CN109032333A - 一种基于光纤感知的手语识别系统及方法 - Google Patents

一种基于光纤感知的手语识别系统及方法 Download PDF

Info

Publication number
CN109032333A
CN109032333A CN201810656588.4A CN201810656588A CN109032333A CN 109032333 A CN109032333 A CN 109032333A CN 201810656588 A CN201810656588 A CN 201810656588A CN 109032333 A CN109032333 A CN 109032333A
Authority
CN
China
Prior art keywords
optical fiber
micro
sign language
data
bend
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
Application number
CN201810656588.4A
Other languages
English (en)
Inventor
沈国平
杨晓明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Foshan Kaishuyi Intelligent Technology Co Ltd
Original Assignee
Foshan Kaishuyi Intelligent Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Foshan Kaishuyi Intelligent Technology Co Ltd filed Critical Foshan Kaishuyi Intelligent Technology Co Ltd
Priority to CN201810656588.4A priority Critical patent/CN109032333A/zh
Publication of CN109032333A publication Critical patent/CN109032333A/zh
Pending legal-status Critical Current

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
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B21/00—Teaching, or communicating with, the blind, deaf or mute
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/72409—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality by interfacing with external accessories
    • H04M1/72412—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality by interfacing with external accessories using two-way short-range wireless interfaces
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/80—Services using short range communication, e.g. near-field communication [NFC], radio-frequency identification [RFID] or low energy communication

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种基于光纤感知的手语识别系统，它包括佩戴于用户手腕部的光纤手环带和智能终端；光纤手环带实现根据光纤发生的微弯变化采集得到光纤微弯数据，并进行数据处理得到解析数据包最后发送给所述智能终端；智能终端中安装有手语翻译软件和文字语言转化软件，实现根据接收到的解析数据包的信息进行播报。设备采用一对一的形式，即一个人佩戴一个设备，一个设备仅为一个人服务，每个人可以自定义每个手势的专属含义，因为不用识别不同人的手语手势，仅需要感知一个人做手语手势时的光纤微弯数据并跟自己定义好的该手语手势的光纤微弯数据模型进行匹配解析，极大地提高了手语手势识别的准确度以及识别速度。

Description

一种基于光纤感知的手语识别系统及方法
技术领域
本发明涉及手语识别技术领域，尤其涉及一种基于光纤感知的手语识别系统及方法。
背景技术
聋哑人一般都是通过手语与其他人进行交流，而手语在不同使用者中却存在很大的差异，很大一部分使用手语的聋哑人他们文化程度并不高，并没有接受过系统的手语学习训练。
现目前手语手势识别方法有：视觉影像分析、红外线识别、雷达识别、电场扰动分析、传感器手套等等；然而现有的手语手势识别都需要面对的问题是，一套设备，一套算法模型要分析不同人所做的类似的手势，先要通过大量的不同人群手势样本，提取特征数据建立模型，然后再分析后来使用者手势特征进行匹配，由于人群个体的每个独特性和大多数聋哑人并没有接受过系统的手语学习，导致这样的解决方案的手语手势识别准确度并不理想。
因此，如何采用一种新的手语识别方法以解决现有手语识别方法的不足是我们需要解决的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种基于光纤感知的手语识别系统及方法，解决了现有手语识别方法采用一套设备识别很多未知陌生人手势的一对多导致手语手势识别准确度低的缺陷。
本发明的目的是通过以下技术方案来实现的：一种基于光纤感知的手语识别系统，它包括佩戴于用户手腕部的光纤手环带和智能终端；光纤手环带实现根据光纤发生的微弯变化采集得到光纤微弯数据，并进行数据处理得到解析数据包最后发送给所述智能终端；智能终端中安装有手语翻译软件和文字语言转化软件，实现根据接收到的解析数据包的信息进行播报。
光纤手环带包括光纤微弯传感器、微控制器、信号处理器、数据存储器和信号发射器；光纤微弯传感器实现根据光纤发生的微弯变化采集得到光纤微弯数据，并将数据传输到信号处理器；微控制器实现对所述光纤微弯传感器、信号处理器、数据存储器和信号发射器进行整体控制；信号处理器实现将接收到的光纤微弯传感器传输过来的数据进行分析处理；数据存储器实现对模型数据库中的数据进行存储管理；信号发射器实现将解析数据包发送到智能终端。
一种基于光纤感知的手语识别方法，所述的方法包括以下步骤：
S1、用户带上光纤手环带，通过内置的光纤传感器采集用户手腕部肌肉肌腱的光纤变化数据，通过处理得到光纤变化数据模型；
S2、根据模型数据库中定义好的不同手语手势表示的光纤变化数据模型，匹配解析出每组光纤变化数据模型所代表的手语含义，并生成一个解析数据包；
S3、将解析数据包发送到智能终端；
S4、通过安装在智能终端的手语翻译软件和文字语言转化软件将解析数据包的信息播报出。
在进行光纤传感器采集用户做手语时手腕部肌肉肌腱的光纤变化数据，得到光纤变化数据模型步骤之前，需要先定义好每个手语手势的含义，形成模型数据库。
所述的光纤传感器为光纤微弯传感器，所述的光纤变化数据包括光纤在收到外部压力或者震动或者位移时光纤发生微弯产生的光纤微弯数据。
所述的定义手语手势含义形成模型数据库的步骤如下：
A1、用户带上光纤手环带，通过内置的光纤传感器采集用户手腕部肌肉肌腱的光纤变化数据，通过处理得到光纤变化数据模型；
A2、对每组光纤变化数据模型进行自定义，得到每个手语手势专属于用户自己的含义；
A3、通过对现有所有手语手势或者用户常用手语手势的专属定义，形成模型数据库。
S1包括的步骤如下：
S11、用户每次带上光纤手环带后，首先做握拳和伸展五指两个基准动作；
S12、在用户做基准动作时，光纤微弯传感器采集用户手腕部肌腱系带骨骼群运动使光纤发生微弯得到光纤基准微弯数据集B；
S13、在用户做特征动作时，光纤微弯传感器采集用户手腕部肌腱系带骨骼群运动使光纤发生微弯得到光纤特征微弯数据集S。
S14、根据光纤基准微弯数据集B和光纤特征微弯数据集S之间的变化情况，通过互信息法得到光纤基准微弯数据B集和光纤特征微弯数据集S之间的相关性，得到初始的光纤微弯数据模型；
S15、通过递归特征消除法对初始的光纤微弯数据模型进行多轮训练，消除底噪和毛刺权值系数的特征，得到最后确定的光纤微弯数据模型。
通过互信息法得到光纤基准微弯数据集B和光纤特征微弯数据集S之间的相关性的步骤如下：
S141、采集多组基准动作的光纤基准微弯数据集B；
S142、采集多组多个特征动作的光纤特征微弯数据集S；
S143、提取光纤基准微弯数据集B和光纤特征微弯数据集S的变化量和变化量特征；
S144、通过相关性信息提取计算公式，得到初始的光纤微弯数据模型；
通过递归特征消除法对初始的光纤微弯数据模型进行多轮训练，消除底噪和毛刺权值系数的特征，得到最后确定的光纤微弯数据模型的步骤如下：
S151、采集光纤基准微弯数据集B和光纤特征微弯数据集S的变化量；
S152、采集光纤基准微弯数据集B和光纤特征微弯数据集S的变化量特征；
S153、将B-S变化量和B-S变化量特征消除底噪和毛刺权值特征得到下一个动作的B-S变化量特征；
S154、依次重复步骤S151和S153，直到所有动作均消除底噪和毛刺权值系统特征，得到最后确定的光纤微弯数据模型。
本发明的有益效果是：一种基于光纤感知的手语识别系统及方法，具有以下优点：
1、利用解剖学原理，每个手势都会对应一组不同的腕部肌肉肌腱的变化，而这种变化会体现到皮肤层的变化，利用光纤微弯传感器感知方法，以光纤手环感知腕部肌肉肌腱系带骨骼群运动的变化；不用大量采集不同人群手语手势样本，降低了系统的复杂程度和设备的复杂程度。
2、设备采用一对一的形式，即一个人佩戴一个设备，一个设备仅为一个人服务，每个人可以自定义每个手势的专属含义，因为不用识别不同人的手语手势，仅需要感知一个人做手语手势时的光纤微弯数据并跟自己定义好的该手语手势的光纤微弯数据模型进行匹配解析，极大地提高了手语手势识别的准确度以及识别速度。
3、该系统和设备在使用过程中能够不断自定义自己的新的手语手势的含义，用的越久其识别范围越广，识别准确度越高。
4、因为该设备是一对一的形式，更加方便聋哑人与其他人之间的交流，只要带上设备和手机就能随时随地的与其他人进行有效无障碍的交流。
附图说明
图1为系统原理图；
图2为光纤手环带中光纤示意图；
图3为互信息法获得相关性的流程图；
图4为递归特征相除法获得最后数据模型的流程图；
图中，1-可行变弹性织物衬底，2-多模光纤。
具体实施方式
下面结合附图进一步详细描述本发明的技术方案，但本发明的保护范围不局限于以下所述。
如图1所示，一种基于光纤感知的手语识别系统，它包括佩戴于用户手腕部的光纤手环带和智能终端；光纤手环带实现根据光纤发生的微弯变化采集得到光纤微弯数据，并进行数据处理得到解析数据包最后发送给所述智能终端；智能终端中安装有手语翻译软件和文字语言转化软件，实现根据接收到的解析数据包的信息进行播报。
光纤手环带包括光纤微弯传感器、微控制器、信号处理器、数据存储器和信号发射器；光纤微弯传感器实现根据光纤发生的微弯变化采集得到光纤微弯数据，并将数据传输到信号处理器；微控制器实现对所述光纤微弯传感器、信号处理器、数据存储器和信号发射器进行整体控制；信号处理器实现将接收到的光纤微弯传感器传输过来的数据进行分析处理；数据存储器实现对模型数据库中的数据进行存储管理；信号发射器实现将解析数据包发送到智能终端。
优选地，光纤微弯传感器包括光发射端、多模光纤2、光纤滤波器和光接收端；光发射端和光接收端连接在多模光纤的两端，光纤滤波器设置在光发射端之后；光接收端与信号处理器连接；光纤手环带采用可行变弹性织物衬底1，多模光纤2经过特别形状弯折后放入可行变弹性织物1中。
光纤微弯传感器是根据部分芯模能量转为为包层模能量的特性，通过测量包层模能量及芯模能量的变化来获得多模光纤因在受到外部压力或者震动或者位移时的数据，其灵敏度最小可测试的位移量达到0.01nm，动态范围大于100dB。
优选地，信号发射器包括蓝牙发射器，智能终端包括智能移动手机，通过光纤手环带上的蓝牙发射器将数据发送到手机中进行播报。
一种基于光纤感知的手语识别方法，所述的方法包括以下步骤：
S1、用户带上光纤手环带，通过内置的光纤传感器采集用户手腕部肌肉肌腱的光纤变化数据，通过处理得到光纤变化数据模型；
S2、根据模型数据库中定义好的不同手语手势表示的光纤变化数据模型，匹配解析出每组光纤变化数据模型所代表的手语含义，并生成一个解析数据包；
S3、将解析数据包发送到智能终端；
S4、通过安装在智能终端的手语翻译软件和文字语言转化软件将解析数据包的信息播报出。
在进行光纤传感器采集用户做手语时手腕部肌肉肌腱的光纤变化数据，得到光纤变化数据模型步骤之前，需要先定义好每个手语手势的含义，形成模型数据库。
所述的光纤传感器为光纤微弯传感器，所述的光纤变化数据包括光纤在收到外部压力或者震动或者位移时光纤发生微弯产生的光纤微弯数据。
所述的定义手语手势含义形成模型数据库的步骤如下：
A1、用户带上光纤手环带，通过内置的光纤传感器采集用户手腕部肌肉肌腱的光纤变化数据，通过处理得到光纤变化数据模型；
A2、对每组光纤变化数据模型进行自定义，得到每个手语手势专属于用户自己的含义；
A3、通过对现有所有手语手势或者用户常用手语手势的专属定义，形成模型数据库。
S1包括的步骤如下：
S11、用户每次带上光纤手环带后，首先做握拳和伸展五指两个基准动作；
S12、在用户做基准动作时，光纤微弯传感器采集用户手腕部肌腱系带骨骼群运动使光纤发生微弯得到光纤基准微弯数据集B；
S13、在用户做特征动作时，光纤微弯传感器采集用户手腕部肌腱系带骨骼群运动使光纤发生微弯得到光纤特征微弯数据集S。
S14、根据光纤基准微弯数据集B和光纤特征微弯数据集S之间的变化情况，通过互信息法得到光纤基准微弯数据B集和光纤特征微弯数据集S之间的相关性，得到初始的光纤微弯数据模型；
S15、通过递归特征消除法对初始的光纤微弯数据模型进行多轮训练，消除底噪和毛刺权值系数的特征，得到最后确定的光纤微弯数据模型。
如图3所示，通过互信息法得到光纤基准微弯数据集B和光纤特征微弯数据集S之间的相关性的步骤如下：
S141、采集n组基准动作b的光纤基准微弯数据集B；
S142、采集n组多个特征动作(a1-n1)的光纤特征微弯数据集S；
S143、提取光纤基准微弯数据集B和光纤特征微弯数据集S的变化量和变化量特征；
S144、通过相关性信息提取计算公式，得到初始的光纤微弯数据模型。
相关性信息提取计算公式为：
通过计算PBS(b,s)和PB(b)·PS(s)的差距，就能得到光纤基准微弯数据集B和光纤特征微弯数据集S之间的相关性，得到确定的光纤微弯数据模型。
如图4所示，通过递归特征消除法对初始的光纤微弯数据模型进行多轮训练，消除底噪和毛刺权值系数的特征，得到最后确定的光纤微弯数据模型的步骤如下：
S151、依次采集特征动作aj的光纤基准微弯数据集B和光纤特征微弯数据集S的变化量
S152、采集光纤基准微弯数据集B和光纤特征微弯数据集S的变化量特征a；
S153、将B-S变化量和B-S变化量特征aj消除底噪和毛刺权值特征得到下一个动作的B-S变化量特征；
S154、依次重复步骤S151和S153，直到所有动作(a1-an)均消除底噪和毛刺权值系统特征，得到最后特征动作a确定的光纤微弯数据模型；其中1≤j≤n。
最后重复步骤S15，直到得到所有特征动作(a-n)确定的光纤微弯数据模型。
优选地，由于采用一个设备服务与一个人的形式，在用户对手语手势进行定义的时候会得到一个存储的模型数据库的用于后期对同样手语手势进行匹配解析的光纤微弯数据模型；如用户做“手语手势1”，并将其自定义为“同意”的意思，并将其产生得到的“光纤微弯数据模型1”存储在模型数据库中；如果后期用户再做“手语手势1”的动作，将得到“光纤微弯数据模型11”，因为是同一人做的相同的手语手势动作，因此“光纤微弯数据模型1”和“光纤微弯数据模型11”是基本相同或者相似度极高的，只需要将“光纤微弯数据模型11”与模型数据库中的数据进行匹配就能使其与“光纤微弯数据模型1”匹配成功，就能够知晓此时用户所做的手语手势动作含义是想表达“同意”的意思；而且用户还可以根据自己的需要更改已经定义好的手语手势动作的含义，或者修正以前定义错误的手语手势动作的含义。
以上所述仅是本发明的优选实施方式，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (9)

1.一种基于光纤感知的手语识别系统，其特征在于：它包括佩戴于用户手腕部的光纤手环带和智能终端；所述的光纤手环带实现根据光纤发生的微弯变化采集得到光纤微弯数据，并进行数据处理得到解析数据包最后发送给所述智能终端；所述的智能终端中安装有手语翻译软件和文字语言转化软件，实现根据接收到的解析数据包的信息进行播报。
2.根据权利要求1所述的一种基于光纤感知的手语识别系统，其特征在于：所述的光纤手环带包括光纤微弯传感器、微控制器、信号处理器、数据存储器和信号发射器；所述的光纤微弯传感器实现根据光纤发生的微弯变化采集得到光纤微弯数据，并将数据传输到信号处理器；所述的微控制器实现对所述光纤微弯传感器、信号处理器、数据存储器和信号发射器进行整体控制；所述的信号处理器实现将接收到的所述光纤微弯传感器传输过来的数据进行分析处理；所述的数据存储器实现对模型数据库中的数据进行存储管理；所述的信号发射器实现将解析数据包发送到所述智能终端。
3.一种基于光纤感知的手语识别方法，其特征在于：所述的方法包括以下步骤：
S1、用户带上光纤手环带，通过内置的光纤传感器采集用户手腕部肌肉肌腱的光纤变化数据，通过处理得到光纤变化数据模型；
S2、根据模型数据库中定义好的不同手语手势表示的光纤变化数据模型，匹配解析出每组光纤变化数据模型所代表的手语含义，并生成一个解析数据包；
S3、将解析数据包发送到智能终端；
S4、通过安装在智能终端的手语翻译软件和文字语言转化软件将解析数据包的信息播报出。
4.根据权利要求3所述的一种基于光纤感知的手语识别方法，其特征在于：在进行光纤传感器采集用户做手语时手腕部肌肉肌腱的光纤变化数据，得到光纤变化数据模型步骤之前，需要先定义好每个手语手势的含义，形成模型数据库。
5.根据权利要求3或4所述的一种基于光纤感知的手语识别方法，其特征在于：所述的光纤传感器为光纤微弯传感器，所述的光纤变化数据包括光纤在收到外部压力或者震动或者位移时光纤发生微弯产生的光纤微弯数据。
6.根据权利要求4所述的一种基于光纤感知的手语识别方法，其特征在于：所述的定义手语手势含义形成模型数据库的步骤如下：
A1、用户带上光纤手环带，通过内置的光纤传感器采集用户手腕部肌肉肌腱的光纤变化数据，通过处理得到光纤变化数据模型；
A2、对每组光纤变化数据模型进行自定义，得到每个手语手势专属于用户自己的含义；
A3、通过对现有所有手语手势或者用户常用手语手势的专属定义，形成模型数据库。
7.根据权利要求3或6所述的一种基于光纤感知的手语识别方法，其特征在于：S1包括的步骤如下：
S11、用户每次带上光纤手环带后，首先做握拳和伸展五指两个基准动作；
S12、在用户做基准动作时，光纤微弯传感器采集用户手腕部肌腱系带骨骼群运动使光纤发生微弯得到光纤基准微弯数据集B；
S13、在用户做特征动作时，光纤微弯传感器采集用户手腕部肌腱系带骨骼群运动使光纤发生微弯得到光纤特征微弯数据集S。
S14、根据光纤基准微弯数据集B和光纤特征微弯数据集S之间的变化情况，通过互信息法得到光纤基准微弯数据B集和光纤特征微弯数据集S之间的相关性，得到初始的光纤微弯数据模型；
S15、通过递归特征消除法对初始的光纤微弯数据模型进行多轮训练，消除底噪和毛刺权值系数的特征，得到最后确定的光纤微弯数据模型。
8.根据权利要求7所述的一种基于光纤感知的手语识别方法，其特征在于：所述的通过互信息法得到光纤基准微弯数据集B和光纤特征微弯数据集S之间的相关性的步骤如下：
S141、采集多组基准动作的光纤基准微弯数据集B；
S142、采集多组多个特征动作的光纤特征微弯数据集S；
S143、提取光纤基准微弯数据集B和光纤特征微弯数据集S的变化量和变化量特征；
S144、通过相关性信息提取计算公式，得到初始的光纤微弯数据模型。
9.根据权利要求8所述的一种基于光纤感知的手语识别方法，其特征在于：所述的通过递归特征消除法对初始的光纤微弯数据模型进行多轮训练，消除底噪和毛刺权值系数的特征，得到最后确定的光纤微弯数据模型的步骤如下：
S151、采集光纤基准微弯数据集B和光纤特征微弯数据集S的变化量；
S152、采集光纤基准微弯数据集B和光纤特征微弯数据集S的变化量特征；
S153、将B-S变化量和B-S变化量特征消除底噪和毛刺权值特征得到下一个动作的B-S变化量特征；
S154、依次重复步骤S151和S153，直到所有动作均消除底噪和毛刺权值系统特征，得到最后确定的光纤微弯数据模型。
CN201810656588.4A 2018-06-24 2018-06-24 一种基于光纤感知的手语识别系统及方法 Pending CN109032333A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810656588.4A CN109032333A (zh) 2018-06-24 2018-06-24 一种基于光纤感知的手语识别系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810656588.4A CN109032333A (zh) 2018-06-24 2018-06-24 一种基于光纤感知的手语识别系统及方法

Publications (1)

Publication Number Publication Date
CN109032333A true CN109032333A (zh) 2018-12-18

Family

ID=64610882

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810656588.4A Pending CN109032333A (zh) 2018-06-24 2018-06-24 一种基于光纤感知的手语识别系统及方法

Country Status (1)

Country Link
CN (1) CN109032333A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1506871A (zh) * 2002-12-06 2004-06-23 徐晓毅 一种手语翻译系统
CN102096467A (zh) * 2010-12-28 2011-06-15 赵剑桥 光反射式移动手语识别系统及手指弯曲测量方法
CN106200988A (zh) * 2016-08-30 2016-12-07 上海交通大学 一种可穿戴式手语识别装置及手语翻译方法
CN107015653A (zh) * 2017-04-10 2017-08-04 南京鼓楼医院 基于光纤光栅的数据手套及交互系统
CN207020880U (zh) * 2017-03-08 2018-02-16 天津梅迪亚科技有限公司 基于vr模式的社区展示设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1506871A (zh) * 2002-12-06 2004-06-23 徐晓毅 一种手语翻译系统
CN102096467A (zh) * 2010-12-28 2011-06-15 赵剑桥 光反射式移动手语识别系统及手指弯曲测量方法
CN106200988A (zh) * 2016-08-30 2016-12-07 上海交通大学 一种可穿戴式手语识别装置及手语翻译方法
CN207020880U (zh) * 2017-03-08 2018-02-16 天津梅迪亚科技有限公司 基于vr模式的社区展示设备
CN107015653A (zh) * 2017-04-10 2017-08-04 南京鼓楼医院 基于光纤光栅的数据手套及交互系统

Similar Documents

Publication Publication Date Title
Alazrai et al. An end-to-end deep learning framework for recognizing human-to-human interactions using Wi-Fi signals
Bukhari et al. American sign language translation through sensory glove; signspeak
Sousa et al. A comparative analysis of the impact of features on human activity recognition with smartphone sensors
US10321210B2 (en) Sensor system and method of collecting data
Elsts et al. On-board feature extraction from acceleration data for activity recognition
Lv et al. Bi-view semi-supervised learning based semantic human activity recognition using accelerometers
CN116504382B (zh) 远程医疗监护系统及其方法
CN111387936B (zh) 一种睡眠阶段识别方法、装置及设备
Kosmidou et al. Using sample entropy for automated sign language recognition on sEMG and accelerometer data
Shen et al. Toward hand-dominated activity recognition systems with wristband-interaction behavior analysis
CN111833439B (zh) 基于人工智能的弹药投掷分析及移动仿真训练方法
Zhang et al. CSI-based location-independent human activity recognition using feature fusion
Kabir et al. CSI-IANet: An inception attention network for human-human interaction recognition based on CSI signal
Zhu et al. Smartphone-based human activity recognition in buildings using locality-constrained linear coding
Bocus et al. Self-supervised wifi-based activity recognition
Jangir et al. HARGRURNN: Human activity recognition using inertial body sensor gated recurrent units recurrent neural network
Huang et al. DiffAR: Adaptive Conditional Diffusion Model for Temporal-augmented Human Activity Recognition.
Huang et al. Wiga: A WiFi-based contactless activity sequence recognition system based on deep learning
CN109032333A (zh) 一种基于光纤感知的手语识别系统及方法
Wu et al. Applying machine learning to head gesture recognition using wearables
Wu et al. Safegait: Safeguarding gait-based key generation against vision-based side channel attack using generative adversarial network
Fu et al. Ping pong motion recognition based on smart watch
Boukhennoufa et al. A novel model to generate heterogeneous and realistic time-series data for post-stroke rehabilitation assessment
Kumari et al. Effect of reduced dimensionality on deep learning for human activity recognition
Zheng et al. ResMon: Domain-Adaptive Wireless Respiration State Monitoring via Few-Shot Bayesian Deep Learning

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20181218

WD01 Invention patent application deemed withdrawn after publication