CN105511615B - 基于emg的可穿戴式文本输入系统及方法 - Google Patents
基于emg的可穿戴式文本输入系统及方法 Download PDFInfo
- Publication number
- CN105511615B CN105511615B CN201510884533.5A CN201510884533A CN105511615B CN 105511615 B CN105511615 B CN 105511615B CN 201510884533 A CN201510884533 A CN 201510884533A CN 105511615 B CN105511615 B CN 105511615B
- Authority
- CN
- China
- Prior art keywords
- processor
- sensor
- module
- imu
- wearable
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
Abstract
本发明涉及智能识别领域,其公开了一种基于EMG的可穿戴式文本输入系统,包括腕带主体以及传感器模块,所述腕带主体内嵌惯性测试单元IMU、处理器、存储器、通信模块以及扩展槽;所述传感器模块嵌入所述扩展槽中;所述传感器将肌电生物电变化信息传送给所述处理器;所述惯性测试单元IMU记录分析手臂的运动信息并传送给所述处理器;所述通信模块将分析后的字符信息进行传输。本发明的有益效果是:智能腕带更便携,更时尚;可拆卸的设计增加了设备的趣味性,传感器合理的选择能提高精度的同时也降低了能耗。
Description
技术领域
本发明涉及智能识别领域,尤其涉及一种基于EMG的可穿戴式文本输入系统及方法。
背景技术
如今,穿戴式技术在国际计算机学术界和工业界一直都备受关注,只不过由于造价成本高和技术复杂,很多相关设备仅仅停留在概念领域。随着移动互联网的发展、技术进步和高性能低功耗处理芯片的推出等,部分穿戴式设备已经从概念化走向商用化,新式穿戴式设备不断传出,谷歌、苹果、微软、索尼、奥林巴斯、摩托罗拉等诸多科技公司也都开始在这个全新的领域深入探索。“穿戴式智能设备”是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备的总称,如眼镜、腕带、手表、服饰及鞋等,极大地提高了生活的质量、工作的效率,逐渐向小型化、多功能、续航能力强等方面发展。据研究,到2016年,全球穿戴式智能设备市场的规模,将达到60亿美元。
在这种趋势之下,众多研究人员一直在深挖可穿戴技术的潜力,探讨可穿戴技术与其他工具或技术的结合,比如谷歌的Google glass,苹果的Apple watch等等。相比之下传统的键盘就显得极为笨重了,而且功能较为单一,现在还没有一种有效的可穿戴的虚拟键盘应用。
发明内容
为了解决现有技术中的问题,本发明提供了基于EMG的可穿戴式文本输入系统及方法,解决现有技术中没有可穿戴设备实现文本识别的问题。
本发明是通过以下技术方案实现的:设计、制造了一种基于EMG的可穿戴式文本输入系统,包括腕带主体以及传感器模块,所述腕带主体内嵌惯性测试单元IMU、处理器、存储器、通信模块以及扩展槽;所述传感器模块嵌入所述扩展槽中;所述传感器将肌电生物电变化信息传送给所述处理器;所述惯性测试单元IMU记录分析手臂的运动信息并传送给所述处理器;所述通信模块将分析后的字符信息进行传输。
作为本发明的进一步改进:所述传感器模块为肌电传感器,所述肌电传感器感知敲击动作产生的肌电生物电变化,将之转化为离散的数字信号并发送至处理器。
作为本发明的进一步改进:所述腕带主体内置电源模块,所述电源模块为电池或外接充电;所述腕带主体上的接口用于充电或数据传输。
作为本发明的进一步改进:所述处理器对传感器模块和惯性测试单元IMU传输过来的信号进行特征提取、自学习、按键动作识别与匹配和文本组合之后将匹配的字符通过通信模块发送出去。
作为本发明的进一步改进:所述肌电传感器含有五个电极,其中两个在侧边用于连接扩展槽,另外三个在底部用于感知肌电变化。
本发明同时提供了一种基于EMG的可穿戴式文本输入方法,包括如下步骤:(S101)接收传感器模块的数据信息;(S102)进行特征提取;(S103)建立特征集;(S105)字符识别;(S105)生成文本字符。
作为本发明的进一步改进:所述步骤(S101)中,根据训练模型,把传感器模块和惯性测试单元IMU在每个时间窗口内感知的信号收集起来,并建立起数据模型,存储于存储器内;其中传感器模块捕捉手指敲击纸质键盘时肌电产生的生物电变化信号;IMU捕捉手臂移动时加速度传感器和陀螺仪的读数,分析可获得手臂的移动轨迹。
作为本发明的进一步改进:所述步骤(S102)中,通过滤波算法去除影响EMG信号的噪音,然后提取出有用的特征信号;所述步骤(S103)中,根据训练模型对最新的特征数据进行处理,建立起结构化的特征模型;所述步骤(S105)中,分析数据模型,根据匹配算法,识别出每次动作的所对应的按键,确定用户所欲输入的字符;所述步骤(S106)中,根据语法规则,对缺失的字符进行上下文分析,然后模糊修复,输出文本信息。
作为本发明的进一步改进:所述的基于EMG的可穿戴式文本输入方法还包括自学习步骤,具体为:根据最新的特征集,结合历史特征模型,对数据进行进一步修正,为识别模型提供精确的数据,提供了灵活的接口。
作为本发明的进一步改进:所述传感器模块为肌电传感器,所述肌电传感器感知敲击动作产生的肌电生物电变化,将之转化为离散的数字信号并发送至处理器;所述惯性测试单元IMU记录分析手臂的运动信息并传送给所述处理器;所述通信模块将分析后的字符信息进行传输。
