CN114997227A - 一种基于肌肉应力的手势识别系统 - Google Patents
一种基于肌肉应力的手势识别系统 Download PDFInfo
- Publication number
- CN114997227A CN114997227A CN202210602116.7A CN202210602116A CN114997227A CN 114997227 A CN114997227 A CN 114997227A CN 202210602116 A CN202210602116 A CN 202210602116A CN 114997227 A CN114997227 A CN 114997227A
- Authority
- CN
- China
- Prior art keywords
- muscle
- gesture recognition
- stress
- information
- signals
- 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
Links
- 210000003205 muscle Anatomy 0.000 title claims abstract description 94
- 230000010365 information processing Effects 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 9
- 210000000707 wrist Anatomy 0.000 claims description 16
- 210000000245 forearm Anatomy 0.000 claims description 13
- 230000033001 locomotion Effects 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 7
- 210000001145 finger joint Anatomy 0.000 claims description 7
- 238000003786 synthesis reaction Methods 0.000 claims description 7
- 239000004205 dimethyl polysiloxane Substances 0.000 claims description 3
- 235000013870 dimethyl polysiloxane Nutrition 0.000 claims description 3
- CXQXSVUQTKDNFP-UHFFFAOYSA-N octamethyltrisiloxane Chemical compound C[Si](C)(C)O[Si](C)(C)O[Si](C)(C)C CXQXSVUQTKDNFP-UHFFFAOYSA-N 0.000 claims description 3
- 238000004987 plasma desorption mass spectroscopy Methods 0.000 claims description 3
- 229920000435 poly(dimethylsiloxane) Polymers 0.000 claims description 3
- 229920002635 polyurethane Polymers 0.000 claims description 3
- 239000004814 polyurethane Substances 0.000 claims description 3
- 230000009471 action Effects 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 12
- 238000000034 method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 230000004118 muscle contraction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 210000004247 hand Anatomy 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000000178 monomer Substances 0.000 description 2
