CN113946224B - 智能仿生手的肌电手势识别的控制方法、装置及存储介质 - Google Patents
智能仿生手的肌电手势识别的控制方法、装置及存储介质 Download PDFInfo
- Publication number
- CN113946224B CN113946224B CN202111562493.4A CN202111562493A CN113946224B CN 113946224 B CN113946224 B CN 113946224B CN 202111562493 A CN202111562493 A CN 202111562493A CN 113946224 B CN113946224 B CN 113946224B
- Authority
- CN
- China
- Prior art keywords
- gesture
- action
- actions
- candidate
- combination template
- 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
Images
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
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- 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
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了智能仿生手的肌电手势识别的控制方法、装置及存储介质,所述方法包括:获取肌电信号数据,并根据所述肌电信号数据确定手势动作;根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。本发明考虑到手势动作之间的关联性,根据手势动作确定出匹配的手势组合模板。通过对手势组合模板的识别阈值进行调整,提高手势识别的效率与准确度,从而提高用户使用仿生手的便利性与舒适性。
Description
技术领域
本发明涉及机器人技术领域,尤其涉及一种智能仿生手的肌电手势识别的控制方法、装置及存储介质。
背景技术
智能仿生手是一款脑机接口技术于人工智能算法高度融合的智能产品。智能仿生手可以通过提取佩戴者手臂神经肌肉信号,识别佩戴者的运动意图,并将运动示意图转化成智能仿生手的动作,从而做到灵巧智能,手随心动。
现有技术的智能仿生手在识别肌电信号时,基本都是直接对每次接收到的肌电信号进行单一识别,每接收到一个肌电信号时就识别出一个动作。但是,实际应用中,很多手势动作是可以组合的,并且是存在一定的关联性的,现有技术中并不会考虑彼此相互关联的手势动作,导致手势识别的效率与准确度偏低。
因此,现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于,针对现有技术的上述缺陷,提供一种智能仿生手的肌电手势识别的控制方法、装置及存储介质,旨在解决现有技术中在进行手势识别时,不会考虑彼此相互关联的手势动作,导致手势识别的效率与准确度偏低的问题。
为了解决上述技术问题,本发明所采用的技术方案如下:
第一方面,本发明提供一种智能仿生手的肌电手势识别的控制方法,其中,所述方法包括:
获取肌电信号数据,并根据所述肌电信号数据确定手势动作;
根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;
获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。
在一种实现方法中,所述获取肌电信号数据,并根据所述肌电信号数据确定手势动作,包括:
获取所述肌电信号数据,并对所述肌电信号数据进行分析,得到所述肌电信号数据所对应的动作电位信息;
根据所述动作电位信息,确定所述动作电位信息所对应的手势动作。
在一种实现方法中,所述根据所述手势动作,确定与所述手势动作所匹配的手势组合模板,包括:
根据所述手势动作,确定与所述手势动作所对应的候选手势动作;
根据所述候选手势动作,确定所述手势组合模板。
在一种实现方法中,所述根据所述候选手势动作,确定所述手势组合模板,包括:
获取所述候选手势动作对应的优先级信息,所述优先级信息用于反映所述候选手势动作与所述手势动作之间的关联程度;
根据所述优先级信息,确定所述手势组合模板。
在一种实现方法中,所述根据所述优先级信息,确定所述手势组合模板,包括:
根据所述优先级信息,筛选出所述优先级信息最高的所述候选手势动作;
将所述优先级信息最高的所述候选手势动作作为目标动作;
将所述手势动作以及所述目标动作进行组合,得到所述手势组合模板。
在一种实现方法中,所述获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整,包括:
获取所述手势组合模板的使用习惯信息;
根据所述使用习惯信息,对所述手势组合模板的识别阈值进行调整。
在一种实现方法中,所述根据所述使用习惯信息,对所述手势组合模板的识别阈值进行调整包括:
若所述使用习惯信息满足预设要求,则获取所述手势组合模板所对应的识别阈值曲线;
将所述识别阈值曲线中的识别阈值进行降低。
第二方面,本发明实施例还提供一种手势识别阈值调整装置,其中,所述装置包括:
手势动作确定模块,用于获取肌电信号数据,并根据所述肌电信号数据确定手势动作;
组合模板确定模块,用于根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;
识别阈值调整模块,用于获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。
第三方面,本发明实施例还提供一种智能仿生手,其中,所述智能仿生手包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的手势组合模板的识别阈值调整程序,所述处理器执行所述手势组合模板的识别阈值调整程序时,实现如上述方案中任一项所述的智能仿生手的肌电手势识别的控制方法的步骤。
第四方面,本发明实施例还提供一种计算机可读存储介质,其中,所述计算机可读存储介质上存储有手势组合模板的识别阈值调整程序,所述手势组合模板的识别阈值调整程序被处理器执行时,实现如上述方案中任一项所述的智能仿生手的肌电手势识别的控制方法的步骤。
有益效果:与现有技术相比,本发明提供了一种智能仿生手的肌电手势识别的控制方法,本发明首先获取肌电信号数据,并根据所述肌电信号数据确定手势动作;根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。本发明考虑到手势动作之间的关联性,可以通过手势动作确定出匹配的手势组合模板,这样就可以结合仿生手用户的使用习惯来调整手势组合模板的识别阈值,提高手势识别的效率与准确度,从而提高用户使用仿生手的便利性与舒适性。
附图说明
图1为本发明实施例提供的智能仿生手的肌电手势识别的控制方法的具体实施方式的流程图。
图2是本发明实施例提供的手势组合模板的识别阈值调整装置的原理框图。
图3是本发明实施例提供的智能仿生手的内部结构原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
智能仿生手是一款脑机接口技术于人工智能算法高度融合的智能产品。智能仿生手可以通过提取佩戴者手臂神经肌肉信号,识别佩戴者的运动意图,并将运动示意图转化成智能仿生手的动作,从而做到灵巧智能,手随心动。而现有技术的智能仿生手在识别肌电信号时,基本都是直接对每次接收到的肌电信号进行单一识别,每接收到一个肌电信号时就识别出一个动作。但是,实际应用中,手势动作之间是存在一定的关联性的,并且很多手势动作是可以组合的,现有技术中并不会考虑彼此相互关联的手势动作,导致手势识别的效率与准确度偏低。为了解决上述技术问题,本实施例提供了一种智能仿生手的肌电手势识别的控制方法,本实施例首先获取肌电信号数据,并根据所述肌电信号数据确定手势动作;根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。本实施例考虑到手势动作之间的关联性,可以通过手势动作确定出匹配的手势组合模板,这样智能仿生手就可以结合用户的使用习惯来调整手势组合模板的识别阈值,提高手势识别的效率与准确度,从而提高用户使用仿生手的便利性与舒适性。
举例说明,当获取到仿生手用户的肌电信号数据后,根据所述肌电信号数据确定手势动作为A’,并确定手势动作A’所匹配的手势组合模板A1,得到手势组合模板A1的识别阈值,再对所述识别阈值进行调整。比如获取到仿生手用户肌电信号数据为A,根据肌电信号数据A确定手势动作为拿钥匙,可与拿钥匙匹配的手势组合模板有A1(拿钥匙,插钥匙),而手势组合模板有A1(拿钥匙,插钥匙)的识别阈值为a,则调整手势组合模板有A1(拿钥匙,插钥匙)的识别阈值。这样在识别到用户的仿生手拿钥匙手势动作时,更容易被匹配到拿钥匙后插钥匙,从而提高识别的准确性和识别效率。
示例性方法
实施例的手势识别阈值的调整方法可应用于终端设备中,该终端设备可为电脑、手机以及其他智能终端产品。并且,本实施例中手势识别阈值调整方法是应用在仿生手上的,因此本实施例的终端设备可与仿生手建立通讯连接,或者直接设置在仿生手上,形成智能仿生手。
具体实施时,如图1所示,本实施例中的手势识别阈值的调整方法包括如下步骤:
步骤S100、获取肌电信号数据,并根据所述肌电信号数据确定手势动作;
肌电信号数据是众多肌纤维中运动单元(比如手臂)动作电位信息在时间和空间上的叠加,且由于每个肌电信号数据会有不同的动作电位信息,而动作电位信息反映的是表面肌电信号是浅层肌肉和神经干上电活动在皮肤表面的综合效应,因此基于该动作电位信息就可确定出用户所作出的动作手势对应的手势特征。本实施例可从这些有效肌电信号数据中获取对应的动作电位信息,然后再来分析出对应的手势特征。
举例说明,当获取到仿生手用户的肌电信号数据有A1、A2、A3、A4、A5,就可以基于所述肌电信号确定仿生手用户的手势动作分别为A1是握手,A2是拿杯子,A3是握笔,A4是拿杯子,A5是拿鼠标。可见,每个肌电信号数据可能代表相同的手势动作,也可能代表不同的手势动作。
在一种实现方式中,本实施例中在获取肌电信号数据,并根据所述肌电信号数据确定手势动作时包括如下步骤:
S101、获取所述肌电信号数据,并对所述肌电信号数据进行分析,得到所述肌电信号数据所对应的动作电位信息;
S102、根据所述动作电位信息,确定所述动作电位信息所对应的手势动作。
具体应用时,本实施例根据肌电信号数据所对应的动作电位信息确定所述动作电位信息所对应的手势动作。
例如,智能仿生手采集到编号为A1,A2…A10的肌电信号数据后,进而得到肌电信号数据对应的动作电位信息为a1,a2…a10。再根据动作电位信息确定每一个动作电位信息对应的手势动作。例如,确定动作电位信息a1、a2、a3对应的手势动作是握手,动作电位信息a4、a5、a6、a7、a8、a9对应的手势动作是握笔,动作电位信息a10是拿钥匙,则肌电信号数据A1,A2,A3对应的手势动作是握手,肌电信号数据A4、A5、A6、A7、A8、A9对应的手势动作是握笔。
步骤S200、根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;
考虑到实际应用中,手势动作之间是存在一定的关联性的,并且很多手势动作是可以组合的,所以根据所述手势动作,确定与之关联的候选手势动作,从而确定与之匹配的手势动作组合模板。
在一种实现方式中,根据所述手势动作,确定与所述手势动作所匹配的手势组合模板时包括如下步骤:
步骤S201、根据所述手势动作,确定与所述手势动作所对应的候选手势动作;
步骤S202、根据所述候选手势动作,确定所述手势组合模板。
在本实施例中,智能仿生手对获取的手势动作进行分析,将与所述手势动作可以组合的手势动作确定为候选手势动作。确定候选手势动作对应的优先级信息,所述优先级信息用于反映所述候选手势动作与所述手势动作之间的关联程度,再根据所述优先级信息,确定与所述手势动作所匹配的手势组合模板。其中,所述根据所述优先级信息,确定所述手势组合模板,包括:根据所述优先级信息,筛选出所述优先级信息最高的所述候选手势动作;将所述优先级信息最高的所述候选手势动作作为目标动作;将所述手势动作以及所述目标动作进行组合,得到所述手势组合模板。
具体应用时,智能仿生手根据确定的手势动作得到候选手势动作。例如,当智能仿生手识别到用户的手势动作是打字时,就可以得到打字这个手势动作的候选手势动作有(握鼠标、拿笔、拿杯子、扶眼镜),候选手势动作可以是用户自定义的,可以是产品预设的,也可以是根据用户的使用习惯得到的。候选手势动作可以是单个手势动作,也可以是多个动作按照一定顺序排序的动作的组合。例如,智能仿生手识别到用户的手势动作是掏钥匙时,可以得到掏钥匙这个手势动作的候选手势动作有(插钥匙+拧钥匙、插钥匙+拔钥匙、按门铃、敲门)。候选手势动作的优先级信息用于反映所述候选手势动作与所述手势动作之间的关联程度,根据所述优先级信息,筛选出所述优先级信息最高的所述候选手势动作;将所述优先级信息最高的所述候选手势动作作为目标动作;将所述手势动作以及所述目标动作进行组合,得到所述手势组合模板。其中候选手势动作与所述手势动作之间的关联程度即候选手势动作的优先级可以通过分析用户的历史肌电信号数据得到,可以由用户自由定制,也可以由智能仿生手预设。例如,通过分析用户的历史肌电信号得知,掏钥匙手势动作后会发生插钥匙、按门铃、敲门四个手势动作。其中掏钥匙后插钥匙手势动作的出现概率为83%,按门铃手势动作的出现概率为9%、敲门手势动作的出现概率为8%,那么分析用户的历史肌电信号得到候选手势动作的优先级排序由高到低为插钥匙、按门铃、敲门。如用户自由定制候选手势的优先级,就按照用户对手势组合的偏好去设定对应的候选手势优先级。如由智能仿生手预设,就按照智能仿生手预存的优先级规则来确定候选手势的优先级。智能仿生手用户可以采用一种或多种方式确定候选手势的优先级。具体地,比如上述举例中的打字这个手势动作的候选手势动作有(握鼠标、拿笔、拿杯子、扶眼镜),首先确定候选手势动作的优先级。如仿生手用户采用分析用户的历史肌电信号数据和用户定制两种确定优先级的方法,可以认为用户定制方法的优先级更高,当用户定制没有所述候选手势动作时,再采用分析历史积淀数据的方法。具体地,如果用户定制的优先级规则中,有优先级排序:握鼠标>拿笔>扶眼镜>拿杯子这个规则,则直接将候选手势动作的优先级排序由高到低为:握鼠标、拿笔、扶眼镜、拿杯子,进而将优先级信息最高的候选手势动作“握鼠标”作为目标动作,与打字这个手势动作组成手势组合模板“打字+握鼠标”。若用户定制的优先级规则中没有(握鼠标、拿笔、拿杯子、扶眼镜)这个候选动作组合,则通过分析历史肌电信号数据,得到优先级排序由高到低为:握鼠标、拿笔、拿杯子、扶眼镜,进而将优先级信息最高的候选手势动作“握鼠标”作为目标动作,与打字这个手势动作组成手势组合模板“打字+握鼠标”。
步骤300、获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。
在本实施例中,确定手势组合后,即将手势动作和与所述手势动作关联程度最高的候选手势动作组合成手势组合后,就可以获取到手势组合的识别阈值,通过对所述识别阈值进行调整,提高手势识别的效率与准确度,从而提高用户使用仿生手的便利性与舒适性。
在一种实现方式中,获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整时包括如下步骤:
步骤301、获取所述手势组合模板的使用习惯信息;
步骤302、根据所述使用习惯信息,对所述手势组合模板的识别阈值进行调整。
具体应用时,当智能仿生手确定了手势组合模板后,根据手势组合模板的使用习惯信息,对所述手势组合模板的识别阈值进行调整。而手势组合模板的使用习惯信息可以通过分析用户的历史肌电信号数据得到。例如,通过分析用户的历史肌电信号数据可知,在某一时间段F内,识别到A+B手势组合模板的频率较高,而在另一时间段F’内,识别到A+C手势组合模板的频率较高,即得到手势组合模板的使用习惯信息为:当识别到手势动作A后,在时间段F内,出现A+B手势组合模板的频率较高;在时间段F’内,出现A+C手势组合模板的频率较高。进一步地,对所述手势动作组合模板的识别阈值进行调整。在时间段F内,降低A+B手势组合模板的识别阈值;在时间段F’内,降低A+C手势组合模板的识别阈值。
举例说明,如上述举例中当智能仿生手根据用户的肌电信号数据识别到用户的手势动作是打字,进而得到候选手势动作有(握鼠标、拿笔、拿杯子、扶眼镜),再将优先级信息最高的候选手势动作握鼠标作为目标动作,与打字这个手势动作组成手势组合模板“打字+握鼠标”,假设肌电信号数据发生的时间是在一天中的9:30AM,根据手势组合模板的使用习惯信息,用户在9:00AM-10:00AM这个时间段内,当出现打字手势动作后,进而出现“打字+握鼠标”这个手势组合的频率为55%,即出现频率较高,那么智能仿生手就会降低对“打字+握鼠标”这个手势组合模板的识别阈值。智能仿生手先获取所述手势组合模板“打字+握鼠标”所对应的识别阈值曲线,再将所述识别阈值曲线中的识别阈值进行降低。再假设,肌电信号数据发生的时间是在一天中的9:30PM,根据手势组合模板的使用习惯信息,用户在9:00PM-10:00PM这个时间段内,当出现握鼠标手势动作后,进而出现“打字+握鼠标”这个手势组合的频率为15%,即出现频率较低,那么智能仿生手不会调整“打字+握鼠标”这个手势组合模板的识别阈值。
在一种实现方式中,可能出现将优先级信息最高的所述候选手势动作作为目标动作后,所得到的手势动作组合模板不是用户真实执行的手势组合的情况。当智能仿生手对手势动作识别错误的时候,用户会发出应激性肌电信号数据,当智能仿生手捕捉到应激性肌电信号数据后,即会依次选择下一优先级的候选手势动作作为目标动作,与所识别到的手势动作组成手势动作组合模板。再根据手势组合模板的使用习惯信息,对所述手势组合模板的识别阈值进行调整。
举例说明,如上述举例中当智能仿生手根据用户的肌电信号数据识别到用户的手势动作是打字,进而得到候选手势动作有(握鼠标、拿笔、拿杯子、扶眼镜),再将优先级信息最高的候选手势动作“握鼠标”作为目标动作,与打字这个手势动作组成手势组合模板“打字+握鼠标”。而当智能仿生手作出“打字+握鼠标”动作组合后,收到了用户的应激性肌电信号数据,则立刻删除手势组合模板“打字+握鼠标”,进而选择候选手势动作(握鼠标、拿笔、拿杯子、扶眼镜)中下一优先级的拿笔手势动作作为目标动作,与打字手势动作组成“打字+拿笔”手势动作组合模板。假设肌电信号数据发生的时间是在一天中的16:00PM,根据手势组合模板的使用习惯信息,用户在15:30PM-16:30PM这个时间段内,当出现打字手势动作后,进而出现“打字+拿笔”这个手势组合的频率为55%,即出现频率较高,那么智能仿生手就会降低对“打字+拿笔”这个手势组合模板的识别阈值。智能仿生手先获取所述手势组合模板“打字+握鼠标”所对应的识别阈值曲线,再将所述识别阈值曲线中的识别阈值进行降低。再假设,肌电信号数据发生的时间是在一天中的9:30AM,根据手势组合模板的使用习惯信息,用户在9:00AM-10:00AM这个时间段内,当出现握鼠标手势动作后,进而出现“打字+拿笔”这个手势组合的频率为15%,即出现频率较低,那么智能仿生手不会调整“打字+拿笔”这个手势组合模板的识别阈值。
综上,本实施例首先获取肌电信号数据,并根据所述肌电信号数据确定手势动作;根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。本发明考虑到手势动作之间的关联性,根据手势动作确定出匹配的手势组合模板。通过对手势组合模板的识别阈值进行调整,提高手势识别的效率与准确度,从而提高用户使用仿生手的便利性与舒适性。
示例性装置
基于上述实施例,本发明还公开了一种智能仿生手的肌电手势识别的控制装置,如图2,所述装置包括:手势动作确定模块10、组合模块确定模块20以及识别阈值调整模块30。具体地,本实施例中的所述手势动作确定10,用于获取肌电信号数据,并根据所述肌电信号数据确定手势动作。所述组合模块确定模块20,用于根据所述手势动作,确定与所述手势动作所匹配的手势组合模板。识别阈值调整模块30,用于获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。
在一种实现方式中,本实施例中的手势动作确定模块10包括:
肌电信号数据获取单元,用于获取历史肌电信号数据;
手势动作确定单元,根据预设时间段,确定所述肌电信号数据所对应的手势动作。
在一种实现方式中,本实施例中的肌电信号数据获取单元包括:
动作电位信息获取子单元,用于获取若干肌电信号数据,确定每一个所述肌电信号数据所对应的动作电位信息。
在一种实现方式中,本实施例中的所述组合模块确定模块20包括:
候选手势动作确定单元,用于确定与所述手势动作所对应的候选手势动作;
手势组合模板确定单元,用于确定手势组合模板。
在一种实现方式中,本实施例中的手势组合模板确定单元包括:
优先级信息获取子单元,用于获取所述候选手势动作对应的优先级信息;
在一种实现方式中,本实施例中的优先级信息获取子单元包括:
候选动作筛选子单元,用于根据所述优先级信息,筛选出所述优先级信息最高的所述候选手势动作;
目标动作确定子单元,用于将所述优先级信息最高的所述候选手势动作作为目标动作;
手势模板组合子单元,用于将所述手势动作以及所述目标动作进行组合,得到所述手势组合模板。
在一种实现方式中,本实施例中的所述识别阈值调整模块30包括:
使用习惯信息单元,用于获取所述手势组合模板的使用习惯信息;
识别阈值进行调整单元,用于根据所述使用习惯信息,对所述手势组合模板的识别阈值进行调整。
在一种实现方式中,本实施例中的识别阈值进行调整单元包括:
识别阈值曲线获取子单元,用于获取所述高频动作所对应的识别阈值曲线;
识别阈值曲线调整子单元,用于将所述识别阈值曲线中的识别阈值进行降低。
本实施例中的手势组合模板的识别阈值调整装置的工作原理与上述方法实施例所记载的内容相同,此处不再赘述。
基于上述实施例,本发明还提供了一种智能仿生手,其原理框图可以如图3所示。该智能仿生手包括通过系统总线连接的处理器、存储器。其中,该智能仿生手的处理器用于提供计算和控制能力。该智能仿生手的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该智能仿生手的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种智能仿生手的肌电手势识别的控制方法。
本领域技术人员可以理解,图3中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能仿生手的限定,具体的智能仿生手以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种智能仿生手,智能仿生手包括存储器、处理器及存储在存储器中并可在处理器上运行的手势组合模板的识别阈值调整程序,处理器执行手势组合模板的识别阈值调整程序时,实现如下操作指令:
获取肌电信号数据,并根据所述肌电信号数据确定手势动作;
根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;
获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双运营数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
综上,本发明公开了一种智能仿生手的肌电手势识别的控制方法、装置及存储介质,所述方法包括:获取肌电信号数据,并根据所述肌电信号数据确定手势动作;根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整。本发明考虑到手势动作之间的关联性,根据手势动作确定出匹配的手势组合模板。通过对手势组合模板的识别阈值进行调整,提高手势识别的效率与准确度,从而提高用户使用仿生手的便利性与舒适性。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (5)
1.一种智能仿生手的肌电手势识别的控制方法,其特征在于,所述方法包括:
获取肌电信号数据,并根据所述肌电信号数据确定手势动作;
根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;
获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整;
所述获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整,包括:
获取所述手势组合模板的使用习惯信息;
根据所述使用习惯信息,对所述手势组合模板的识别阈值进行调整;
所述根据所述手势动作,确定与所述手势动作所匹配的手势组合模板,包括:
根据所述手势动作,确定与所述手势动作所对应的候选手势动作;
根据所述候选手势动作,确定所述手势组合模板;
所述根据所述候选手势动作,确定所述手势组合模板,包括:
获取所述候选手势动作对应的优先级信息,所述优先级信息用于反映所述候选手势动作与所述手势动作之间的关联程度;
根据所述优先级信息,确定所述手势组合模板;
所述根据所述优先级信息,确定所述手势组合模板,包括:
根据所述优先级信息,筛选出所述优先级信息最高的所述候选手势动作;
将所述优先级信息最高的所述候选手势动作作为目标动作;
将所述手势动作以及所述目标动作进行组合,得到所述手势组合模板;
其中,所述候选手势动作的优先级信息采用分析用户的历史肌电信号数据的方式、用户自由定制的方式或者智能仿生手预设的方式得到;如采用用户自由定制的方式,则按照用户对手势组合的偏好去设定对应的候选手势动作的优先级信息;如采用智能仿生手预设的方式,则按照智能仿生手预存的优先级规则来确定候选手势动作的优先级信息;
采用用户自由定制的方式的优先级比采用分析用户的历史肌电信号数据的方式的优先级更高,当用户没有定制所述候选手势动作的优先级信息时,则采用分析历史肌电信号数据的方式来获取所述候选手势动作的优先级信息;
所述根据所述使用习惯信息,对所述手势组合模板的识别阈值进行调整包括:
若所述使用习惯信息满足预设要求,则获取所述手势组合模板所对应的识别阈值曲线;
将所述识别阈值曲线中的识别阈值进行降低;
当优先级信息最高的所述候选手势动作作为目标动作后,所得到的手势动作组合模板不是用户真实执行的手势组合时,则用户会发出应激性肌电信号数据;
当智能仿生手捕捉到应激性肌电信号数据后,则会依次选择下一个优先级的候选手势动作作为目标动作,与手势动作组成手势组合模板;再根据手势组合模板的使用习惯信息,对所述手势组合模板的识别阈值进行调整。
2.根据权利要求1所述的智能仿生手的肌电手势识别的控制方法,其特征在于,所述获取肌电信号数据,并根据所述肌电信号数据确定手势动作,包括:
获取所述肌电信号数据,并对所述肌电信号数据进行分析,得到所述肌电信号数据所对应的动作电位信息;
根据所述动作电位信息,确定所述动作电位信息所对应的手势动作。
3.一种手势组合模板的识别阈值调整装置,其特征在于,所述装置包括:
手势动作确定模块,用于获取肌电信号数据,并根据所述肌电信号数据确定手势动作;
组合模板确定模块,用于根据所述手势动作,确定与所述手势动作所匹配的手势组合模板;
识别阈值调整模块,用于获取所述手势组合模板的识别阈值,并对所述识别阈值进行调整;
所述识别阈值调整模块包括:
使用习惯信息单元,用于获取所述手势组合模板的使用习惯信息;
识别阈值进行调整单元,用于根据所述使用习惯信息,对所述手势组合模板的识别阈值进行调整;
所述组合模板确定模块包括:
候选手势动作确定单元,用于根据所述手势动作,确定与所述手势动作所对应的候选手势动作;
手势组合模板确定单元,用于根据所述候选手势动作,确定所述手势组合模板;
所述手势组合模板确定单元包括:
优先级信息获取子单元,用于获取所述候选手势动作对应的优先级信息,所述优先级信息用于反映所述候选手势动作与所述手势动作之间的关联程度;
候选动作筛选子单元,用于根据所述优先级信息,筛选出所述优先级信息最高的
所述候选手势动作;
目标动作确定子单元,用于将所述优先级信息最高的所述候选手势动作作为目标
动作;
手势模板组合子单元,用于将所述手势动作以及所述目标动作进行组合,得到所
述手势组合模板;
其中,所述候选手势动作的优先级信息采用分析用户的历史肌电信号数据的方式、用户自由定制的方式或者智能仿生手预设的方式得到;如采用用户自由定制的方式,则按照用户对手势组合的偏好去设定对应的候选手势动作的优先级信息;如采用智能仿生手预设的方式,则按照智能仿生手预存的优先级规则来确定候选手势动作的优先级信息;
采用用户自由定制的方式的优先级比采用分析用户的历史肌电信号数据的方式的优先级更高,当用户没有定制所述候选手势动作的优先级信息时,则采用分析历史肌电信号数据的方式来获取所述候选手势动作的优先级信息;
所述识别阈值进行调整单元包括:
识别阈值曲线获取子单元,用于若所述使用习惯信息满足预设要求,获取高频动作所对应的识别阈值曲线;
识别阈值曲线调整子单元,用于将所述识别阈值曲线中的识别阈值进行降低;
当优先级信息最高的所述候选手势动作作为目标动作后,所得到的手势动作组合模板不是用户真实执行的手势组合时,则用户会发出应激性肌电信号数据;
当智能仿生手捕捉到应激性肌电信号数据后,则会依次选择下一个优先级的候选手势动作作为目标动作,与手势动作组成手势组合模板;再根据手势组合模板的使用习惯信息,对所述手势组合模板的识别阈值进行调整。
4.一种智能仿生手,其特征在于,所述智能仿生手包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的手势组合模板的识别阈值调整程序,所述处理器执行所述手势组合模板的识别阈值调整程序时,实现如权利要求1-2任一项所述的智能仿生手的肌电手势识别的控制方法的步骤。
5.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有手势组合模板的识别阈值调整程序,所述手势组合模板的识别阈值调整程序被处理器执行时,实现如权利要求1-2任一项所述的智能仿生手的肌电手势识别的控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111562493.4A CN113946224B (zh) | 2021-12-20 | 2021-12-20 | 智能仿生手的肌电手势识别的控制方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111562493.4A CN113946224B (zh) | 2021-12-20 | 2021-12-20 | 智能仿生手的肌电手势识别的控制方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113946224A CN113946224A (zh) | 2022-01-18 |
CN113946224B true CN113946224B (zh) | 2022-05-17 |
Family
ID=79339402
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111562493.4A Active CN113946224B (zh) | 2021-12-20 | 2021-12-20 | 智能仿生手的肌电手势识别的控制方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113946224B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114167996B (zh) * | 2022-02-14 | 2022-05-17 | 浙江强脑科技有限公司 | 一种基于传感器的动作预判方法、装置及存储介质 |
CN114625246A (zh) * | 2022-02-14 | 2022-06-14 | 深圳市心流科技有限公司 | 一种手势组合触发方法、装置、智能仿生手及存储介质 |
CN114201052A (zh) * | 2022-02-16 | 2022-03-18 | 浙江强脑科技有限公司 | 一种仿生手的动作力度控制方法、装置及存储介质 |
CN114217694A (zh) * | 2022-02-21 | 2022-03-22 | 深圳市心流科技有限公司 | 一种仿生手及其手势控制方法、服务器及存储介质 |
CN114625257B (zh) * | 2022-05-16 | 2022-08-16 | 浙江强脑科技有限公司 | 一种基于肌电信号的动作识别方法和识别装置 |
CN114668564B (zh) * | 2022-05-26 | 2022-09-20 | 深圳市心流科技有限公司 | 一种基于肌电信号数据对采样频率进行动态调整的方法 |
CN114676737B (zh) * | 2022-05-26 | 2022-09-27 | 深圳市心流科技有限公司 | 一种肌电信号的采样频率的动态调节方法 |
CN115204242B (zh) * | 2022-09-09 | 2022-12-09 | 深圳市心流科技有限公司 | 一种调整动作模板比对阈值的方法、装置及存储介质 |
CN116449967A (zh) * | 2023-06-20 | 2023-07-18 | 浙江强脑科技有限公司 | 仿生手教具及其控制方法、主控设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9619035B2 (en) * | 2011-03-04 | 2017-04-11 | Microsoft Technology Licensing, Llc | Gesture detection and recognition |
US8687848B2 (en) * | 2012-01-04 | 2014-04-01 | Cisco Technology, Inc. | Techniques for context-enhanced confidence adjustment for gesture |
FR3007859A1 (fr) * | 2013-06-27 | 2015-01-02 | France Telecom | Procede de reconnaissance d'un geste instrumente, dispositif, terminal d'utilisateur et programme d'ordinateur associes |
US9746929B2 (en) * | 2014-10-29 | 2017-08-29 | Qualcomm Incorporated | Gesture recognition using gesture elements |
CN106055242B (zh) * | 2016-05-24 | 2020-04-10 | 维沃移动通信有限公司 | 一种操作处理方法和移动终端 |
JP2017228057A (ja) * | 2016-06-22 | 2017-12-28 | 株式会社東海理化電機製作所 | 操作装置 |
CN111310658B (zh) * | 2020-02-14 | 2023-06-27 | 京东科技信息技术有限公司 | 一种动作模式识别模型的更新方法和装置 |
-
2021
- 2021-12-20 CN CN202111562493.4A patent/CN113946224B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113946224A (zh) | 2022-01-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113946224B (zh) | 智能仿生手的肌电手势识别的控制方法、装置及存储介质 | |
CN113977589B (zh) | 一种手势识别阈值调整方法、装置及存储介质 | |
CN113970968B (zh) | 一种智能仿生手的动作预判方法 | |
CN111209885B (zh) | 一种手势信息处理方法、装置、电子设备及存储介质 | |
CN113986017B (zh) | 一种肌电手势模板的生成方法、装置及存储介质 | |
CN113946225B (zh) | 一种手势锁定方法、智能仿生手、终端以及存储介质 | |
Nicolas-Alonso et al. | Adaptive stacked generalization for multiclass motor imagery-based brain computer interfaces | |
CN101149804B (zh) | 自适应手写识别系统和方法 | |
CN114707562B (zh) | 一种肌电信号采样频率控制方法、装置及存储介质 | |
US20190383903A1 (en) | Gesture recognition system having machine-learning accelerator | |
CN104239107A (zh) | 应用定制方法和装置 | |
Malešević et al. | Vector autoregressive hierarchical hidden Markov models for extracting finger movements using multichannel surface EMG signals | |
CN114167995A (zh) | 一种仿生手的手势锁定方法、装置、终端及存储介质 | |
CN108920202A (zh) | 应用预加载管理方法、装置、存储介质及智能终端 | |
CN114201052A (zh) | 一种仿生手的动作力度控制方法、装置及存储介质 | |
CN108876751A (zh) | 图像处理方法、装置、存储介质及终端 | |
CN114668563B (zh) | 一种肌电信号的采样频率的多层级调节方法 | |
Malešević et al. | Decoding of individual finger movements from surface EMG signals using vector autoregressive hierarchical hidden Markov models (VARHHMM) | |
CN114217694A (zh) | 一种仿生手及其手势控制方法、服务器及存储介质 | |
CN107508979B (zh) | 音量调节方法、装置、终端及存储介质 | |
CN112417985A (zh) | 一种人脸特征点追踪方法、系统、电子设备和存储介质 | |
CN114167996B (zh) | 一种基于传感器的动作预判方法、装置及存储介质 | |
CN114625246A (zh) | 一种手势组合触发方法、装置、智能仿生手及存储介质 | |
CN114683292B (zh) | 肌电设备的采样频率控制方法、智能仿生手及存储介质 | |
CN115105270B (zh) | 一种智能假肢的肌电匹配阈值的动态调节方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |