CN114879841B - 一种基于d型塑料光纤的手势识别系统及测量方法 - Google Patents

一种基于d型塑料光纤的手势识别系统及测量方法 Download PDF

Info

Publication number
CN114879841B
CN114879841B CN202210495952.XA CN202210495952A CN114879841B CN 114879841 B CN114879841 B CN 114879841B CN 202210495952 A CN202210495952 A CN 202210495952A CN 114879841 B CN114879841 B CN 114879841B
Authority
CN
China
Prior art keywords
module
light
plastic optical
optical fiber
receiving module
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
Application number
CN202210495952.XA
Other languages
English (en)
Other versions
CN114879841A (zh
Inventor
刘彬
李洁
王亚俊
王齐
刘娟
吴强
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.)
Nanchang Hangkong University
Original Assignee
Nanchang Hangkong University
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 Nanchang Hangkong University filed Critical Nanchang Hangkong University
Priority to CN202210495952.XA priority Critical patent/CN114879841B/zh
Publication of CN114879841A publication Critical patent/CN114879841A/zh
Application granted granted Critical
Publication of CN114879841B publication Critical patent/CN114879841B/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
    • G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于D型塑料光纤的手势识别系统及测量方法，手套手指关节弯曲处设有传感区域，位于传感区域的光输出端一侧设有感应面；其中光输入端与光源模块连接，光输出端与光接收模块连接；终端连接有信号接收模块，信号接收模块上的NRF无线传输模块与A/D信号采集模块上的NRF无线传输模块相互信号连接。A/D信号采集模块上的NRF无线传输模块将采集的电压信号通过无线信号传输的方式发送给信号接收模块上的NRF无线传输模块，最后通过终端中有相关的分析处理程序，完成对接收到的数据进行分析处理。本发明可用于人体的手势识别，该系统体积小、测量精度高、易弯曲、提升用户的舒适度。

Description

一种基于D型塑料光纤的手势识别系统及测量方法
技术领域
本发明涉及光纤传感技术与手势识别方法，具体涉及一种基于D型塑料光纤的人体手势识别系统及测量方法。
背景技术
人机交互是指用户与计算机之间通过特定的交流手段实现信息交互的方式。手势识别作为人机交互领域深耕已久的一个研究方向，其主要是通过模式识别算法分析出手势表达的含义，实现人与机器自然和谐的交互。
基于视觉的手势识别与基于传感器的手势识别是目前主要的两种实现方式，其中，基于视觉的识别技术发展比较早也相对成熟。但受设备和环境条件的制约较大，摄像头摆放的位置角度被遮挡，光线过亮或过暗都会影响摄像头拍摄的图片质量，从而影响识别准确率。而基于传感器的识别技术不受环境光、背景色的影响，采集数据稳定，信号处理简单，克服了上述视觉识别技术的缺点，同时该技术还具有微型化、智能化、多功能、高集成度、低功耗、成本低廉和适于大批量生产等诸多优点，提供了复杂环境下稳定可靠的智能交互方式，在医疗康复机器人、手语词分类、人体活动行为识别等领域也有很大的应用价值。
传统的手势识别系统有基于加速度传感器的手势识别系统、基于微机电系统传感器的手势识别系统、基于惯性传感器的手势识别系统、基于LC谐振腔传感器的手势识别系统、基于电容传感器的手势识别系统、基于二维材料复合物材料的柔性压力传感器的手势识别系统、基于光学体积描记术传感器的手势识别系统等。但是，基于电子类传感器的手势识别系统容易受电磁的干扰，基于化学材料类传感器的手势识别系统制作复杂、成本高。
发明内容
为了克服现有技术的不足，本发明提供一种基于D型塑料光纤的手势识别系统及测量方法，以保证系统具有更高的灵敏度，使光纤能以较大的振幅弯曲角度进行弯曲，能提高用户的舒适度。
为实现上述目的，本发明采用以下技术方案。一种基于D型塑料光纤的手势识别系统，包括A/D信号采集模块、手套、NRF无线传输模块和终端，所述A/D信号采集模块集成有光源模块、光接收模块、信号采集芯片和NRF无线传输模块；所述手套手指前端设有固定块，固定块固定有塑料光纤，手套手指关节弯曲处设有传感区域，位于传感区域的光输出端一侧设有感应面；其中光输入端与光源模块连接，光输出端与光接收模块连接；所述终端连接有信号接收模块，信号接收模块上也集成有信号采集芯片和NRF无线传输模块，信号接收模块上的NRF无线传输模块与A/D信号采集模块上的NRF无线传输模块相互信号连接。
进一步，所述信号采集芯片的型号为STM32F103C8T6。
进一步，所述手指关节为手指的第一关节和第二关节。
进一步，所述光源模块为发光二极管，波长为645nm红色光，用作光源。
进一步，所述光接收模块为光电接收二极管，用于接收塑料光纤传过来的光强并将其转换为电压值输出，电压值的大小随着光强的变化而变化。
进一步，所述塑料光纤的护套直径Φ为1mm，纤芯直径为0.7mm。
进一步，所述传感区域内输出端的塑料光纤正上方侧抛长度为1-2cm，侧抛深度为0.5mm，即该段的塑料光纤截面为“D”形。
进一步，所述终端为计算机、手机、智能手表或平板电脑，用于根据接收的数据判断用户的手势类型。
一种基于D型塑料光纤的手势识别系统的测量方法，步骤如下：将缝制有塑料光纤的手套戴于人手部，塑料光纤在手指前端固定块内侧面弯曲形成输入端和输出端，手指关节的第一关节处和第二关节处分别与传感区域对应，手指发生不同程度的弯曲时，传感区域会带动传感区域的光输出端产生弯曲形变，从而使感应面引起光线逸出量的变化；在光源模块为塑料光纤提供光源时，光接收模块接收到的光强发生变化，导致光接收模块输出的电压信号发生变化；在A/D数据采集模块中的信号采集芯片采集到光接收模块变化的电压信号，A/D信号采集模块上的NRF无线传输模块将采集的电压信号通过无线信号传输的方式发送给信号接收模块上的NRF无线传输模块，最后通过终端中有相关的分析处理程序，完成对接收到的数据进行分析处理，判断用户的手势动作。
本发明通过利用固定块将传感区域固定在穿戴的棉质手套对应手指关节的外侧，保证了更高的灵敏度。采用塑料光纤传感器具有体积小、重量轻、灵活、成本低、抗电磁干扰等几个优点，具有高稳定性、抗冲击性，使光纤能以较大的振幅弯曲角度进行弯曲，能提用户的舒适度。通过检测手指关节弯曲状态对手势类型进行探测，可用于人体的手势识别。该系统体积小、测量精度高、易弯曲、提升用户的舒适度。
附图说明
图1为本发明实施例的结构图；
图2为图1中A处放大结构示意图；
图3为图2中传感区域401放大的示意图；
图4为图3中B-B向截面示意图；
图5为本发明中A/D信号采集模块3的电路图；
图6为本发明中基于SVM算法的手势分类识别效果图；
图中：1.光源模块，2.光接收模块，3. A/D信号采集模块，4.塑料光纤，401.传感区域，402.光输入端，403.光输出端，404.感应面；5.固定块，6.手套，7.NRF无线传输模块，8.信号接收模块，9.终端，10.信号采集芯片。
具体实施方式
下面结合附图和实施例本发明做进一步描述。参见图1至图6，一种基于D型塑料光纤的手势识别系统，包括一块A/D信号采集模块3、一只手套6、五根塑料光纤4、五个固定块5、一个信号接收模块8、一个终端9，在A/D信号采集模块3上集成有光源模块1、光接收模块2、信号采集芯片10（型号为STM32F103C8T6）和NRF无线传输模块7；光源模块1为发光二极管，波长为645nm红色光，用作光源。手套6五个手指前端设有固定块5，固定块5的内侧固定有塑料光纤4，塑料光纤4的护套直径Φ为1mm，纤芯直径为0.7mm。手套6五个手指的第一关节和第二关节处均设为传感区域401，传感区域401内光输出端403的塑料光纤4正上方通过侧抛工艺设有感应面404（如图3所示），侧抛长度L为1-2cm，侧抛深度h为0.5mm，即该段的塑料光纤4截面形成“D”形。
其中光输入端402与光源模块1连接，光输出端403与光接收模块2连接；光接收模块2为光电接收二极管，用于接收塑料光纤4传过来的光强并将其转换为电压值输出，电压值的大小随着光强的变化而变化。所述终端9连接有信号接收模块8，终端9为计算机、手机、智能手表或平板电脑，用于根据接收的数据判断用户的手势类型。信号接收模块8上也集成有信号采集芯片10和NRF无线传输模块7，信号接收模块8上的NRF无线传输模块7与A/D信号采集模块3上的NRF无线传输模块7相互信号连接。
一种基于D型塑料光纤的手势识别系统的测量方法，其步骤如下：将缝制有塑料光纤4的手套6戴于人手部，塑料光纤4在手指前端固定块5内侧面弯曲形成光输入端402和光输出端403，手指关节的第一关节处和第二关节处均分别与传感区域401对应，手指发生不同程度的弯曲时，会带动传感区域401产生弯曲形变，从而引起感应面404光线逸出量的变化；在光源模块1为塑料光纤4提供光源时，光接收模块2接收到的光强发生变化，导致光接收模块2输出的电压信号发生变化；在A/D数据采集模块3中的信号采集芯片10采集到光接收模块2变化的电压信号，A/D信号采集模块3上的NRF无线传输模块7将采集的电压信号通过无线信号传输的方式发送给信号接收模块8上的NRF无线传输模块7，最后通过终端9中有相关的分析处理程序，完成对接收到的数据进行分析处理，判断用户的手势动作。
实施例：
如图1所示，本实施例的一种基于D型塑料光纤的手势识别系统包括五根塑料光纤4、五组光源模块1和五组光接收模块2、一个A/D信号采集模块3、固定块5、手套6、NRF无线传输模块7、信号接收模块8和终端9。所述塑料光纤4包括对塑料光纤进行侧抛处理后的传感区域401、光输入端402和光输出端403；塑料光纤4缝制在棉质手套6上，所述传感区域401缝制在棉质手套6对应的关节处；所述信号采集模块3为集成有光源模块1、光接收模块2、STM32F103C8T6信号采集芯片10、NRF无线传输模块7的PCB板，光源模块1与塑料光纤4的光输入端402相连接，光接收模块2与塑料光纤4的光输出端403相连接。所述A/D信号采集模块3用于将采集到的光接收模块2的电压信号，通过NRF无线传输的方式发送给终端9设备。终端9设备为计算机、手机等移动设备，用于根据接收的数据判断用户手势。
A/D信号采集模块3为集成有光源模块1、光接收模块2、STM32F103C8T6信号采集芯片10、NRF无线传输模块7的PCB板。A/D数据采集模块3用于将采集到的光接收模块2的电压信号，通过NRF无线传输的方式发送给终端9设备。
A/D信号采集模块3的电路原理图（见图5），该采集电路包括五个发光二极管驱动电路，五个光电二极管放大电路，一个STM32F103C8T6信号采集芯片E，一个NRF无线传输模块接入电路D。本实例中的五个发光二极管驱动电路均采用同一种发光二极管驱动电路C，五个光电二极管及其放大电路均采用同一种光电二极管及其放大电路B，为了简化描述，本实例仅以一路发光二极管驱动电路C、一路光电二极管及其放大电路B为例，其余四路与这一路原理一致。所述发光二极管的驱动电路C的SIN5接口接入STM32F103C8T6信号采集芯片E的PA8引脚，其余的四路发光二极管驱动电路的SIN1-SIN4接口分别接入STM32F103C8T6信号采集芯片E的PB12-PB15引脚。光电二极管及其放大电路B的电压输出口ADC5接入STM32F103C8T6信号采集芯片E的电压接收引脚PA4，其余四路光电二极管及其放大电路的输出电压ADC1-ADC4分别接入STM32F103C8T6信号采集芯片E的电压接收引脚PA0-PA3。NRF无线传输模块接入电路D的引脚3-8分别接入STM32F103C8T6信号采集芯片E的PB1、PB10、PA5、PA7、PA6、PB0引脚。
发光二极管驱动电路C上的电容C1与C2并联接入，然后与电阻R5、发光二极管LED5串联，最后将发光二极管驱动电路C中的SIN5接口与STM32F103C8T6信号采集芯片E的PA8引脚相连。
光电二极管的放大电路B上光电接收二极管LED6与电阻R3、R4串联后接入运算放大器U5的OUT5端口，电阻R1与运算放大器U5的2端口相连，滑动变阻器R2一端与运算放大器U5的OUT1端口相连，一端与电阻R1相连，最后将B模块的输出电压端ADC5接入STM32F103C8T6信号采集芯片E的电压接收引脚PA4。
NRF无线传输模块D为NRF模块的1、2引脚分别接地和电源，NRF模块的引脚3、4、5、6、7、8分别与STM32F103C8T6信号采集芯片E的PB1、PB10、PA5、PA7、PA6、PB0引脚相连
终端9设备为笔记本电脑，终端9设备亦可选用其它设备如智能平板电脑、手机、智能手表等。
手势Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ，也可为其他特征明显的手势，如手势Ⅶ-Ⅸ、手势OK、手势“Good”等。
手势Ⅰ-Ⅵ的基于SVM算法的分类识别准确率为100%（如图6所示）。
一种基于D型塑料光纤的手势识别系统的测量方法如下：将五根手指分别缝制有五根塑料光纤4的手套6戴于手部，手指弯曲时会引起每根手指两个关节发生不同程度弯曲从而带动塑料光纤传感区域401产生弯曲形变，引起光线逸出量的变化。此时，光接收模块2接收到的光强发生变化，从而导致光接收模块2输出的电压信号发生变化。A/D数据采集模块3采集光接收模块2的变化的电压信号，NRF无线传输模块7将采集的电压信号通过无线传输的方式发送给终端9设备。终端9设备中写有分析处理程序，分析处理程序先利用实验获得的数据集进行手势识别模型的训练，最终获得识别手势动作最优识别模型，并将该模型应用于后期的手势动作的实时识别。所述最优手势识别模型的训练过程为：终端9利用机器学习或者深度学习的分类算法对接收到的数据先进行预处理，预处理包括去基线、去噪声、归一化；然后将预处理后的数据集按照8：1：1的比例划分为训练集、测试集和验证集并对训练集的信号数据进行特征提取；最后用机器学习或深度学习的算法对提取的特征向量进行训练及预测，并用数据的测试集和验证集验证模型的泛化能力，最终获得最优的手势识别模型，并利用该最优模型实现对手势状态的识别。分析处理程序能识别用户正在进行的手势。用户做出了手势Ⅰ-Ⅵ（如图6所示），当输入的手势Ⅰ的数据时，终端9将其识别判定为手势Ⅰ的准确率为100%，同理，终端9对手势Ⅱ-Ⅵ识别的准确率也为100%。

Claims (2)

1.一种基于D型塑料光纤的手势识别系统，包括A/D信号采集模块、手套、NRF无线传输模块和终端，其特征在于，所述A/D信号采集模块集成有光源模块、光接收模块、信号采集芯片和NRF无线传输模块；所述手套手指前端设有固定块，固定块固定有塑料光纤，手套手指关节弯曲处设有传感区域，位于传感区域的光输出端一侧设有感应面；其中光输入端与光源模块连接，光输出端与光接收模块连接；所述终端连接有信号接收模块，信号接收模块上也集成有信号采集芯片和NRF无线传输模块，信号接收模块上的NRF无线传输模块与A/D信号采集模块上的NRF无线传输模块相互信号连接；
所述A/D信号采集模块设置于手套的手背区域处，光源模块、光接收模块与信号采集芯片集成在一电路板上；
所述信号采集芯片的型号为STM32F103C8T6；
所述手指关节为手指的第一关节和第二关节；
所述光源模块为发光二极管，波长为645nm红色光，用作光源；
所述光接收模块为光电接收二极管，用于接收塑料光纤传过来的光强并将其转换为电压值输出，电压值的大小随着光强的变化而变化；
所述塑料光纤的护套直径Φ为1mm，纤芯直径为0.7mm；
所述传感区域内输出端的塑料光纤正上方侧抛长度为1-2cm，侧抛深度为0 .5mm，即该侧抛长度为1-2cm段的塑料光纤截面为“D”形；
所述终端为计算机、手机、智能手表或平板电脑，用于根据接收的数据判断用户的手势类型。
2.一种采用权利要求1所述的基于D型塑料光纤的手势识别系统的测量方法，其特征在于，步骤如下：将缝制有塑料光纤的手套戴于人手部，塑料光纤在手指前端固定块内侧面弯曲形成输入端和输出端，手指关节的第一关节处和第二关节处分别与传感区域对应，手指发生不同程度的弯曲时，传感区域会带动传感区域的光输出端产生弯曲形变，从而使感应面引起光线逸出量的变化；在光源模块为塑料光纤提供光源时，光接收模块接收到的光强发生变化，导致光接收模块输出的电压信号发生变化；在A/D数据采集模块中的信号采集芯片采集到光接收模块变化的电压信号，A/D信号采集模块上的NRF无线传输模块将采集的电压信号通过无线信号传输的方式发送给信号接收模块上的NRF无线传输模块，最后通过终端中有相关的分析处理程序，完成对接收到的数据进行分析处理，判断用户的手势动作。
CN202210495952.XA 2022-05-09 2022-05-09 一种基于d型塑料光纤的手势识别系统及测量方法 Active CN114879841B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210495952.XA CN114879841B (zh) 2022-05-09 2022-05-09 一种基于d型塑料光纤的手势识别系统及测量方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210495952.XA CN114879841B (zh) 2022-05-09 2022-05-09 一种基于d型塑料光纤的手势识别系统及测量方法

Publications (2)

Publication Number Publication Date
CN114879841A CN114879841A (zh) 2022-08-09
CN114879841B true CN114879841B (zh) 2023-04-07

Family

ID=82673236

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210495952.XA Active CN114879841B (zh) 2022-05-09 2022-05-09 一种基于d型塑料光纤的手势识别系统及测量方法

Country Status (1)

Country Link
CN (1) CN114879841B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101298A (zh) * 2020-10-15 2020-12-18 福州大学 基于肌肉电阻抗信号的手势识别系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102096467B (zh) * 2010-12-28 2013-04-03 赵剑桥 光反射式移动手语识别系统及手指弯曲测量方法
US10061389B2 (en) * 2014-06-03 2018-08-28 Beijing TransBorder Information Technology Co., Ltd. Gesture recognition system and gesture recognition method
US20200150772A1 (en) * 2018-11-09 2020-05-14 Google Llc Sensing Hand Gestures Using Optical Sensors
CN216053116U (zh) * 2021-10-26 2022-03-15 汤新才 一种手势识别设备及数据手套

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112101298A (zh) * 2020-10-15 2020-12-18 福州大学 基于肌肉电阻抗信号的手势识别系统及方法

Also Published As

Publication number Publication date
CN114879841A (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN104780217B (zh) 检测用户工作效率的方法、系统及客户端
US9612661B2 (en) Closed loop feedback interface for wearable devices
KR100811015B1 (ko) 가상 입력 장치를 사용하여 데이터를 입력하는 방법 및 장치
KR20210042178A (ko) 웨어러블 전자 디바이스
CN103440076A (zh) 基于薄膜压力传感器与三轴加速度计的三维多点式触摸屏
CN210402266U (zh) 一种手语翻译系统和手语翻译手套
CN102736753B (zh) 光电触控笔系统
CN104122987A (zh) 光感测模块及系统
CN103186239A (zh) 姿势检测及其简明表示
CN113598754A (zh) 一种可穿戴设备、人体运动检测方法及装置
CN103309513A (zh) 包含手掌侧表面信息的手写笔迹输入设备
CN105919599A (zh) 基于磁传感器的手指运动检测识别系统及方法
CN112380976A (zh) 基于神经网络视觉触觉传感器融合的手势识别系统及方法
CN106886286B (zh) 一种基于光电感应的手势识别装置及方法
CN106027103A (zh) 一种移动终端和环带
CN112099624A (zh) 多模态菱形框架式电容感应手势识别系统
CN114879841B (zh) 一种基于d型塑料光纤的手势识别系统及测量方法
CN114259223A (zh) 一种基于d型塑料光纤的人体运动状态监测系统
Havalagi et al. The amazing digital gloves that give voice to the voiceless
Li et al. Plastic optical fiber enabled smart glove for machine learning-based gesture recognition
CN110624217A (zh) 一种基于多传感器融合的复健手套及其实现方法
CN101692197B (zh) 基于mems加速度计的智能手写系统及其识别方法
CN206400513U (zh) 一种隐藏指纹识别模块的触控面板
CN113171078B (zh) 一种基于刻栅塑料光纤的可穿戴颈部疲劳检测装置及方法
Dawood et al. Real-time pressure estimation and localisation with optical tomography-inspired soft skin sensors

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