本发明的有益效果是:智能腕带更便携,更时尚;可拆卸的设计增加了设备的趣味性,传感器合理的选择能提高精度的同时也降低了能耗。
【附图说明】
图1是本发明基于EMG的可穿戴式文本输入系统的演示示意图。
图2是本发明基于EMG的可穿戴式文本输入系统的腕带主体的侧面图。
图3是本发明基于EMG的可穿戴式文本输入系统的腕带主体的展开图。
图4是本发明肌电传感器连接示意图。
图5是本发明基于EMG的可穿戴式文本输入系统结构示意图。
图6是本发明基于EMG的可穿戴式文本输入方法的流程示意图。
【具体实施方式】
下面结合附图说明及具体实施方式对本发明进一步说明。
一种基于EMG的可穿戴式文本输入系统,包括腕带主体以及传感器模块,所述腕带主体内嵌惯性测试单元IMU、处理器、存储器、通信模块以及扩展槽;所述传感器模块嵌入所述扩展槽中;所述传感器将肌电生物电变化信息传送给所述处理器;所述惯性测试单元IMU记录分析手臂的运动信息并传送给所述处理器;所述通信模块将分析后的字符信息进行传输。
所述传感器模块为肌电传感器,所述肌电传感器感知敲击动作产生的肌电生物电变化,将之转化为离散的数字信号并发送至处理器。
所述腕带主体内置电源模块,所述电源模块为电池或外接充电;所述腕带主体上的接口用于充电或数据传输。
所述处理器对传感器模块和惯性测试单元IMU传输过来的信号进行特征提取、自学习、按键动作识别与匹配和文本组合之后将匹配的字符通过通信模块发送出去。
所述肌电传感器含有五个电极,其中两个在侧边用于连接扩展槽,另外三个在底部用于感知肌电变化。
本发明同时提供了一种基于EMG的可穿戴式文本输入方法,包括如下步骤:(S101)接收传感器模块的数据信息;(S102)进行特征提取;(S103)建立特征集;(S105)字符识别;(S105)生成文本字符。
所述步骤(S101)中,根据训练模型,把传感器模块和惯性测试单元IMU在每个时间窗口内感知的信号收集起来,并建立起数据模型,存储于存储器内;其中传感器模块捕捉手指敲击纸质键盘时肌电产生的生物电变化信号;IMU捕捉手臂移动时加速度传感器和陀螺仪的读数,分析可获得手臂的移动轨迹。
所述步骤(S102)中,通过滤波算法去除影响EMG信号的噪音,然后提取出有用的特征信号;所述步骤(S103)中,根据训练模型对最新的特征数据进行处理,建立起结构化的特征模型;所述步骤(S105)中,分析数据模型,根据匹配算法,识别出每次动作的所对应的按键,确定用户所欲输入的字符;所述步骤(S106)中,根据语法规则,对缺失的字符进行上下文分析,然后模糊修复,输出文本信息。
所述的基于EMG的可穿戴式文本输入方法还包括自学习步骤,具体为:根据最新的特征集,结合历史特征模型,对数据进行进一步修正,为识别模型提供精确的数据,提供了灵活的接口。
所述传感器模块为肌电传感器,所述肌电传感器感知敲击动作产生的肌电生物电变化,将之转化为离散的数字信号并发送至处理器;所述惯性测试单元IMU记录分析手臂的运动信息并传送给所述处理器;所述通信模块将分析后的字符信息进行传输。
相比之下,本发明可以与其他睡眠监测、测步等功能集合与同一个设备上,同时提供多个功能,而且更显得时尚,根据使用肌电传感器的成功案例,例如MYO控制臂环,肌电传感器能提供精确的肌电电极变化监测功能,即使是简单的敲击动作。本发明可以使用肌电传感器感知敲击动作,并通过综合分析,将每次敲击动作与字符输入结合起来,如图1。
在一实施例中,如图2、图3、图4以及图5,图2是智能腕带的侧面图,其中P101是处理模块,P102是肌电传感器;图3是智能腕带的展开图,其中P201是主体腕带的拓展槽(共八个),P202是拓展槽内部连接点,P203是处理模块,P204是数据传输总线以及电源线;图4是一个可拆卸的肌电传感器,P301是三个必须的感应电极,P302是两个电极,用于与拓展槽连接点相连;图5是处理模块,P401是处理器,P402是存储器,P403是六轴惯性测试单元(IMU),P404是通信模块,P405是USB接口。一种基于EMG的可穿戴式文本输入系统是一款可穿戴智能系统,主要包括腕带主体以及肌电传感器模块,肌电传感器可拆卸,可选择性地嵌入腕带主体的拓展槽,嵌入的位置与数目会影响识别精度与设备能耗;肌电传感器感知肌电生物电变化,并传送给处理器处理;腕带主体处理模块内嵌六轴惯性测试单元(IMU),能记录用户手臂移动数据,可以分析出手臂运动轨迹;腕带主体处理模块内嵌处理器与存储器,含有多种处理算法,可处理传感器所获取的信息;腕带主体通过内嵌的通信模块将分析后的字符信息传送给其他电子设备。具有相同功能的肌电传感器可选择地嵌入到拓展槽,传感器感知到敲击动作产生的肌电生物电变化,将之转化为离散的数字信号,并发送至处理器。
肌电传感器嵌入位置与数目会影响精度,传感器覆盖肌电的位置越正确数据精度越高,传感器使用数目越多精度越高,但能耗越多。
腕带主体,主体内置电源模块,电源由电池提供,电池可通过诸如USB接口充电;USB接口除可用于充电,还可以连接其他电子设备传输数据;主体设计有拓展槽,传感器可以嵌入,嵌入后可传输数据,亦可充电;肌电传感器,内置电池,可独立充电;处理器,含有多种算法(如包括“滤波,纠正,匹配”算法),对肌电传感器以及IMU传感器发送过来的信号进行“特征提取 – 自学习– 按键动作识别与匹配 – 文本组合”,最后将匹配的字符通过通信模块发送出去。
本发明同时提供了一种基于EMG的可穿戴式文本输入方法,在一实施例中,按以下步骤完成文本输入。
S101:数据收集阶段,根据训练模型,把EMG和IMU传感器在每个时间窗口内感知的信号收集起来,并建立起数据模型,存储于存储器内;其中EMG传感器捕捉手指敲击纸质键盘时肌电产生的生物电变化信号;IMU传感器捕捉手臂移动时加速度传感器和陀螺仪的读数,分析可获得手臂的移动轨迹。