- 230000003183 myoelectrical effect Effects 0.000 description 2
- 239000011664 nicotinic acid Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035900 sweating Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Physical Education & Sports Medicine (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开了一种基于肌肉应力的手势识别系统，属于手势识别技术领域，包括：信息采集模块，包括至少一个压力传感器，用于通过将压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出；信息处理与分析模块，用于预先对肌肉信号进行训练与分类后，通过获得的训练模型以及存储的手势信息数据对所述肌肉应力信号进行分析、处理后，识别并输出手势识别结果。通过采用压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出，然后通过预先的训练模型进行识别处理后输出手势识别结果，由于仅仅是通过压力传感器采集对应肌肉的应力，不受环境明暗的影响，从而提高手势识别的精准性和高效性。
Description
技术领域
本发明涉及手势识别技术领域，特别是涉及一种基于肌肉应力的手势识别系统。
背景技术
随着科学技术的不断进步，通过应用手势可以实现一些操控以及传递一些必要的信息。其应用范围越来越广，如在仿生医学领域，利用仿生手臂代替人手操作物体，可制成辅助人体运动的假肢，也可制成用人体手臂控制的机械手臂等完成复杂繁重的工程活动。
传统的手势识别技术多采用图像识别技术，即应用照相设备拍摄手势信息后进行图像处理与辨别，提取关键信息后辨识手部姿态。但此技术受光照强弱的影响较大，当人体处于黑暗处或光照条件不理想的环境下则识别效果会受极大的影响。虽然有人对基于图像的手势识别中复杂背景导致的准确率低问题进行了研究，在识别准确率上有一定的提升，但环境背景对结果影响仍较为明显，这也是图像技术的一大弊端。
而其他研究人员则应用人体表面肌电信号(EMG)进行手势识别，此方法由于不受光线的影响，能克服图像信号受背景环境影响较大的问题，且由于表面肌电信号中包含着大量由于肌肉伸缩活动而产生的运动信息，故可应用于手势识别的特征信号进行研究。但基于表面肌电信号实现手势识别的主要限制在于识别准确度低、稳定性差、器件成本高等，这些因素都导致了成型产品的推广比较困难。
因此，解决图像信号与肌电信号的诸多弊端是本领域技术人员的一个工作重点。
发明内容
本发明的目的是提供了一种基于肌肉应力的手势识别系统，不受环境背景的影响，提噶了识别精准度。
为解决上述技术问题，本发明实施例提供了一种基于肌肉应力的手势识别系统，包括：
信息采集模块，包括至少一个压力传感器，用于通过将所述压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出；
信息处理与分析模块，用于预先对肌肉信号进行训练与分类后，通过获得的训练模型以及存储的手势信息数据对所述肌肉应力信号进行分析、处理后，识别并输出手势识别结果。
其中，还包括与所述结果输出模块，用于接收所述手势识别结果并进行提示输出，所述结果输出模块包括显示器、扬声器中的至少一个。
其中，所述信息采集模块还包括至少一个穿戴主体，多个所述压力传感器安装在所述穿戴主体形成穿戴体，所述信息采集模块用于通过将所述穿戴体穿戴到用户的指定位置对所述指定的肌肉进行信号采集。
其中，所述穿戴主体为具有弹性的穿戴主体。
其中，所述穿戴主体为手环、手套或者腕带，所述手环用于附着于小臂一周，所述手环的压力传感器附着于预定肌肉位置，用于检测所述小臂的伸缩状态信息，所述腕带用于附着与手腕部位，检测所述手腕的肌肉运动信息，所述用于附着于手部，所述手套中的所述太压力传感器传分布于手指关节外侧，对所述手指关节外侧的肌肉进行信号采集。
