CN114625257B - 一种基于肌电信号的动作识别方法和识别装置 - Google Patents
一种基于肌电信号的动作识别方法和识别装置 Download PDFInfo
- Publication number
- CN114625257B CN114625257B CN202210526015.6A CN202210526015A CN114625257B CN 114625257 B CN114625257 B CN 114625257B CN 202210526015 A CN202210526015 A CN 202210526015A CN 114625257 B CN114625257 B CN 114625257B
- Authority
- CN
- China
- Prior art keywords
- action
- electromyographic
- electromyographic signal
- persistent
- signal
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
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)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及动作识别技术领域，具体是涉及一种基于肌电信号的动作识别方法和识别装置。本发明的持续性动作模板记录了持续性肌电信号以及在持续性肌电信号作用下产生的高频动作，动作模板记录了非持续肌电信号以及在非持续肌电信号作用下所产生的动作。当采集到待识别的肌电信号时，优先判断待识别肌电信号是否与持续性动作模板中的持续性肌电信号匹配，如果匹配，就将匹配出来的持续性肌电信号所对应的高频动作作为目标动作。如果不匹配，就再从动作模板中找到与待识别肌电信号匹配的非持续性肌电信号，之后将匹配出来的非持续性肌电信号所对应的动作作为目标动作。本发明能够提高识别出目标动作的速度。
Description
技术领域
本发明涉及动作识别技术领域，具体是涉及一种基于肌电信号的动作识别方法和识别装置。
背景技术
针对手臂残缺人群，可以安装假肢。由于肌电信号与人体大脑信号相一致，即人体大脑发出命令手臂以及手指产生动作的指令信号时，人体的手臂肌肉也会产生相应的肌电信号，因此通过采集肌电信号可以控制假肢做出与人大脑意识相一致的动作。
现有技术将所有的动作与动作相对应的肌电信号都记录在同一个动作模板中，当需要根据采集到的肌电信号识别出人想要做出何种动作时，就需要将采集到的肌电信号与动作模板中的所有肌电信号进行匹配，才能识别到与采集到的肌电信号相对应的动作，从而降低了识别效率。
综上所述，现有技术的动作识别方法识别效率较低。
因此，现有技术还有待改进和提高。
发明内容
为解决上述技术问题，本发明提供了一种基于肌电信号的动作识别方法和识别装置，解决了现有技术的动作识别方法识别效率较低的问题。
为实现上述目的，本发明采用了以下技术方案：
第一方面，本发明提供一种基于肌电信号的动作识别方法，其中，所述动作识别方法包括：
获取用户的待识别肌电信号；
当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作；
当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号。
在一种实现方式中，所述动作识别方法，还包括：
实时采集用户的肌电信号；
依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作；
监测实时的所述肌电信号所对应的持续时间；
当实时的所述肌电信号所对应的持续时间大于设定时间阈值，且所述实时动作与所述高频动作相匹配时，通过更新与所述实时动作所匹配的所述高频动作的优先级，得到更新优先级之后的所述持续性动作模板，所述优先级用于表征各个所述高频动作的出现次数。
在一种实现方式中，所述当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作，包括：
依据更新优先级之后的所述持续性动作模板，得到各个所述高频动作所对应的优先级；
依据各个所述高频动作所对应的优先级，得到与各个所述高频动作所对应的各个所述持续性肌电信号的优先级；
依据各个所述持续性肌电信号的优先级，将各个所述持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号；
依据所述目标肌电信号所对应的所述高频动作，得到所述待识别肌电信号所对应的目标动作。
在一种实现方式中，所述依据各个所述持续性肌电信号的优先级，将各个所述持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号，包括：
设置针对所述待识别肌电信号的第一采样频率和第二采用频率，所述第二采用频率小于第一采样频率；
按照所述第一采样频率对用户位于设定时刻之前产生的所述待识别肌电信号进行采样，得到待识别第一采样肌电信号；
按照所述第二采用频率对用户位于设定时刻之后产生的所述待识别肌电信号进行采样，得到待识别第二采样肌电信号；
依据所述待识别第一采样肌电信号和所述待识别第二采样肌电信号，得到待识别采样肌电信号；
将各个所述持续性肌电信号逐一与所述待识别采样肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别采样肌电信号相匹配的目标肌电信号。
在一种实现方式中，所述动作识别方法，还包括：
实时采集用户的肌电信号；
依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作；
监测实时的所述肌电信号所对应的持续时间；
当实时的所述肌电信号所对应的持续时间小于设定时间阈值，从所述动作模板中匹配出与所述实时动作相匹配的动作；
通过更新与所述实时动作相匹配的动作的优先级，得到更新优先级之后的所述动作模板，所述优先级用于表征所述动作模板所包含的各个所述动作的出现次数。
在一种实现方式中，所述当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号，包括：
依据更新优先级之后的所述动作模板，得到所述动作模板所包含的各个所述动作所对应的优先级；
依据各个所述动作所对应的优先级，得到与各个所述动作所对应的各个所述非持续性肌电信号的优先级；
依据各个所述非持续性肌电信号的优先级，将各个所述非持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述非持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号；
依据所述目标肌电信号所对应的所述动作，得到所述待识别肌电信号所对应的目标动作。
在一种实现方式中，所述当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号，包括：
计算所述动作模板所包含的各个所述动作出现的总次数；
依据所述动作模板出现各个所述动作的总次数，对所述动作模板进行分组；
将所述待识别肌电信号与分组之后的所述动作模板进行匹配，得到与所述待识别肌电信号所对应的目标动作。
第二方面，本发明实施例还提供一种基于肌电信号的动作识别装置，其中，所述装置包括如下组成部分：
信号采集模块，用于获取用户的待识别肌电信号；
第一动作识别模块，用于当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作；
第二动作识别模块，用于当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号。
第三方面，本发明实施例还提供一种终端设备，其中，所述终端设备包括存储器、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肌电信号的动作识别程序，所述处理器执行所述基于肌电信号的动作识别程序时，实现上述所述的基于肌电信号的动作识别方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有基于肌电信号的动作识别程序，所述基于肌电信号的动作识别程序被处理器执行时，实现上述所述的基于肌电信号的动作识别方法的步骤。
有益效果：本发明的持续性动作模板记录了持续性肌电信号以及在持续性肌电信号作用下产生的高频动作，动作模板记录了非持续性肌电信号以及在非持续性肌电信号作用下所产生的动作。本发明根据肌电信号的持续性将模板划分为持续性动作模板和动作模板（非持续性动作模板）这两种，当采集到待识别的肌电信号时，优先判断待识别肌电信号是否与持续性动作模板中的持续性肌电信号匹配，如果匹配，就将匹配出来的持续性肌电信号所对应的高频动作作为目标动作。如果不匹配，就再从动作模板中找到与待识别肌电信号匹配的非持续性肌电信号，之后将匹配出来的非持续性肌电信号所对应的动作作为目标动作。
由于持续性高频动作是用户经常做的动作，因此将待识别肌电信号首先与持续性高频动作所在的持续性动作模板进行匹配，能够减少根据待识别肌电信号匹配出目标动作的所需要的匹配次数，从而提高识别出目标动作的速度。另外，由于本发明将模板划分为持续性动作模板和动作模板这两种模板，每一次只要在一种模板中进行目标动作的识别，而一种模板所包含的肌电信号的数量少于两种在一起所包含的肌电信号的数量，因此本发明在每一次识别目标动作的过程中能够减少无关动作对识别的干扰，从而提高了识别出目标动作的准确性。
附图说明
图1为本发明的整体流程图；
图2为本发明实施例提供的终端设备的内部结构原理框图。
具体实施方式
以下结合实施例和说明书附图，对本发明中的技术方案进行清楚、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
经研究发现，针对手臂残缺人群，可以安装假肢。由于肌电信号与人体大脑信号相一致，即人体大脑发出命令手臂以及手指产生动作的指令信号时，人体的手臂肌肉也会产生相应的肌电信号，因此通过采集肌电信号可以控制假肢做出与人大脑意识相一致的动作。现有技术将所有的动作与动作相对应的肌电信号都记录在同一个动作模板中，当需要根据采集到的肌电信号识别出人想要做出何种动作时，就需要将采集到的肌电信号与动作模板中的所有肌电信号进行匹配，才能识别到与采集到的肌电信号相对应的动作，从而降低了识别效率。
为解决上述技术问题，本发明提供了一种基于肌电信号的动作识别方法和识别装置，解决了现有技术的动作识别方法识别效率较低的问题。具体实施时，获取用户的待识别肌电信号；当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作;当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作.由于持续性高频动作是用户经常做的动作，因此本发明将待识别肌电信号首先与持续性高频动作所在的持续性动作模板进行匹配，能够减少根据待识别肌电信号匹配出目标动作的所需要的匹配次数，从而提高识别出目标动作的速度。
举例说明，持续性动作模板记录了既是持续性又是高频的动作，持续性是指由持续性肌电信号所产生的动作，本实施例将持续时间大于五秒的信号称为持续性肌电信号，高频动作即在用户以往所做的动作中频繁出现，本实施例中高频动作是指在用户以往所做的所有动作中占比大于百分之十的动作。比如五指抓握（对应持续性肌电信号甲）、五指展开（对应持续性肌电信号乙）、五指的自然放松舒展状态（对应持续性肌电信号丙）、大拇指食指的捏动作（对应持续性肌电信号丁）、大拇指食指中指三指的捏动作（对应持续性肌电信号戊）这些动作都是高频持续性动作。动作模板记录了非持续性肌电信号以及与非持续性肌电信号对应的动作，比如动作模板记录了非持续性肌电信号A、与非持续性肌电信号A对应的中指弯曲动作，非持续性肌电信号B、与非持续性肌电信号B对应的食指中指并拢的动作。
当采集到用户的待识别肌电信号，首先判断该待识别肌电信号与持续性动作模板中的持续性肌电信号甲、持续性肌电信号乙、持续性肌电信号丙、持续性肌电信号丁、持续性肌电信号戊是否匹配，当其与五个信号中的持续性肌电信号戊匹配时，就识别出用户通过发出待识别肌电信号想要做的动作为大拇指食指中指三指的捏动作。当待识别肌电信号与上述五个肌电信号都不匹配时，就判断待识别肌电信号与动作模板中的非持续性肌电信号A、非持续性肌电信号B是否匹配，如果其与非持续性肌电信号B，就识别出用户通过发出待识别肌电信号想要做的动作为食指中指并拢这一动作。
本实施例，首先将待识别肌电信号与持续性动作模板进行匹配，这是因为持续性动作模板记录了用户持续高频动作，这种动作属于高频动作，即用户会再次做出这类动作的概率比较大，因此首先将待识别肌电信号与持续性动作模板进行匹配能够降低所需要的总的匹配次数，从而提高了通过待识别肌电信号识别出目标动作的准确性。
示例性方法
本实施例的基于肌电信号的动作识别方法可应用于终端设备中，所述终端设备可为具有信号处理功能的终端产品，比如机器手臂等。在本实施例中，如图1中所示，所述基于肌电信号的动作识别方法具体包括如下步骤：
S100，获取用户的待识别肌电信号。
本实施例是将机器手安装在用户的残缺手臂上，在用户不需要使用机器手时，机器手是处于锁定状态的，即机器手不会做出任何动作，即使这个时候用户的手臂因外力而非用户的主动性产生肌电信号，机器手也不会做出任何动作，这是为了防止在不需要使用机器手时机器手也做出动作。当获取到用户发出使用机器手的指令之后才会开始采集用户手臂上产生的待识别肌电信号，这样就能够根据用户的直观意识控制机器手了。
S200，当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作。
本实施例先判断待识别肌电信号是否是高频持续信号，如果是高频持续信号就从持续性动作模板中找到与待识别肌电信号对应的高频动作。步骤S200包括如下的步骤S201、S202、S203、S204、S205、S206、S207、S208：
S201，实时采集用户的肌电信号。
S202，依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作。
S203，监测实时的所述肌电信号所对应的持续时间。
S204，当实时的所述肌电信号所对应的持续时间大于设定时间阈值，且所述实时动作与所述高频动作相匹配时，通过更新与所述实时动作所匹配的所述高频动作的优先级，得到更新优先级之后的所述持续性动作模板，所述优先级用于表征各个所述高频动作的出现次数。
在根据用户发出的待识别肌电信号识别出目标动作的同时，也实时采集用户的肌电信号，以及用户根据实时的肌电信号所做出的实时动作，并将升级该与该实时动作相对应的高频动作的优先级。
S205，依据更新优先级之后的所述持续性动作模板，得到各个所述高频动作所对应的优先级。
举例说明，持续性动作模板中高频动作A（出现次数为6）、高频动作B（出现次数为5）、高频动作C（出现次数为4），即高频动作A的优先级大于高频动作B的优先级，高频动作B的优先级大于高频动作C的优先级。
当检测到两次的实时信号所对应的实时动作都与高频动作B相匹配，那么就将高频动作B的出现次数加二，此时持续性动作模板的优先级顺序就是高频动作B、高频动作A、高频动作C。
步骤S205还可以对待识别肌电信号进行采样，根据采样到的待识别肌电信号得到目标动作，步骤S205包括如下的步骤S2051、S2052、S2053、S2054、S2055：
S2051，设置针对所述待识别肌电信号的第一采样频率和第二采用频率，所述第二采用频率小于第一采样频率。
S2052，按照所述第一采样频率对用户位于设定时刻之前产生的所述待识别肌电信号进行采样，得到待识别第一采样肌电信号。
S2053，按照所述第二采用频率对用户位于设定时刻之后产生的所述待识别肌电信号进行采样，得到待识别第二采样肌电信号。
S2054，依据所述待识别第一采样肌电信号和所述待识别第二采样肌电信号，得到待识别采样肌电信号。
S2055，将各个所述持续性肌电信号逐一与所述待识别采样肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别采样肌电信号相匹配的目标肌电信号。
以下面的例子说明步骤S2051至S2055的详细过程：
当检测到用户发出的待识别肌电信号为高频持续性肌电信号（对应高频持续性动作）时，就以第一采样频率对待识别肌电信号进行采样，当监测到待识别肌电信号持续的时间超过设定时刻T0时就降低采样频率，以第二采样频率对待识别肌电信进行采样，之所以降低采样频率是为了降低采样功耗，避免用户无意识引起的信号波动而造成的目标动作识别错误。
S206，依据各个所述高频动作所对应的优先级，得到与各个所述高频动作所对应的各个所述持续性肌电信号的优先级。
举例说明，上述更新之后的优先级顺序就是高频动作B、高频动作A、高频动作C，那么高频动作B对应的持续性肌电信号b的优先级大于高频动作A对应的持续性肌电信号a，持续性肌电信号a大于高频动作C对应的持续性肌电信号c。
S207，依据各个所述持续性肌电信号的优先级，将各个所述持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号。
S208，依据所述目标肌电信号所对应的所述高频动作，得到所述待识别肌电信号所对应的目标动作。
本实施例先将优先级大的持续性肌电信号与待识别肌电信号进行匹配，比如先用步骤S206中的持续性肌电信号b与待识别肌电信号进行匹配，如果待识别肌电信号与持续性肌电信号b吻合，那么就识别出用户发出待识别肌电信号想要做的目标动作为高频动作B。
S300，当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号。
如果不是高频持续信号就执行步骤S300，即当监测到待识别肌电信号小于设定时间阈值时就将待识别肌电信号与动作模板进行匹配。本实施例中的动作模板可以包括非持续性肌电信号以及与非持续性肌电信号对应的高频动作，也可以包括非持续性肌电信号以及与非持续性肌电信号对应的非高频动作。比如五指合拢之后五指又张开放下拿取的东西，其中五指张开用户需要经常做，但是这是瞬间的动作，因此五指张开是非持续高频动作。步骤S300包括如下的步骤S301、S302、S303、S304、S305、S306、S307、S308、S309：
S301，实时采集用户的肌电信号。
S302，依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作。
S303，监测实时的所述肌电信号所对应的持续时间。
S304，当实时的所述肌电信号所对应的持续时间小于设定时间阈值，从所述动作模板中匹配出与所述实时动作相匹配的动作。
S305，通过更新与所述实时动作相匹配的动作的优先级，得到更新优先级之后的所述动作模板，所述优先级用于表征所述动作模板所包含的各个所述动作的出现次数。
S306，依据更新优先级之后的所述动作模板，得到所述动作模板所包含的各个所述动作所对应的优先级。
S307，依据各个所述动作所对应的优先级，得到与各个所述动作所对应的各个所述非持续性肌电信号的优先级。
举例说明S301至S307的详细过程：
动作模板有在非持续性肌电信号a1作用下产生的动作A1、非持续性肌电信号a2作用下产生的动作A2、非持续性肌电信号a3作用下产生的动作A3，优先级是动作A1大于动作A2大于动作A3，当多次采集到的实时肌电信号都与非持续性肌电信号a3相吻合，那么就可以更新优先级，更新之后的优先级就是动作A3大于动作A1大于动作A2。
S308，依据各个所述非持续性肌电信号的优先级，将各个所述非持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述非持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号。
S309，依据所述目标肌电信号所对应的所述动作，得到所述待识别肌电信号所对应的目标动作。
步骤S300是将所有的动作模板都放在一组中的，也可以将动作模板分成几组，组与组之间存在优先级，组内还存在优先级。当对动作模板进行分组时，步骤S300包括如下的步骤S3010、S3011、S3012：
S3010，计算所述动作模板所包含的各个所述动作出现的总次数。
S3011，依据所述动作模板出现各个所述动作的总次数，对所述动作模板进行分组。
S3012，将所述待识别肌电信号与分组之后的所述动作模板进行匹配，得到与所述待识别肌电信号所对应的目标动作。
综上，由于持续性高频动作是用户经常做的动作，因此将待识别肌电信号首先与持续性高频动作所在的持续性动作模板进行匹配，能够减少根据待识别肌电信号匹配出目标动作的所需要的匹配次数，从而提高识别出目标动作的速度。另外，由于本发明将模板划分为持续性动作模板和动作模板这两种模板，每一次只要在一种模板中进行目标动作的识别，而一种模板所包含的肌电信号的数量少于两种在一起所包含的肌电信号的数量，因此本发明在每一次识别目标动作的过程中能够减少无关动作对识别的干扰，从而提高了识别出目标动作的准确性。
示例性装置：
本实施例还提供一种基于肌电信号的动作识别装置，所述装置包括如下组成部分：
信号采集模块，用于获取用户的待识别肌电信号；
第一动作识别模块，用于当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作；
第二动作识别模块，用于当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号。
基于上述实施例，本发明还提供了一种终端设备，其原理框图可以如图2所示。该终端设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏、温度传感器。其中，该终端设备的处理器用于提供计算和控制能力。该终端设备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。该终端设备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肌电信号的动作识别方法。该终端设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该终端设备的温度传感器是预先在终端设备内部设置，用于检测内部设备的运行温度。
本领域技术人员可以理解，图2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终端设备的限定，具体的终端设备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，提供了一种终端设备，终端设备包括存储器、处理器及存储在存储器中并可在处理器上运行的基于肌电信号的动作识别程序，处理器执行基于肌电信号的动作识别程序时，实现如下操作指令：
获取用户的待识别肌电信号；
当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作；
当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号。
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、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。
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 (8)
1.一种基于肌电信号的动作识别方法，其特征在于，所述动作识别方法包括：
获取用户的待识别肌电信号，包括：
当获取到用户发出使用机器手的指令之后开始采集用户手臂上的待识别肌电信号，当不使用机器手时，机器手处于锁定状态；
当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作；
当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号；
所述动作识别方法，还包括：
实时采集用户的肌电信号；
依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作；
监测实时的所述肌电信号所对应的持续时间；
当实时的所述肌电信号所对应的持续时间大于设定时间阈值，且所述实时动作与所述高频动作相匹配时，通过更新与所述实时动作所匹配的所述高频动作的优先级，得到更新优先级之后的所述持续性动作模板，所述优先级用于表征各个所述高频动作的出现次数；
或者，所述动作识别方法，还包括：
实时采集用户的肌电信号；
依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作；
监测实时的所述肌电信号所对应的持续时间；
当实时的所述肌电信号所对应的持续时间小于设定时间阈值，从所述动作模板中匹配出与所述实时动作相匹配的动作；
通过更新与所述实时动作相匹配的动作的优先级，得到更新优先级之后的所述动作模板，所述优先级用于表征所述动作模板所包含的各个所述动作的出现次数。
2.如权利要求1所述的基于肌电信号的动作识别方法，其特征在于，所述当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作，包括：
依据更新优先级之后的所述持续性动作模板，得到各个所述高频动作所对应的优先级；
依据各个所述高频动作所对应的优先级，得到与各个所述高频动作所对应的各个所述持续性肌电信号的优先级；
依据各个所述持续性肌电信号的优先级，将各个所述持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号；
依据所述目标肌电信号所对应的所述高频动作，得到所述待识别肌电信号所对应的目标动作。
3.如权利要求2所述的基于肌电信号的动作识别方法，其特征在于，所述依据各个所述持续性肌电信号的优先级，将各个所述持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号，包括：
设置针对所述待识别肌电信号的第一采样频率和第二采用频率，所述第二采用频率小于第一采样频率；
按照所述第一采样频率对用户位于设定时刻之前产生的所述待识别肌电信号进行采样，得到待识别第一采样肌电信号；
按照所述第二采用频率对用户位于设定时刻之后产生的所述待识别肌电信号进行采样，得到待识别第二采样肌电信号；
依据所述待识别第一采样肌电信号和所述待识别第二采样肌电信号，得到待识别采样肌电信号；
将各个所述持续性肌电信号逐一与所述待识别采样肌电信号进行匹配，直到从各个所述持续性肌电信号中得到与所述待识别采样肌电信号相匹配的目标肌电信号。
4.如权利要求1所述的基于肌电信号的动作识别方法，其特征在于，所述当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号，包括：
依据更新优先级之后的所述动作模板，得到所述动作模板所包含的各个所述动作所对应的优先级；
依据各个所述动作所对应的优先级，得到与各个所述动作所对应的各个所述非持续性肌电信号的优先级；
依据各个所述非持续性肌电信号的优先级，将各个所述非持续性肌电信号逐一与所述待识别肌电信号进行匹配，直到从各个所述非持续性肌电信号中得到与所述待识别肌电信号相匹配的目标肌电信号；
依据所述目标肌电信号所对应的所述动作，得到所述待识别肌电信号所对应的目标动作。
5.如权利要求1所述的基于肌电信号的动作识别方法，其特征在于，所述当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号，包括：
计算所述动作模板所包含的各个所述动作出现的总次数；
依据所述动作模板出现各个所述动作的总次数，对所述动作模板进行分组；
将所述待识别肌电信号与分组之后的所述动作模板进行匹配，得到与所述待识别肌电信号所对应的目标动作。
6.一种基于肌电信号的动作识别装置，其特征在于，所述装置包括如下组成部分：
信号采集模块，用于获取用户的待识别肌电信号，包括：
当获取到用户发出使用机器手的指令之后开始采集用户手臂上的待识别肌电信号，当不使用机器手时，机器手处于锁定状态；
第一动作识别模块，用于当所述待识别肌电信号与持续性动作模板匹配时，从所述持续性动作模板中得到与所述待识别肌电信号所对应的目标动作，所述持续性动作模板包含高频动作、与高频动作所对应的持续性肌电信号，所述持续性肌电信号为持续时间大于设定时间阈值的信号，所述高频动作为出现次数大于设定阈值的动作；
第二动作识别模块，用于当所述待识别肌电信号未与所述持续性动作模板匹配时，将所述待识别肌电信号与动作模板进行匹配，从所述动作模板中得到与所述待识别肌电信号所对应的目标动作，所述动作模板包含非持续性肌电信号、与非持续性肌电信号所对应的动作，所述非持续性肌电信号为持续时间小于设定时间阈值的信号;
所述动作识别方法，还包括：
实时采集用户的肌电信号；
依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作；
监测实时的所述肌电信号所对应的持续时间；
当实时的所述肌电信号所对应的持续时间大于设定时间阈值，且所述实时动作与所述高频动作相匹配时，通过更新与所述实时动作所匹配的所述高频动作的优先级，得到更新优先级之后的所述持续性动作模板，所述优先级用于表征各个所述高频动作的出现次数；
或者，所述动作识别方法，还包括：
实时采集用户的肌电信号；
依据实时的所述肌电信号，得到与实时的所述肌电信号所对应的实时动作；
监测实时的所述肌电信号所对应的持续时间；
当实时的所述肌电信号所对应的持续时间小于设定时间阈值，从所述动作模板中匹配出与所述实时动作相匹配的动作；
通过更新与所述实时动作相匹配的动作的优先级，得到更新优先级之后的所述动作模板，所述优先级用于表征所述动作模板所包含的各个所述动作的出现次数。
7.一种终端设备，其特征在于，所述终端设备包括存储器、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肌电信号的动作识别程序，所述处理器执行所述基于肌电信号的动作识别程序时，实现如权利要求1-5任一项所述的基于肌电信号的动作识别方法的步骤。
8.一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肌电信号的动作识别程序，所述基于肌电信号的动作识别程序被处理器执行时，实现如权利要求1-5任一项所述的基于肌电信号的动作识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210526015.6A CN114625257B (zh) | 2022-05-16 | 2022-05-16 | 一种基于肌电信号的动作识别方法和识别装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210526015.6A CN114625257B (zh) | 2022-05-16 | 2022-05-16 | 一种基于肌电信号的动作识别方法和识别装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114625257A CN114625257A (zh) | 2022-06-14 |
| CN114625257B true CN114625257B (zh) | 2022-08-16 |
Family
ID=81907331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210526015.6A Active CN114625257B (zh) | 2022-05-16 | 2022-05-16 | 一种基于肌电信号的动作识别方法和识别装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114625257B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115131878B (zh) * | 2022-08-30 | 2022-11-11 | 深圳市心流科技有限公司 | 一种智能假肢的动作确定方法、装置、终端及存储介质 |
| CN115153984B (zh) * | 2022-09-05 | 2023-01-17 | 深圳市心流科技有限公司 | 基于肌电信号的智能假肢控制方法、装置、终端及介质 |
| CN115153985B (zh) * | 2022-09-08 | 2022-12-09 | 深圳市心流科技有限公司 | 智能假肢的控制方法、装置、终端及计算机可读存储介质 |
| CN115251957A (zh) * | 2022-09-26 | 2022-11-01 | 深圳市心流科技有限公司 | 一种逐级调整采样频率的方法、装置及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113100776A (zh) * | 2021-04-20 | 2021-07-13 | 西北工业大学 | 一种融合肌电和心电信号的疲劳监测系统及方法 |
| WO2021207852A1 (en) * | 2020-04-16 | 2021-10-21 | UNIVERSITé LAVAL | Method of generating an indication of muscle fatigue, sensor and system therefor |
| CN113589920A (zh) * | 2020-04-30 | 2021-11-02 | 北京海益同展信息科技有限公司 | 手势识别方法、人机交互方法、装置、设备及存储介质 |
| CN114384999A (zh) * | 2021-11-19 | 2022-04-22 | 福州大学 | 基于自适应学习的用户无关肌电手势识别系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112040858A (zh) * | 2017-10-19 | 2020-12-04 | 脸谱科技有限责任公司 | 用于识别与神经肌肉源信号相关的生物结构的系统和方法 |
| CN113946225B (zh) * | 2021-12-20 | 2022-04-26 | 深圳市心流科技有限公司 | 一种手势锁定方法、智能仿生手、终端以及存储介质 |
| CN113946224B (zh) * | 2021-12-20 | 2022-05-17 | 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 |
| CN113970968B (zh) * | 2021-12-22 | 2022-05-17 | 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 |
| CN113977589B (zh) * | 2021-12-23 | 2022-03-08 | 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 |
| CN113986017B (zh) * | 2021-12-27 | 2022-05-17 | 深圳市心流科技有限公司 | 一种肌电手势模板的生成方法、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 |
-
2022
- 2022-05-16 CN CN202210526015.6A patent/CN114625257B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021207852A1 (en) * | 2020-04-16 | 2021-10-21 | UNIVERSITé LAVAL | Method of generating an indication of muscle fatigue, sensor and system therefor |
| CN113589920A (zh) * | 2020-04-30 | 2021-11-02 | 北京海益同展信息科技有限公司 | 手势识别方法、人机交互方法、装置、设备及存储介质 |
| CN113100776A (zh) * | 2021-04-20 | 2021-07-13 | 西北工业大学 | 一种融合肌电和心电信号的疲劳监测系统及方法 |
| CN114384999A (zh) * | 2021-11-19 | 2022-04-22 | 福州大学 | 基于自适应学习的用户无关肌电手势识别系统 |
Non-Patent Citations (4)
| Title |
|---|
| Salah Kanoun ; Nasser Ali.A new digital signal processing technique for the estimation of motor unit action potential templates.《2009 International Conference on Computer Engineering & Systems》.2010,第537-542页. * |
| 基于小波分析的表面肌电信号运动单位动作电位模式研究;李强等;《生物医学工程学杂志》;20100825(第04期);全文 * |
| 微阵列式表面肌电采集系统与神经信息解码研究;吕鹏宇;《中国优秀硕士学位论文全文数据库 基础科学辑》;20220115;第A006-484页 * |
| 表面肌电信号生物反馈治疗系统的研究;胡晓刚等;《中国康复医学杂志》;20090315(第03期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114625257A (zh) | 2022-06-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114625257B (zh) | 一种基于肌电信号的动作识别方法和识别装置 | |
| WO2021143353A1 (zh) | 一种手势信息处理方法、装置、电子设备及存储介质 | |
| CN113970968B (zh) | 一种智能仿生手的动作预判方法 | |
| CN113946225B (zh) | 一种手势锁定方法、智能仿生手、终端以及存储介质 | |
| Liu et al. | Reduced daily recalibration of myoelectric prosthesis classifiers based on domain adaptation | |
| Coyle et al. | A time-series prediction approach for feature extraction in a brain-computer interface | |
| CN114707562B (zh) | 一种肌电信号采样频率控制方法、装置及存储介质 | |
| CN110710970B (zh) | 肢体动作的识别方法、装置、计算机设备及存储介质 | |
| Zhu et al. | Cascaded adaptation framework for fast calibration of myoelectric control | |
| CN114217694A (zh) | 一种仿生手及其手势控制方法、服务器及存储介质 | |
| CN114652493B (zh) | 一种肌电信号控制方法、装置、肌电设备、存储介质 | |
| CN111870242A (zh) | 一种基于肌电信号的智能手势动作生成方法 | |
| Onay et al. | Phasor represented EMG feature extraction against varying contraction level of prosthetic control | |
| He et al. | Adaptive pattern recognition of myoelectric signal towards practical multifunctional prosthesis control | |
| CN114668563B (zh) | 一种肌电信号的采样频率的多层级调节方法 | |
| CN114384999B (zh) | 基于自适应学习的用户无关肌电手势识别系统 | |
| CN115153984A (zh) | 基于肌电信号的智能假肢控制方法、装置、终端及介质 | |
| CN108898062A (zh) | 一种基于改进的信号片段提取算法的手部动作识别方法 | |
| CN109359622B (zh) | 一种基于高斯混合模型的肌电动作识别在线更新算法 | |
| CN114676737B (zh) | 一种肌电信号的采样频率的动态调节方法 | |
| CN115105270B (zh) | 一种智能假肢的肌电匹配阈值的动态调节方法 | |
| CN114167996B (zh) | 一种基于传感器的动作预判方法、装置及存储介质 | |
| Castellini et al. | EMG-based prediction of multi-DOF activations using single-DOF training: a preliminary result | |
| JP2002366927A (ja) | ニューラルネットワーク、ニューラルネットワークシステム及びニューラルネットワーク処理プログラム | |
| Gao et al. | Eliminating or shortening the calibration for a P300 brain–computer interface based on a convolutional neural network and big electroencephalography data: An online study |
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 |