S102:特征提取。从S101中获取到数据模型,结合IMU获取的数据,通过滤波算法去除影响EMG信号的噪音,然后提取出有用的特征信号。
S103:特征集。根据S102获得有用的特征信号,将记录于特征集之中,特征集中存储有历史特征数据以及最新的特征数据。根据训练模型对最新的特征数据进行处理,建立起结构化的特征模型。结合历史特征数据,逐步统计完善已有的特征模型。
S104:自学习接口。根据最新的特征集,结合历史特征模型,对数据进行进一步修正,为识别模型提供精确的数据,提供了灵活的接口。
S105:识别模型与按键辨识。分析自学习接口提供的数据模型,根据匹配算法,识别出每次动作的所对应的按键,确定用户所欲输入的字符。
S106:基于语法的文本输入接口。根据语法规则,对缺失的字符进行上下文分析,然后模糊修复,最后组合成单词甚至句子。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (3)
1.一种基于EMG的可穿戴式文本输入系统,其特征在于:包括腕带主体以及传感器模块,所述腕带主体内嵌惯性测试单元IMU、处理器、存储器、通信模块以及扩展槽;所述传感器模块嵌入所述扩展槽中;所述传感器模块在每个时间窗口将肌电生物电变化信息传送给所述处理器;所述惯性测试单元IMU在每个时间窗口记录分析手臂的运动信息并传送给所述处理器;所述通信模块将分析后的字符信息进行传输;
其中,所述腕带主体上均匀设置有八个扩展槽,所述八个扩展槽通过数据传输总线连接到处理器模块;一个或多个所述传感器模块选择性地嵌入一个或多个扩展槽并通过所述传输总线连接所述处理器模块;所述处理器模块包括所述惯性测试单元IMU、处理器、存储器和通信模块;所述处理器含有多种算法,对所述传感器模块以及IMU传感器发送过来的信号进行特征提取、自学习、按键动作识别与匹配和文本组合,最后将匹配的字符通过所述通信模块发送出去;
所述传感器模块为肌电传感器,所述肌电传感器感知敲击动作产生的肌电生物电变化,将之转化为离散的数字信号并发送至处理器;所述肌电传感器含有五个电极,其中两个在侧边用于连接扩展槽,另外三个在底部用于感知肌电变化。
2.根据权利要求1所述的基于EMG的可穿戴式文本输入系统,其特征在于:所述腕带主体内置电源模块,所述电源模块为电池或外接充电;所述腕带主体上的接口用于充电或数据传输。
3.根据权利要求1所述的基于EMG的可穿戴式文本输入系统,其特征在于:所述处理器对传感器模块和惯性测试单元IMU传输过来的信号进行特征提取、自学习、按键动作识别与匹配和文本组合之后将匹配的字符通过通信模块发送出去。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884533.5A CN105511615B (zh) | 2015-12-04 | 2015-12-04 | 基于emg的可穿戴式文本输入系统及方法 |
PCT/CN2016/080732 WO2017092225A1 (zh) | 2015-12-04 | 2016-04-29 | 基于emg的可穿戴式文本输入系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510884533.5A CN105511615B (zh) | 2015-12-04 | 2015-12-04 | 基于emg的可穿戴式文本输入系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105511615A CN105511615A (zh) | 2016-04-20 |
CN105511615B true CN105511615B (zh) | 2019-03-05 |
Family
ID=55719665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510884533.5A Active CN105511615B (zh) | 2015-12-04 | 2015-12-04 | 基于emg的可穿戴式文本输入系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105511615B (zh) |
WO (1) | WO2017092225A1 (zh) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10042422B2 (en) | 2013-11-12 | 2018-08-07 | Thalmic Labs Inc. | Systems, articles, and methods for capacitive electromyography sensors |
US10188309B2 (en) | 2013-11-27 | 2019-01-29 | North Inc. | Systems, articles, and methods for electromyography sensors |
US11921471B2 (en) | 2013-08-16 | 2024-03-05 | Meta Platforms Technologies, Llc | Systems, articles, and methods for wearable devices having secondary power sources in links of a band for providing secondary power in addition to a primary power source |
US9880632B2 (en) | 2014-06-19 | 2018-01-30 | Thalmic Labs Inc. | Systems, devices, and methods for gesture identification |
CN105511615B (zh) * | 2015-12-04 | 2019-03-05 | 深圳大学 | 基于emg的可穿戴式文本输入系统及方法 |
CN105975091A (zh) * | 2016-07-05 | 2016-09-28 | 南京理工大学 | 一种基于惯性传感器的虚拟键盘人机交互技术 |
WO2018022658A1 (en) | 2016-07-25 | 2018-02-01 | Ctrl-Labs Corporation | Adaptive system for deriving control signals from measurements of neuromuscular activity |
EP3487402B1 (en) | 2016-07-25 | 2021-05-05 | Facebook Technologies, LLC | Methods and apparatus for inferring user intent based on neuromuscular signals |
US10496168B2 (en) | 2018-01-25 | 2019-12-03 | Ctrl-Labs Corporation | Calibration techniques for handstate representation modeling using neuromuscular signals |
CN110300542A (zh) | 2016-07-25 | 2019-10-01 | 开创拉布斯公司 | 使用可穿戴的自动传感器预测肌肉骨骼位置信息的方法和装置 |
US10489986B2 (en) | 2018-01-25 | 2019-11-26 | Ctrl-Labs Corporation | User-controlled tuning of handstate representation model parameters |
US11216069B2 (en) | 2018-05-08 | 2022-01-04 | Facebook Technologies, Llc | Systems and methods for improved speech recognition using neuromuscular information |
US20190121306A1 (en) | 2017-10-19 | 2019-04-25 | Ctrl-Labs Corporation | Systems and methods for identifying biological structures associated with neuromuscular source signals |
EP3487595A4 (en) | 2016-07-25 | 2019-12-25 | CTRL-Labs Corporation | SYSTEM AND METHOD FOR MEASURING MOVEMENTS OF ARTICULATED RIGID BODIES |
US10937414B2 (en) | 2018-05-08 | 2021-03-02 | Facebook Technologies, Llc | Systems and methods for text input using neuromuscular information |
US11961494B1 (en) | 2019-03-29 | 2024-04-16 | Meta Platforms Technologies, Llc | Electromagnetic interference reduction in extended reality environments |
US11150730B1 (en) | 2019-04-30 | 2021-10-19 | Facebook Technologies, Llc | Devices, systems, and methods for controlling computing devices via neuromuscular signals of users |
US10460455B2 (en) | 2018-01-25 | 2019-10-29 | Ctrl-Labs Corporation | Real-time processing of handstate representation model estimates |
WO2019147956A1 (en) | 2018-01-25 | 2019-08-01 | Ctrl-Labs Corporation | Visualization of reconstructed handstate information |
US11907423B2 (en) | 2019-11-25 | 2024-02-20 | Meta Platforms Technologies, Llc | Systems and methods for contextualized interactions with an environment |
US10817795B2 (en) | 2018-01-25 | 2020-10-27 | Facebook Technologies, Llc | Handstate reconstruction based on multiple inputs |
US11481030B2 (en) | 2019-03-29 | 2022-10-25 | Meta Platforms Technologies, Llc | Methods and apparatus for gesture detection and classification |
US11493993B2 (en) | 2019-09-04 | 2022-11-08 | Meta Platforms Technologies, Llc | Systems, methods, and interfaces for performing inputs based on neuromuscular control |
CN110362190B (zh) * | 2018-04-09 | 2021-10-29 | 中国科学院沈阳自动化研究所 | 基于myo的文本输入系统及方法 |
US10592001B2 (en) | 2018-05-08 | 2020-03-17 | Facebook Technologies, Llc | Systems and methods for improved speech recognition using neuromuscular information |
WO2019226259A1 (en) | 2018-05-25 | 2019-11-28 | Ctrl-Labs Corporation | Methods and apparatus for providing sub-muscular control |
EP3801216A1 (en) | 2018-05-29 | 2021-04-14 | Facebook Technologies, LLC. | Shielding techniques for noise reduction in surface electromyography signal measurement and related systems and methods |
CN112585600A (zh) | 2018-06-14 | 2021-03-30 | 脸谱科技有限责任公司 | 使用神经肌肉标记进行用户识别和认证 |
US11045137B2 (en) | 2018-07-19 | 2021-06-29 | Facebook Technologies, Llc | Methods and apparatus for improved signal robustness for a wearable neuromuscular recording device |
EP3836836B1 (en) | 2018-08-13 | 2024-03-20 | Meta Platforms Technologies, LLC | Real-time spike detection and identification |
EP4241661A1 (en) | 2018-08-31 | 2023-09-13 | Facebook Technologies, LLC | Camera-guided interpretation of neuromuscular signals |
CN112789577B (zh) * | 2018-09-20 | 2024-04-05 | 元平台技术有限公司 | 增强现实系统中的神经肌肉文本输入、书写和绘图 |
CN112771478A (zh) | 2018-09-26 | 2021-05-07 | 脸谱科技有限责任公司 | 对环境中的物理对象的神经肌肉控制 |
EP3860527A4 (en) | 2018-10-05 | 2022-06-15 | Facebook Technologies, LLC. | USING NEUROMUSCULAR SIGNALS TO PROVIDE ENHANCED INTERACTIONS WITH PHYSICAL OBJECTS IN AN AUGMENTED REALITY ENVIRONMENT |
US11797087B2 (en) | 2018-11-27 | 2023-10-24 | Meta Platforms Technologies, Llc | Methods and apparatus for autocalibration of a wearable electrode sensor system |
CN109634439B (zh) * | 2018-12-20 | 2021-04-23 | 中国科学技术大学 | 智能文本输入方法 |
US10905383B2 (en) | 2019-02-28 | 2021-02-02 | Facebook Technologies, Llc | Methods and apparatus for unsupervised one-shot machine learning for classification of human gestures and estimation of applied forces |
CN110811598A (zh) * | 2019-11-14 | 2020-02-21 | 深圳先进技术研究院 | 腕带式生物信号采集设备及其制作方法 |
CN111700718B (zh) * | 2020-07-13 | 2023-06-27 | 京东科技信息技术有限公司 | 一种识别握姿的方法、装置、假肢及可读存储介质 |
US11868531B1 (en) | 2021-04-08 | 2024-01-09 | Meta Platforms Technologies, Llc | Wearable device providing for thumb-to-finger-based input gestures detected based on neuromuscular signals, and systems and methods of use thereof |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477636A (zh) * | 2009-01-15 | 2009-07-08 | 电子科技大学 | 一种臂式可穿戴计算机终端设备 |
CN105022471A (zh) * | 2014-04-23 | 2015-11-04 | 王建勤 | 基于压力传感器阵列进行手势识别的装置与方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10061389B2 (en) * | 2014-06-03 | 2018-08-28 | Beijing TransBorder Information Technology Co., Ltd. | Gesture recognition system and gesture recognition method |
CN105511615B (zh) * | 2015-12-04 | 2019-03-05 | 深圳大学 | 基于emg的可穿戴式文本输入系统及方法 |
-
2015
- 2015-12-04 CN CN201510884533.5A patent/CN105511615B/zh active Active
-
2016
- 2016-04-29 WO PCT/CN2016/080732 patent/WO2017092225A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101477636A (zh) * | 2009-01-15 | 2009-07-08 | 电子科技大学 | 一种臂式可穿戴计算机终端设备 |
CN105022471A (zh) * | 2014-04-23 | 2015-11-04 | 王建勤 | 基于压力传感器阵列进行手势识别的装置与方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2017092225A1 (zh) | 2017-06-08 |
CN105511615A (zh) | 2016-04-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105511615B (zh) | 基于emg的可穿戴式文本输入系统及方法 | |
CN104000570B (zh) | 一种智能穿戴设备 | |
CN103126657B (zh) | 一种监测指腕疲劳与工作时间的装置与方法 | |
CN104134060A (zh) | 基于肌电信号和运动传感器的手语翻译和显示发声系统 | |
CN105487652A (zh) | 显示装置及其控制方法 | |
CN102867190B (zh) | 一种利用移动设备内置传感器进行行为识别的方法 | |
CN105117003A (zh) | 智能穿戴设备及其工作方法 | |
CN111930120A (zh) | 一种可携戴装置、机器人 | |
CN113646734A (zh) | 用于手势检测和分类的方法和装置 | |
CN210402266U (zh) | 一种手语翻译系统和手语翻译手套 | |
CN103513770A (zh) | 基于三轴陀螺仪的人机接口设备及人机交互方法 | |
CN102411674A (zh) | 一种指纹识别身份的智能多参数采集系统及其采集方法 | |
CN103294192A (zh) | 一种基于运动想象的led灯开关控制装置及其控制方法 | |
CN104049752A (zh) | 基于人体的交互方法及交互装置 | |
CN110442233A (zh) | 一种基于手势交互的增强现实键鼠系统 | |
CN110443113A (zh) | 一种虚拟现实书写方法、系统和存储介质 | |
US20190187812A1 (en) | Wearable electronic devices having a multi-use single switch and methods of use thereof | |
CN103476152A (zh) | 穿戴式无线路由网关记录仪 | |
CN105759970A (zh) | 一种基于弯曲传感器的手势识别装置和手语翻译方法 | |
CN105962559A (zh) | 一种具有指纹识别功能的智能手环 | |
US20200118420A1 (en) | Wearable electronic systems having variable interactions based on device orientation | |
CN207020639U (zh) | 带指纹识别的智能笔 | |
CN203724090U (zh) | 一种可穿戴式肌电设备 | |
CN107767736A (zh) | 一种手势多功能电子教鞭 | |
CN112883935A (zh) | 一种神经网络实时手语翻译系统设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |