CN114167996A - 一种基于传感器的动作预判方法、装置及存储介质 - Google Patents

一种基于传感器的动作预判方法、装置及存储介质 Download PDF

Info

Publication number
CN114167996A
CN114167996A CN202210132468.0A CN202210132468A CN114167996A CN 114167996 A CN114167996 A CN 114167996A CN 202210132468 A CN202210132468 A CN 202210132468A CN 114167996 A CN114167996 A CN 114167996A
Authority
CN
China
Prior art keywords
action
real
sensor
time
tendency
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.)
Granted
Application number
CN202210132468.0A
Other languages
English (en)
Other versions
CN114167996B (zh
Inventor
韩璧丞
黄琦
阿迪斯
程交
王全辉
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.)
Zhejiang Qiangnao Technology Co ltd
Original Assignee
Zhejiang Qiangnao 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 Zhejiang Qiangnao Technology Co ltd filed Critical Zhejiang Qiangnao Technology Co ltd
Priority to CN202210132468.0A priority Critical patent/CN114167996B/zh
Publication of CN114167996A publication Critical patent/CN114167996A/zh
Application granted granted Critical
Publication of CN114167996B publication Critical patent/CN114167996B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01—Indexing scheme relating to G06F3/01
    • G06F2203/011—Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Neurosurgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Health & Medical Sciences (AREA)
  • Dermatology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种基于传感器的动作预判方法、装置及存储介质，所述方法包括：获取传感器数据，基于所述传感器数据确定倾向性动作；实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；根据所述实时动作与所述倾向性动作，确定出目标手势动作。本发明可获取传感器数据，然后对传感器数据进行分析，确定倾向性动作。根据采集到的肌电信号数据确定出实时动作，再将实时动作与所述倾向性动作进行匹配，就可以确定出最终的目标手势动作，有利于结合用户的历史使用数据和使用习惯，确定的目标手势动作更准确，以提高用户使用仿生手的便利性与舒适性。

Description

一种基于传感器的动作预判方法、装置及存储介质
技术领域
本发明涉及仿生手技术领域，尤其涉及一种基于传感器的动作预判方法、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与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。
现有技术的智能仿生手在进行动作识别时，基本都是基于肌电信号数据来识别出用户想要执行的动作，识别方式单一，且识别维度单一，并且，仅仅依靠对肌电信号数据的识别难以保证识别效率以及识别准确度。
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，提供一种基于传感器的动作预判方法、装置及存储介质，旨在解决现有技术中在进行动作识别时，识别方式单一，且识别维度单一，并且，仅仅依靠对肌电信号数据的识别难以保证识别效率以及识别准确度的问题。
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，本发明提供一种基于传感器的动作预判方法，其中，所述方法包括：
一种基于传感器的动作预判方法，其特征在于，所述方法包括：
获取传感器数据，基于所述传感器数据确定倾向性动作；
实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；
根据所述实时动作与所述倾向性动作，确定出目标手势动作。
在一种实现方式中，所述获取传感器数据，基于所述传感器数据确定倾向性动作，包括：
基于预设的传感器，获取所述传感器数据，所述传感器数据是通过采集智能仿生手的运动单元的运动信号得到的；
对所述传感器数据进行解析，得到所述运动信号；
根据所述运动信号，确定出所述倾向性动作。
在一种实现方式中，所述根据所述运动信号，确定出所述倾向性动作，包括：
将所述运动信号与预设的手势模板进行匹配，所述手势模板中设置有运动信号与动作信息的映射关系；
根据所述手势模板，得到所述运动信号所对应的所述倾向性动作。
在一种实现方式中，所述根据所述手势模板，得到所述运动信号所对应的所述倾向性动作，包括：
根据所述手势模板，确定与所述运动信号所对应的所有动作信息；
获取所有的所述动作信息的频率信息；
根据所述频率信息，筛选出满足频率要求的动作信息，并将筛选得到动作信息作为所述倾向性动作。
在一种实现方式中，所述实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作，包括：
实时采集所述肌电信号数据，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实时动作。
在一种实现方式中，所述根据所述实时动作与所述倾向性动作，确定出目标手势动作，包括：
将所述实时动作与所述倾向性动作进行匹配；
若匹配成功，则将所述倾向性动作作为所述目标手势动作。
在一种实现方式中，所述将所述实时动作与所述倾向性动作进行匹配，包括：
若所述倾向性动作为多个，则获取所述倾向性动作优先级信息，所述优先级信息是基于每一个所述倾向性动作的频率信息设置的；
基于所述优先级信息，将所述实时动作依次与所述倾向性动作进行匹配。
第二方面，本发明实施例还提供一种基于传感器的动作预判装置，其中，所述装置包括：
第一动作确定模块，用于获取传感器数据，基于所述传感器数据确定倾向性动作；
第二动作确定模块，用于实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；
目标动作确定模块，用于根据所述实时动作与所述倾向性动作，确定出目标手势动作。
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基于传感器的动作预判程序，所述处理器执行所述基于传感器的动作预判程序时，实现如上述方案中任一项所述的基于传感器的动作预判方法的步骤。
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基于传感器的动作预判程序，所述基于传感器的动作预判程序被处理器执行时，实现如上述方案中任一项所述的基于传感器的动作预判方法的步骤。
有益效果：与现有技术相比，本发明提供了一种基于传感器的动作预判方法，本发明首先获取传感器数据，基于所述传感器数据确定倾向性动作；实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；根据所述实时动作与所述倾向性动作，确定出目标手势动作。本发明可获取传感器数据，然后对传感器数据进行分析，确定倾向性动作。根据采集到的肌电信号数据确定出实时动作，再将实时动作与所述倾向性动作进行匹配，就可以确定出最终的目标手势动作，有利于结合用户的历史使用数据和使用习惯，确定的目标手势动作更准确，以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基于传感器的动作预判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基于传感器的动作预判装置的原理框图。
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。
现有技术的智能仿生手在进行动作识别时，基本都是基于肌电信号数据来识别出用户想要执行的动作，识别方式单一，且识别维度单一，并且，仅仅依靠对肌电信号数据的识别难以保证识别效率以及识别准确度。为了解决上述技术问题，本实施例提供一种基于传感器的动作预判方法，本实例首先获取传感器数据，基于所述传感器数据确定倾向性动作；实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；根据所述实时动作与所述倾向性动作，确定出目标手势动作。本实例可获取传感器数据，然后对传感器数据进行分析，确定倾向性动作。根据采集到的肌电信号数据确定出实时动作，再将实时动作与所述倾向性动作进行匹配，就可以确定出最终的目标手势动作，有利于结合用户的历史使用数据和使用习惯，确定的目标手势动作更准确，以提高用户使用仿生手的便利性与舒适性。
举例说明，当需要识别用户的手势动作时，本实施例首先获取传感器数据，再基于传感器数据确定倾向性动作，比如，通过传感器数据确定倾向性动作有握手，抓笔和拿杯子。再通过实时采集的肌电信号数据，确定出实时动作，比如，根据肌电信号数据得到的实时动作是抓笔。再将所述实时动作和所属倾向性动作进行匹配，可见倾向性动作-抓笔和实时动作-抓笔是最匹配的，就可以确定目标手势动作是抓笔，这样确定得到目标手势动作准确度更高，可以更好的提升用户的使用感受。
示例性方法
本实施例的基于传感器的动作预判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，本实施例中基于传感器的动作预判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。本实施例的基于传感器的动作预判方法以智能仿生手为执行主体进行说明。
具体实施时，如图1所示，本实施例中的基于传感器的动作预判方法包括如下步骤：
步骤S100、获取传感器数据，基于所述传感器数据确定倾向性动作。
在本实施例中，智能仿生手首先对用户的传感器数据进行采集，再基于所述传感器数据确定若干倾向性动作。
在一种实现方式中，本实施例中在获取传感器数据，基于所述传感器数据确定倾向性动作时包括如下步骤：
步骤S101、基于预设的传感器，获取所述传感器数据，所述传感器数据是通过采集智能仿生手的运动单元的运动信号得到的；
步骤S102、对所述传感器数据进行解析，得到所述运动信号；
步骤S103、根据所述运动信号，确定出所述倾向性动作。
在本实施例中智能仿生手在确定倾向性动作时，首先通过预设的传感器获取传感器数据，再对传感器数据进行分析，得到运动信号。将所述运动信号与预设的手势模板进行匹配，所述手势模板中设置有运动信号与动作信息的映射关系。然后据所述手势模板，确定与所述运动信号所对应的所有动作信息以及所述动作信息的频率信息，再根据所述频率信息，筛选出满足频率要求的动作信息，这样就筛选得到动作信息作为所述倾向性动作。
传感器是设置在智能仿生手上的检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足对手势动作的屈伸形态和力度进行精准的测量和控制，比如位移传感器等
运动单元由活动关节和手指构成，用于控制活动关节及手指完成手指的独立运动和手指尖的协调操作，运动单元在执行手势动作时产生运动信号。
手势模板是通过采集用户的肌电信号数据，并对用户的肌电信号数据进行分析，筛选出的符合条件的目标手势特征而生成的。手势模板中设置有运动信号与动作信息的映射关系，以及所述动作信息的频率信息。手势模板有利于帮助用户生成属于自己的手势模板，这样用户的智能仿生手就可以基于更为准确的手势模板达到与用户真实手的运动效果。
具体应用时，智能仿生手首先通过预设的传感器获得传感器数据。例如，设置在用户的智能仿生手上的传感器通过采集运动单元的运动信号获取到传感器数据A。通过对传感器数据A进行分析得到运动信号B，将运动信号B与预设的手势模板进行匹配，匹配到运动信号B对应的动作信息C，D，E，以及动作信息C，D，E对应的频率信息分别为9，5，3。如果筛选标准为频率信息>4，则满足筛选标准的动作信息只有C，D，这样就将动作信息C,D作为倾向性动作。
步骤S200、实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作。
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。本实施例可从这些实时肌电信号数据中获取对应的实时动作电位信息，然后再来分析出对应的实时动作。
举例说明，当实时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实时动作分别为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实时动作，也可能代表不同的实时动作。
在一种实现方式中，本实施例中在实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作时包括如下步骤：
S201、实时采集所述肌电信号数据，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；
S202、根据所述动作电位信息，确定所述动作电位信息所对应的实时动作。
具体应用时，不同的肌电信号数据所对应的动作电位信息是不相同的，而不同的肌电信号数据所对应的手势动作可能也不相同。因此，实施例在得到肌电信号数据后，即可获取每一个肌电信号数据对应的动作电位信息，这些动作电位信息都反映了各自对应的手势动作，因此本实施将动作电位信息与预设的已知动作所对应的动作电位信息进行匹配，就可以确定出此时的肌电信号数据所对应的实时动作是哪一个动作。
例如，智能仿生手实时采集到编号为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实时动作。例如，确定动作电位信息a1、a2、a3对应的实时动作是握手，动作电位信息a4、a5、a6、a7、a8、a9对应的实时动作是握笔，动作电位信息a10对应的实时动作是拿钥匙，则肌电信号数据A1，A2，A3对应的实时动作是握手，肌电信号数据A4、A5、A6、A7、A8、A9对应的实时动作是握笔，A10对应的实时动作是拿钥匙。
步骤S300、根据所述实时动作与所述倾向性动作，确定出目标手势动作。
在本实施例中，由于实时动作指的是此时用户正在使用智能仿生手所执行的动作，而倾向性动作指的是该智能仿生手所执行的实时动作可能是哪一个动作，因此为了准确地确定出实时动作是什么，本实施例中的智能仿生手在得到实时动作和倾向性动作后，就可以将实时动作与倾向性动作进行匹配，进一步地确定出目标手势动作。
在一种实现方式中，本实施例在根据所述实时动作与所述倾向性动作，确定出目标手势动作时，包括如下步骤：
步骤S301、将所述实时动作与所述倾向性动作进行匹配；
步骤S302、若匹配成功，则将所述倾向性动作作为所述目标手势动作。
在本实施例中，智能仿生手首先将实时动作与倾向性动作进行匹配。其中，若所述倾向性动作为多个，则获取所述倾向性动作优先级信息，所述优先级信息是基于每一个所述倾向性动作的频率信息设置的，再基于所述优先级信息，将所述实时动作依次与所述倾向性动作进行匹配。若匹配成功，则将所述倾向性动作作为所述目标手势动作。若所有的倾向性动作与实时动作都匹配失败了，则将所述实时动作作为新动作录入手势模板。
具体应用时，例如智能仿生手通过肌电信号数据确定的实时动作是握手，通过传感器确定的倾向性动作是握笔，握鼠标，拿杯子。假设倾向性动作握笔，握鼠标，拿杯子的动作频率信息分别是9，8，5，根据动作频率信息设置的倾向性动作握笔，握鼠标，拿杯子的优先级信息分别是3、2、1，依次降低。接下来按照优先级信息的降序排序，依次将倾向性动作握笔，握鼠标，拿杯子与实时动作握手进行匹配。匹配的方法是将实时动作握手与倾向性动作握笔，握鼠标，拿杯子依据对应的动作电位信息相似度进行判断，满足相似度的匹配标准的，就认定为匹配成功。假如，实时动作握手的动作电位信息与倾向性动作握笔，握鼠标，拿杯子的动作电位信息相似度分别为50%，80%，30%，而判定匹配的标准为动作电位信息相似度为>60%。按照优先级的降序，首先将倾向性动作握手和实时动作握手进行匹配，因为动作电位信息的相似度没有达到匹配标准而匹配失败了，继续将优先级次之的倾向性动作握鼠标和实时动作握手进行匹配，满足匹配标准所以判定匹配成功，本实施例将倾向性动作握鼠标作为所述目标手势动作。一旦某个倾向性动作与实时动作匹配成功，就不再继续匹配。
在另一实施例中，如智能仿生手通过肌电信号数据确定的实时动作是握手，通过传感器确定的倾向性动作是握笔，拿杯子，打字。假设倾向性动作握笔，拿杯子，打字的动作频率信息分别是9，8，5，根据动作频率信息设置的倾向性动作握笔，拿杯子，握鼠标的优先级信息分别是3、2、1，依次降低，那么按照优先级信息的降序排序，依次将倾向性动作握笔，拿杯子，打字与实时动作握手进行匹配。如果实时动作握手的动作电位信息与倾向性动作握笔，拿杯子，握鼠标的动作电位信息相似度分别为50%，30%，20%，而判定匹配的标准为动作电位信息相似度为>60%，可知倾向性动作握笔、拿杯子、打字都与实时动作握手匹配失败了，本实施例将实时动作握手作为新目标手势动作记录在手势模板中。
综上，本实施例首先获取传感器数据，基于所述传感器数据确定倾向性动作，然后实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作，再根据所述实时动作与所述倾向性动作，确定出目标手势动作。本实施例可获取传感器数据，然后对传感器数据进行分析，确定倾向性动作。根据采集到的肌电信号数据确定出实时动作，再将实时动作与所述倾向性动作进行匹配，就可以确定出最终的目标手势动作，有利于结合用户的历史使用数据和使用习惯，确定的目标手势动作更准确，以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基于传感器的动作预判装置，如图2，所述装置包括：第一动作确定模块10、第二动作确定模块20以及目标动作确定模块30。具体地，本实施例中的所述第一动作确定模块10，用于获取传感器数据，基于所述传感器数据确定倾向性动作。所述第二动作确定模块20，用于实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作。所述目标动作确定模块30，用于根据所述实时动作与所述倾向性动作，确定出目标手势动作。
在一种实现方式中，本实施例中的第一动作确定模块10包括：
倾向性动作确定单元，用于获取传感器数据，基于所述传感器数据确定倾向性动作；
实时动作确定单元，用于实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；
目标手势动作确定单元，用于根据所述实时动作与所述倾向性动作，确定出目标手势动作。
在一种实现方式中，本实施例中的倾向性动作确定单元包括：
传感器数据获取子单元，用于基于预设的传感器，获取所述传感器数据，所述传感器数据是通过采集智能仿生手的运动单元的运动信号得到的；
运动信号确定子单元，用于对所述传感器数据进行解析，得到所述运动信号；
倾向性动作确定子单元，用于根据所述运动信号，确定出所述倾向性动作。
在一种实现方式中，本实施例中的第二动作确定模块20包括：
动作电位信息获取单元，用于实时采集所述肌电信号数据，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；
实时动作确定单元，用于根据所述动作电位信息，确定所述动作电位信息所对应的实时动作。
在一种实现方式中，本实施例中的所述目标动作确定模块30包括：
匹配单元，用于将所述实时动作与所述倾向性动作进行匹配；
目标手势动作确定单元，用于若匹配成功，则将所述倾向性动作作为所述目标手势动作。
在一种实现方式中，本实施例中的匹配单元，包括：
优先级信息获取子单元，用于若所述倾向性动作为多个，则获取所述倾向性动作优先级信息，所述优先级信息是基于每一个所述倾向性动作的频率信息设置的；
匹配子单元，用于基于所述优先级信息，将所述实时动作依次与所述倾向性动作进行匹配。
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基于传感器的动作预判方法。
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基于传感器的动作预判程序，处理器执行基于传感器的动作预判程序时，实现如下操作指令：
获取传感器数据，基于所述传感器数据确定倾向性动作；
实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；
根据所述实时动作与所述倾向性动作，确定出目标手势动作。
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，本发明公开了一种基于传感器的动作预判方法、装置及存储介质，所述方法包括：获取传感器数据，基于所述传感器数据确定倾向性动作；实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；根据所述实时动作与所述倾向性动作，确定出目标手势动作。本发明可获取传感器数据，然后对传感器数据进行分析，确定倾向性动作。根据采集到的肌电信号数据确定出实时动作，再将实时动作与所述倾向性动作进行匹配，就可以确定出最终的目标手势动作，有利于结合用户的历史使用数据和使用习惯，确定的目标手势动作更准确，以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 (10)

1.一种基于传感器的动作预判方法，其特征在于，所述方法包括：
获取传感器数据，基于所述传感器数据确定倾向性动作；
实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；
根据所述实时动作与所述倾向性动作，确定出目标手势动作。
2.根据权利要求1所述的基于传感器的动作预判方法，其特征在于，所述获取传感器数据，基于所述传感器数据确定倾向性动作，包括：
基于预设的传感器，获取所述传感器数据，所述传感器数据是通过采集智能仿生手的运动单元的运动信号得到的；
对所述传感器数据进行解析，得到所述运动信号；
根据所述运动信号，确定出所述倾向性动作。
3.根据权利要求2所述的基于传感器的动作预判方法，其特征在于，所述根据所述运动信号，确定出所述倾向性动作，包括：
将所述运动信号与预设的手势模板进行匹配，所述手势模板中设置有运动信号与动作信息的映射关系；
根据所述手势模板，得到所述运动信号所对应的所述倾向性动作。
4.根据权利要求3所述的基于传感器的动作预判方法，其特征在于，所述根据所述手势模板，得到所述运动信号所对应的所述倾向性动作，包括：
根据所述手势模板，确定与所述运动信号所对应的所有动作信息；
获取所有的所述动作信息的频率信息；
根据所述频率信息，筛选出满足频率要求的动作信息，并将筛选得到动作信息作为所述倾向性动作。
5.根据权利要求1所述的基于传感器的动作预判方法，其特征在于，所述实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作，包括：
实时采集所述肌电信号数据，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实时动作。
6.根据权利要求1所述的基于传感器的动作预判方法，其特征在于，所述根据所述实时动作与所述倾向性动作，确定出目标手势动作，包括：
将所述实时动作与所述倾向性动作进行匹配；
若匹配成功，则将所述倾向性动作作为所述目标手势动作。
7.根据权利要求6所述的基于传感器的动作预判方法，其特征在于，所述将所述实时动作与所述倾向性动作进行匹配，包括：
若所述倾向性动作为多个，则获取所述倾向性动作优先级信息，所述优先级信息是基于每一个所述倾向性动作的频率信息设置的；
基于所述优先级信息，将所述实时动作依次与所述倾向性动作进行匹配。
8.一种基于传感器的动作预判装置，其特征在于，所述装置包括：
第一动作确定模块，用于获取传感器数据，基于所述传感器数据确定倾向性动作；
第二动作确定模块，用于实时采集肌电信号数据，根据所述肌电信号数据，确定出实时动作；
目标动作确定模块，用于根据所述实时动作与所述倾向性动作，确定出目标手势动作。
9.一种智能仿生手，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基于传感器的动作预判程序，所述处理器执行所述基于传感器的动作预判程序时，实现如权利要求1-7任一项所述的基于传感器的动作预判方法的步骤。
10.一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基于传感器的动作预判程序，所述基于传感器的动作预判程序被处理器执行时，实现如权利要求1-7任一项所述的基于传感器的动作预判方法的步骤。
CN202210132468.0A 2022-02-14 2022-02-14 一种基于传感器的动作预判方法、装置及存储介质 Active CN114167996B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210132468.0A CN114167996B (zh) 2022-02-14 2022-02-14 一种基于传感器的动作预判方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210132468.0A CN114167996B (zh) 2022-02-14 2022-02-14 一种基于传感器的动作预判方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN114167996A true CN114167996A (zh) 2022-03-11
CN114167996B CN114167996B (zh) 2022-05-17

Family

ID=80489856

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210132468.0A Active CN114167996B (zh) 2022-02-14 2022-02-14 一种基于传感器的动作预判方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN114167996B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117204993A (zh) * 2023-11-09 2023-12-12 浙江强脑科技有限公司 智能假肢运动模式识别方法、装置、智能假肢及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103518179A (zh) * 2011-04-20 2014-01-15 高通股份有限公司 虚拟键盘及其提供方法
CN103941866A (zh) * 2014-04-08 2014-07-23 河海大学常州校区 一种基于Kinect深度图像的三维手势识别方法
CN107831995A (zh) * 2017-09-28 2018-03-23 努比亚技术有限公司 一种终端操作控制方法、终端及计算机可读存储介质
CN108196668A (zh) * 2017-12-05 2018-06-22 重庆中电大宇卫星应用技术研究所 一种便携式手势识别系统及方法
WO2020111344A1 (ko) * 2018-11-30 2020-06-04 이창훈 근전도 신호를 이용하여 신체동작을 가상의 공간에서 구현하는 시스템 및 방법
WO2021042970A1 (zh) * 2019-09-03 2021-03-11 北京海益同展信息科技有限公司 运动速度分析方法、装置和可穿戴设备
WO2021143353A1 (zh) * 2020-01-13 2021-07-22 腾讯科技（深圳）有限公司 一种手势信息处理方法、装置、电子设备及存储介质
CN113326816A (zh) * 2021-07-14 2021-08-31 上海鼎算智能科技有限公司 一种线下顾客行为识别方法、系统、存储介质及终端
WO2021219039A1 (zh) * 2020-04-30 2021-11-04 京东数科海益信息科技有限公司 手势识别方法、人机交互方法、装置、设备及存储介质
CN113946224A (zh) * 2021-12-20 2022-01-18 深圳市心流科技有限公司 智能仿生手的肌电手势识别的控制方法、装置及存储介质
CN113970968A (zh) * 2021-12-22 2022-01-25 深圳市心流科技有限公司 一种智能仿生手的动作预判方法
CN113977589A (zh) * 2021-12-23 2022-01-28 深圳市心流科技有限公司 一种手势识别阈值调整方法、装置及存储介质

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103518179A (zh) * 2011-04-20 2014-01-15 高通股份有限公司 虚拟键盘及其提供方法
CN103941866A (zh) * 2014-04-08 2014-07-23 河海大学常州校区 一种基于Kinect深度图像的三维手势识别方法
CN107831995A (zh) * 2017-09-28 2018-03-23 努比亚技术有限公司 一种终端操作控制方法、终端及计算机可读存储介质
CN108196668A (zh) * 2017-12-05 2018-06-22 重庆中电大宇卫星应用技术研究所 一种便携式手势识别系统及方法
WO2020111344A1 (ko) * 2018-11-30 2020-06-04 이창훈 근전도 신호를 이용하여 신체동작을 가상의 공간에서 구현하는 시스템 및 방법
WO2021042970A1 (zh) * 2019-09-03 2021-03-11 北京海益同展信息科技有限公司 运动速度分析方法、装置和可穿戴设备
WO2021143353A1 (zh) * 2020-01-13 2021-07-22 腾讯科技（深圳）有限公司 一种手势信息处理方法、装置、电子设备及存储介质
WO2021219039A1 (zh) * 2020-04-30 2021-11-04 京东数科海益信息科技有限公司 手势识别方法、人机交互方法、装置、设备及存储介质
CN113326816A (zh) * 2021-07-14 2021-08-31 上海鼎算智能科技有限公司 一种线下顾客行为识别方法、系统、存储介质及终端
CN113946224A (zh) * 2021-12-20 2022-01-18 深圳市心流科技有限公司 智能仿生手的肌电手势识别的控制方法、装置及存储介质
CN113970968A (zh) * 2021-12-22 2022-01-25 深圳市心流科技有限公司 一种智能仿生手的动作预判方法
CN113977589A (zh) * 2021-12-23 2022-01-28 深圳市心流科技有限公司 一种手势识别阈值调整方法、装置及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
MICHELE XILOYANNIS等: "Dynamic forward prediction for prosthetic hand control by integration of EMG, MMG and kinematic signals", 《2015 7TH INTERNATIONAL IEEE/EMBS CONFERENCE ON NEURAL ENGINEERING (NER)》 *
宋爱国等: "智能肌电控制假手研究进展", 《南京信息工程大学学报(自然科学版)》 *
徐瑞等: "基于肌电的人机交互控制策略及其应用与挑战", 《电子测量与仪器学报》 *
阳平等: "一种基于融合多传感器信息的手语手势识别方法", 《航天医学与医学工程》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117204993A (zh) * 2023-11-09 2023-12-12 浙江强脑科技有限公司 智能假肢运动模式识别方法、装置、智能假肢及存储介质
CN117204993B (zh) * 2023-11-09 2024-02-27 浙江强脑科技有限公司 智能假肢运动模式识别方法、装置、智能假肢及存储介质

Also Published As

Publication number Publication date
CN114167996B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
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
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
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
Sztyler et al. Online personalization of cross-subjects based activity recognition models on wearable devices
KR102619981B1 (ko) 근전도 신호를 이용한 동작 분류 방법 및 장치
Jia et al. Classification of electromyographic hand gesture signals using machine learning techniques
CN113946225B (zh) 一种手势锁定方法、智能仿生手、终端以及存储介质
CN114167996B (zh) 一种基于传感器的动作预判方法、装置及存储介质
US20200268270A1 (en) Apparatus and method for predicting disease
CN107480697A (zh) 一种肌电手势识别方法和系统
CN114167995A (zh) 一种仿生手的手势锁定方法、装置、终端及存储介质
US20220012489A1 (en) Apparatus and method for motor imagery classification using eeg
CN114201052A (zh) 一种仿生手的动作力度控制方法、装置及存储介质
Sadarangani et al. A preliminary investigation on the utility of temporal features of Force Myography in the two-class problem of grasp vs. no-grasp in the presence of upper-extremity movements
CN114217694A (zh) 一种仿生手及其手势控制方法、服务器及存储介质
CN112558775A (zh) 基于表面肌电信号识别的无线键盘输入方法及装置
CN114668563B (zh) 一种肌电信号的采样频率的多层级调节方法
Chang et al. A hierarchical hand motions recognition method based on IMU and sEMG sensors
CN115192049A (zh) 一种智能假肢的肌电采样频率调节方法
CN114625246A (zh) 一种手势组合触发方法、装置、智能仿生手及存储介质
CN113766063A (zh) 天线匹配方法、装置、移动终端和存储介质
CN114668564B (zh) 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) 一种肌电信号的采样频率的动态调节方法

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