时,则判断为头部运动。
数据计算与上传:
i)CPU接收到脑电波数据与头部姿态数据后将有效数据提取出来,结合CPU主动查询得到的陀螺仪值,进行计算得到动作识别结果;
ii)对计算结果进行打包处理形成帧格式的文件,通过蓝牙以固定的发送时间间隔发送至应用主机,以达到数据的持续传输。
本系统的无线传输方案采用Bluetooth 4.0BLE,无法做到数据的持续传输。因此需要对数据进行打包发送,数据发送的时间间隔为25ms,因此每个脑电长数据包之间能发送40帧数据,且要求每帧数据发送的最大字节输为80字节。
本发明数据发送流程如图5所示,利用MCU自带的定时器,每25ms将发送数据标志位DataSendFlag置位,查询到此标志位被置1后,开始进入数据发送处理过程。依次查询脑电长数据包和头部动作数据包的标志位,如果置位,则将数据放入发送缓冲区,但每帧数据只能选择发送脑电长数据包和脑部动作数据包中的一种。
对于脑电短数据包的处理:当放置脑电波原始数据的循环队列中,数据包个数大于3个(每帧数据最小个数),则将脑电数据包放入发送缓冲区。此时,因每秒需要发送的脑电短数据包为128,而发送的数据帧频率为40Hz,128/40=3.2。如果每帧数据的包数为固定为3,则速率不匹配,必然导致存储脑电短数据包的循环队列出错。因此需在每五个数据帧中必然有一个数据帧需要发送使个脑电数据包。此帧可选择既不发送脑电长数据包,也不发送头部动作数据包的。因此每数据帧的字节数可能情况如下表1所示:
字节数 | 帧内容 |
24 | 3个脑电短数据包 |
32 | 4个脑电短数据包 |
32 | 3脑电短数据包+头部动作数据包 |
60 | 3脑电短数据包+脑电长数据包 |
表1
可知,每帧数据的均小于80字节,可保证数据有效传输。
以上的所述乃是本发明的具体实施例及所运用的技术原理,若依本发明的构想所作的改变,其所产生的功能作用仍未超出说明书及附图所涵盖的精神时,仍应属本发明的保护范围。
Claims (10)
1.一种无线干电极脑电采集及动作识别方法,其特征在于包括数据获取与处理、数据计算与上传;
数据获取与处理:
1)脑电波数据的获取与处理:通过脑电信号采集电路完成脑电采集与解析,并将解析结果以数据包形式通过异步串口接口发送至CPU;
2)头部姿态数据的获取与处理:利用端正姿势矫正算法矫正人体坐姿,通过运动处理组件获得四元数和陀螺仪值,求解四元数得到头部姿态数据,将头部姿态数据经过坐标变换后发送给CPU;
数据计算与上传:
i)CPU接收到脑电波数据与头部姿态数据后将有效数据提取出来,结合CPU主动查询得到的陀螺仪值,进行计算得到动作识别结果;
ii)对计算结果进行打包处理形成帧格式的文件,通过蓝牙以固定的发送时间间隔发送至应用主机,以达到数据的持续传输。
2.根据权利要求1所述的一种无线干电极脑电采集及动作识别方法,其特征在于:所述CPU接收脑电波数据包采用接口中断方式,接口中断方式的工作方式为每读取一个字节数据进入接收中断,并将此数据赋给Data_temp;包括数据侦查、有效数据读取、数据处理三步。
3.根据权利要求2所述的一种无线干电极脑电采集及动作识别方法,其特征在于:所述脑电波数据包包括脑电波长数据包和脑电波短数据包;脑电波长数据包包括噪声值、注意力值、放松度值三要素,频率为1HZ;脑电波短数据包为脑电波原始数据,频率为512HZ。
4.根据权利要求3所述的一种无线干电极脑电采集及动作识别方法,其特征在于:所述脑电波长数据包和脑电波短数据包是混合发送至CPU的,发送时脑电波长数据包插入在脑电波短数据包的发送间隔。
5.根据权利要求1所述的一种无线干电极脑电采集及动作识别方法,其特征在于:所述端正姿势矫正算法如下:
A)系统在检测头戴佩戴准确后做头部端正姿势的判断;
B)系统为端正位置的中心点赋予初始值后并给出误差范围,以确保头部姿态数据有效。
6.根据权利要求1所述的一种无线干电极脑电采集及动作识别方法,其特征在于:所述求解四元数得到的头部姿态数据为拖布绕X,Y,Z轴旋转的数据。
7.根据权利要求1所述的一种无线干电极脑电采集及动作识别方法,其特征在于:所述固定的发送时间间隔为20-30ms。
8.一种应用如权利要求1所述的无线干电极脑电采集及动作识别方法的系统,其特征在于包括:脑电信号采集电路、运动处理组件、CPU、蓝牙模块;CPU分别与脑电信号采集电路、运动处理组件、蓝牙模块连接。
9.根据权利要求8所述的系统,其特征在于:所述的脑电信号采集电路包括干电极、脑电波传感器芯片;干电极通过与人体前额接触获得脑部模拟电信号,并将此信号发送给脑电波传感器芯片。
10.根据权利要求8所述的系统,其特征在于:所述的运动处理组件为自带DMP的MPU6050;蓝牙模块为Bluetooth 4.0BLE。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510278763.7A CN104887223A (zh) | 2015-05-27 | 2015-05-27 | 一种无线干电极脑电采集及动作识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510278763.7A CN104887223A (zh) | 2015-05-27 | 2015-05-27 | 一种无线干电极脑电采集及动作识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104887223A true CN104887223A (zh) | 2015-09-09 |
Family
ID=54020506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510278763.7A Pending CN104887223A (zh) | 2015-05-27 | 2015-05-27 | 一种无线干电极脑电采集及动作识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104887223A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105496407A (zh) * | 2016-01-17 | 2016-04-20 | 仲佳 | 一种提醒装置及其方法 |
CN106551699A (zh) * | 2016-09-09 | 2017-04-05 | 中国人民解放军海军总医院 | 基于前庭电刺激和头部运动跟踪的前庭功能检测装置 |
CN106691441A (zh) * | 2016-12-22 | 2017-05-24 | 蓝色传感(北京)科技有限公司 | 基于脑电与运动状态反馈的注意力训练系统及方法 |
CN106725455A (zh) * | 2016-12-22 | 2017-05-31 | 蓝色传感(北京)科技有限公司 | 基于传感器反馈用于大脑能力培训的训练系统及方法 |
CN113925509A (zh) * | 2021-09-09 | 2022-01-14 | 杭州回车电子科技有限公司 | 基于脑电信号的注意力值计算方法、装置和电子装置 |
CN114159077A (zh) * | 2022-02-09 | 2022-03-11 | 浙江强脑科技有限公司 | 基于脑电信号的冥想评分方法、装置、终端及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN202383802U (zh) * | 2011-12-31 | 2012-08-15 | 长安大学 | 货车疲劳驾驶声光警告系统 |
KR101351631B1 (ko) * | 2011-12-14 | 2014-01-16 | 성균관대학교산학협력단 | 안경형 뇌파 측정 장치와 이를 포함하는 뇌파 측정 시스템 |
CN203524646U (zh) * | 2013-09-29 | 2014-04-09 | 重庆康如来科技有限公司 | 佩戴式家用睡眠监测仪 |
US8758018B2 (en) * | 2009-12-31 | 2014-06-24 | Teledyne Scientific & Imaging, Llc | EEG-based acceleration of second language learning |
CN103976733A (zh) * | 2014-05-21 | 2014-08-13 | 蓝江涌 | 一种多通道脑电波控制眼镜 |
WO2015017563A1 (en) * | 2013-07-30 | 2015-02-05 | Emotiv Lifesciences, Inc. | Wearable system for detecting and measuring biosignals |
CN204181589U (zh) * | 2014-07-22 | 2015-03-04 | 中国人民解放军第三军医大学第三附属医院 | 一种多生命体征监测头带 |
CN204318755U (zh) * | 2014-11-12 | 2015-05-13 | 昆明理工大学 | 一种无线脑电采集装置 |
-
2015
- 2015-05-27 CN CN201510278763.7A patent/CN104887223A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8758018B2 (en) * | 2009-12-31 | 2014-06-24 | Teledyne Scientific & Imaging, Llc | EEG-based acceleration of second language learning |
KR101351631B1 (ko) * | 2011-12-14 | 2014-01-16 | 성균관대학교산학협력단 | 안경형 뇌파 측정 장치와 이를 포함하는 뇌파 측정 시스템 |
CN202383802U (zh) * | 2011-12-31 | 2012-08-15 | 长安大学 | 货车疲劳驾驶声光警告系统 |
WO2015017563A1 (en) * | 2013-07-30 | 2015-02-05 | Emotiv Lifesciences, Inc. | Wearable system for detecting and measuring biosignals |
CN203524646U (zh) * | 2013-09-29 | 2014-04-09 | 重庆康如来科技有限公司 | 佩戴式家用睡眠监测仪 |
CN103976733A (zh) * | 2014-05-21 | 2014-08-13 | 蓝江涌 | 一种多通道脑电波控制眼镜 |
CN204181589U (zh) * | 2014-07-22 | 2015-03-04 | 中国人民解放军第三军医大学第三附属医院 | 一种多生命体征监测头带 |
CN204318755U (zh) * | 2014-11-12 | 2015-05-13 | 昆明理工大学 | 一种无线脑电采集装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105496407A (zh) * | 2016-01-17 | 2016-04-20 | 仲佳 | 一种提醒装置及其方法 |
CN106551699A (zh) * | 2016-09-09 | 2017-04-05 | 中国人民解放军海军总医院 | 基于前庭电刺激和头部运动跟踪的前庭功能检测装置 |
CN106691441A (zh) * | 2016-12-22 | 2017-05-24 | 蓝色传感(北京)科技有限公司 | 基于脑电与运动状态反馈的注意力训练系统及方法 |
CN106725455A (zh) * | 2016-12-22 | 2017-05-31 | 蓝色传感(北京)科技有限公司 | 基于传感器反馈用于大脑能力培训的训练系统及方法 |
CN113925509A (zh) * | 2021-09-09 | 2022-01-14 | 杭州回车电子科技有限公司 | 基于脑电信号的注意力值计算方法、装置和电子装置 |
CN113925509B (zh) * | 2021-09-09 | 2024-01-23 | 杭州回车电子科技有限公司 | 基于脑电信号的注意力值计算方法、装置和电子装置 |
CN114159077A (zh) * | 2022-02-09 | 2022-03-11 | 浙江强脑科技有限公司 | 基于脑电信号的冥想评分方法、装置、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104887223A (zh) | 一种无线干电极脑电采集及动作识别方法及系统 | |
WO2017092225A1 (zh) | 基于emg的可穿戴式文本输入系统及方法 | |
CN104780217B (zh) | 检测用户工作效率的方法、系统及客户端 | |
US11006874B2 (en) | Real-time stress determination of an individual | |
EP2959394B1 (en) | Methods and devices that combine muscle activity sensor signals and inertial sensor signals for gesture-based control | |
Ganti et al. | Satire: a software architecture for smart attire | |
CN109846485A (zh) | 提供人体姿势保健信息的电子计算装置、系统与方法 | |
CN105528613A (zh) | 一种基于智能手机gps速度与加速度数据的行为识别方法 | |
CN106020490B (zh) | 基于三轴重力加速度传感器的多触点数据手套系统 | |
CN106981174A (zh) | 一种基于智能手机的老人跌倒检测方法 | |
CN105943042A (zh) | 基于肌电信号的操作者手部行为感知系统 | |
CN108268132A (zh) | 一种基于手套采集的手势识别方法及人机交互装置 | |
Jiang et al. | Development of a real-time hand gesture recognition wristband based on sEMG and IMU sensing | |
Fan et al. | Wearable motion attitude detection and data analysis based on Internet of Things | |
CN106108909A (zh) | 一种人体姿态检测穿戴设备、系统及控制方法 | |
Benocci et al. | A context-aware smart seat | |
CN109885166A (zh) | 智能手语翻译手套及其手势识别方法 | |
Bi et al. | Smartge: identifying pen-holding gesture with smartwatch | |
CN204765652U (zh) | 一种全面检测手指运动功能的数据手套 | |
CN102622596B (zh) | 面向生物特征识别的交互式定位方法 | |
CN102440782A (zh) | 基于加速度传感器的手臂复健参数提取装置 | |
CN113627500A (zh) | 一种基于多传感器融合的步态信息采集系统及识别算法 | |
Saraf et al. | A survey of datasets, applications, and models for IMU sensor signals | |
CN107669282A (zh) | 基于面部识别的测谎仪 | |
US20190180493A1 (en) | Animation simulation of biomechanics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150909 |