其中，所述压力传感器包括具有导电层的柔性体、与所述柔性体连接的电极。
其中，所述柔性体为PDMS柔性体或聚氨酯柔性体。
其中，还包括与所述信息处理与分析模块连接的手势编码模块，用于将采集指定用户的手势信号与对应的肌肉应力信号进行一一对应编码后获得自定义编码组，并将所述自定义编码组信息处理与分析模块进行存储、应用。
其中，所述信息处理与分析模块包括单体手势识别单元和手势合成识别模块，所述单体手势识别单元用于识别单一位置收拾信息作为单体手势识别结果，所述手势合成识别单元用于将多个所述单体手势识别结果进行合成后合成手势识别结果作为所述手势识别结果输出。
其中，还包括与所述信息处理与分析模块连接的智能云端，用于将所述信息处理与分析模块的识别数据信息输出到所述智能云端，获将未能识别的所述识别数据信息输出到所述智能云端进行大数据识别后将识别结果返回到所述信息处理与分析模块。
本发明实施例所提供的基于肌肉应力的手势识别系统，与现有技术相比，具有以下优点：
所述基于肌肉应力的手势识别系统，通过采用压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出，然后通过预先的训练模型进行识别处理后输出手势识别结果，由于仅仅是通过压力传感器采集对应肌肉的应力，可根据压力信息与手势信息相对应，从而实现手势识别的目的，该过程中不受环境明暗的影响，同时由于直接采集对应肌肉的应力，因而信号强度高，能够提高手势识别的精准性和高效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的基于肌肉应力的手势识别系统的一种具体实施方式的结构示意图；
图2为本发明实施例提供的基于肌肉应力的手势识别系统的另一个实施例结构示意图；
图3为本发明实施例提供的基于肌肉应力的手势识别系统的一个实施例中压力传感器的结构示意图；
图4为本发明实施例提供的基于肌肉应力的手势识别系统的一个实施例中信息采集模块的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
请参考图1～4，图1为本发明实施例提供的基于肌肉应力的手势识别系统的一种具体实施方式的结构示意图；图2为本发明实施例提供的基于肌肉应力的手势识别系统的另一个实施例结构示意图；图3为本发明实施例提供的基于肌肉应力的手势识别系统的一个实施例中压力传感器的结构示意图；图4为本发明实施例提供的基于肌肉应力的手势识别系统的一个实施例中信息采集模块的结构示意图。
在一种具体实施方式中，所述基于肌肉应力的手势识别系统，包括：
信息采集模块10，包括至少一个压力传感器，用于通过将所述压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出；
信息处理与分析模块20，用于预先对肌肉信号进行训练与分类后，通过获得的训练模型以及存储的手势信息数据对所述肌肉应力信号进行分析、处理后，识别并输出手势识别结果。
通过采用压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出，然后通过预先的训练模型进行识别处理后输出手势识别结果，由于仅仅是通过压力传感器采集对应肌肉的应力，可根据压力信息与手势信息相对应，从而实现手势识别的目的，该过程中不受环境明暗的影响，同时由于直接采集对应肌肉的应力，因而信号强度高，能够提高手势识别的精准性和高效性。
本申请中采用压力传感器进行应力肌肉应力信号采集，最后进行识别以及输出手势识别结果，对于输出的方式不做限定，可以是直接向用户的手机APP或对应设备，或者其它的设备直接根据该结果进行应用，如远程操作设备等。
而为了进一步实现对识别结果的更直接的进行获取，在一个实施例中，所述基于肌肉应力的手势识别系统还包括与所述结果输出模块30，用于接收所述手势识别结果并进行提示输出，所述结果输出模块30包括显示器、扬声器中的至少一个。
通过结果输出模块30可以通过显示器、扬声器等进行识别结果输出，石德康一更加快速准确的获得识别结果。
需要指出的是，本申请中包括但是不局限于采用显示器、扬声器进行手势识别结果输出。
为了进一步方便检测以及使用，在一个实施例中，所述信息采集模块10还包括至少一个穿戴主体，多个所述压力传感器安装在所述穿戴主体形成穿戴体，所述信息采集模块10用于通过将所述穿戴体穿戴到用户的指定位置对所述指定的肌肉进行信号采集。
通过穿戴主体，一方面可以将多个所述压力传感器进行安装方便使用，另一方面，在使用的过程，可以直接将所述穿戴体穿戴到用户的指定位置对所述指定的肌肉进行信号采集，使得信号采集变得更加简单，而且采用穿戴的方式，无需额外的固定设备，提高了使用效率以及固定的专业性，能够避免由于固定的不专业使得手势识别的精确度下降，甚至会对压力传感器造成损坏等。
更进一步，为了提高穿戴效率以保证压力传感器的工作状态稳定性、可靠性，在一个实施例中，所述穿戴主体为具有弹性的穿戴主体。
需要指出的是，本申请对于穿戴主体的材质、厚度不做限定。
一个实施例中，将压力传感器制成手套的方式：
此种方式感受到的压力信息更为直接。
原理：以市面上常见的弹性手套为例，人在弯曲手指时则手指关节外侧向外施压，若此处有压力感受装置则可感受到压力变化。基于此特性，可在手套上编织入压力传感器，屈指时则压力增大，伸指时则压力减小，便可实现本关节的屈伸判断，将各关节处的压力传感器的压力信息进行组合，即可分析出此时人体手部的运动状态，此方法也可用于手肘、膝盖等其他关节运动状态的监测。
在另一个实施例中，将压力传感器制成压力手环的方式
原理：由于人体手部运动是由小臂肌肉控制的，当人手在做不同动作时，如握拳，手腕翻转等，小臂的组成肌肉会进行不同程度的收缩与拉伸，如握拳时小臂内测肌肉收缩，肌肉体积增大，此时若小臂上由一个有压力感应功能的装置，小臂内侧对应传感器则可感觉到压力增大。相对的，当手掌向外翻转时，则小臂外侧的肌肉则处于收缩状态，处于小臂外侧的传感器则感受到较大的压力信号。
针对于此种特征，可制作一个手环或腕带或壁带，内壁附着若干个传感器，将其佩戴与小臂之上，传感器与皮肤贴合，使传感器能感受到因为手部动作而引起的小臂肌肉压力变化。自此，便可根据压力信息与手势信息相对应，以实现手势识别的目的。
本申请对于穿戴主体的具体形状以及具体的穿戴位置，在一个实施例中，所述穿戴主体为手环、手套或者腕带，所述手环用于附着于小臂一周，所述手环的压力传感器附着于预定肌肉位置，用于检测所述小臂的伸缩状态信息，所述腕带用于附着与手腕部位，检测所述手腕的肌肉运动信息，所述用于附着于手部，所述手套中的所述太压力传感器传分布于手指关节外侧，对所述手指关节外侧的肌肉进行信号采集。
需要指出的是，本申请中的手势识别系统，同样可以应用在其它的识别中，如对于脚和腿部动作的识别，如跑步、踢打等。
而且即使对于手势识别，在手部动作发生时候，胸部的肌肉可能发生改变，因此可以将其设置为紧身背心的穿戴体等，这样可以进一步为手势识别提供帮助，不仅识别该手势，还能够识别施加的力量等。
由于现有的压力触感器的接触面较小，不能很精准的检测处肌肉变化，在一个实施例中，所述压力传感器包括具有导电层的柔性体、与所述柔性体连接的电极。
本申请对于柔性体的材质以及尺寸不做限定，所述柔性体为PDMS柔性体或聚氨酯柔性体等。
在一个实施例中，采用上述的柔性体制成的压力传感器具有以下优点：
1.轻、薄、柔。
2.灵敏度高，测试量程范围宽。响应点低至5pa；
3.响应速度快(<10ms)；
4.寿命长(>100万次)；
5.电阻值1-10kohm级别，功耗低。
由于在单一位置进行手势识别，会造成识别难度大的问题，因此在实际会中多个不同位置进行识别。
如，只有在手部设置，只能对手指进行识别，对于手腕、手臂的动作无法识别，因此，采用多个位置设置压力传感器，对不同位置的动作进行识别，从而可以快速实现对整体手势的识别准确度是识别效率。
为了解决该技术问题，在一个实施例中，所述基于肌肉应力的手势识别系统还包括与所述信息处理与分析模块20连接的手势编码模块，用于将采集指定用户的手势信号与对应的肌肉应力信号进行一一对应编码后获得自定义编码组，并将所述自定义编码组信息处理与分析模块20进行存储、应用。
通过手势编码模块，可以直接根据对应的传感器获得的信号强度对比即可获取对应的手势，提高识别效率。
更进一步，所述信息处理与分析模块20包括单体手势识别单元和手势合成识别模块，所述单体手势识别单元用于识别单一位置收拾信息作为单体手势识别结果，所述手势合成识别单元用于将多个所述单体手势识别结果进行合成后合成手势识别结果作为所述手势识别结果输出。
通过手势合成识别模块，将单体手势识别单元获得的多个单体手势进行识别，将不同位置的肌肉状态进行组合，从而更快速获得整体的手势状态，提高识别效率和速度。
更进一步，由于在实际的识别过程中，可能由于可能完美的识别，为了进一步提高识别能力和效率，在一个实施例中，所述基于肌肉应力的手势识别系统还包括与所述信息处理与分析模块20连接的智能云端，用于将所述信息处理与分析模块20的识别数据信息输出到所述智能云端，获将未能识别的所述识别数据信息输出到所述智能云端进行大数据识别后将识别结果返回到所述信息处理与分析模块20。
本申请中，手部做相应动作进行手势信号采集，实验中采用握拳、内扣、外翻三个动作，采集做三个动作之时的压力信号数据，将信号与规定动作进行一一对应编码，对信号数据进行分析与处理等，应用概率神经网络(PNN)对信号进行训练与分类判别，最终依据采集的手势信息数据分析得出对应手势，实现手势识别功能。
相比传统的手势识别方法，本套系统有以下优势:
第一，不受环境明暗的影响。
第二，传感器柔性可弯折，可较好的贴合于人体皮肤表面。
第三，该压力传感器敏感度较高，在做手势时压力信号明显。由于人手部的运动是由小臂的肌肉收缩牵引而完成，肌肉收缩则会使小臂维度产生变化，此时在小臂外侧放置压力传感器则可收集到做动作时所产生的压力信号，进而应用网络算法进行动作分析与手势识别。
通过智能云端，可以利用大数据提高识别效率，也能通过大数据获得更多的数据源，从而获得更优化的识别模型。
所述基于肌肉应力的手势识别系统具有以下优点：
1、不受环境影响。
由于本系统所应用的信息为压力信号，故在黑夜里或光照过强或过弱的条件下皆可正常工作，克服了基于图像的手势识别所存在的环境影响问题。且在人体皮肤出汗状态下以及人体健康状态较差情形下时，肌电信号较弱，难以辨别，而压力信号只要人体可正常做动作便可监测到相关信号，适应性较好，即基于压力传感器的手势识别系统稳定性较强。
2、信号明显。
由于人体小臂肌肉较大，且在做动作时形变较大，故动作时传递出的压力信号非常明显，容易区分与辨别。
3、计算量小。
由于压力信号明显，其余干扰信号很小，故特征信号容易提取，不需进行繁琐的筛选计算，相比与图片信息与肌电信息，计算量更小。
4、造价低。
由于计算量较小，不需使用高算力的芯片与计算机便可实现功能，故整套系统成本较低。
5、准确率高
经过一些实验与计算，本套系统整体识别准确率较高，就握拳、内扣、外翻三个动作的辨别而言，整体准确率能达到95％以上，且多数实验数据准确率能达到100％。
综上所述，本发明实施例提供的所述基于肌肉应力的手势识别系统，通过采用压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出，然后通过预先的训练模型进行识别处理后输出手势识别结果，由于仅仅是通过压力传感器采集对应肌肉的应力，可根据压力信息与手势信息相对应，从而实现手势识别的目的，该过程中不受环境明暗的影响，同时由于直接采集对应肌肉的应力，因而信号强度高，能够提高手势识别的精准性和高效性。
以上对本发明所提供的基于肌肉应力的手势识别系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于肌肉应力的手势识别系统，其特征在于，包括：
信息采集模块，包括至少一个压力传感器，用于通过将所述压力传感器附着在指定的肌肉出检测所述肌肉的应力进行信号采集并作为肌肉应力信号输出；
信息处理与分析模块，用于预先对肌肉信号进行训练与分类后，通过获得的训练模型以及存储的手势信息数据对所述肌肉应力信号进行分析、处理后，识别并输出手势识别结果。
2.如权利要求1所述基于肌肉应力的手势识别系统，其特征在于，还包括与所述结果输出模块，用于接收所述手势识别结果并进行提示输出，所述结果输出模块包括显示器、扬声器中的至少一个。
3.如权利要求2所述基于肌肉应力的手势识别系统，其特征在于，所述信息采集模块还包括至少一个穿戴主体，多个所述压力传感器安装在所述穿戴主体形成穿戴体，所述信息采集模块用于通过将所述穿戴体穿戴到用户的指定位置对所述指定的肌肉进行信号采集。
4.如权利要求3所述基于肌肉应力的手势识别系统，其特征在于，所述穿戴主体为具有弹性的穿戴主体。
5.如权利要求4所述基于肌肉应力的手势识别系统，其特征在于，所述穿戴主体为手环、手套或者腕带，所述手环用于附着于小臂一周，所述手环的压力传感器附着于预定肌肉位置，用于检测所述小臂的伸缩状态信息，所述腕带用于附着与手腕部位，检测所述手腕的肌肉运动信息，所述用于附着于手部，所述手套中的所述太压力传感器传分布于手指关节外侧，对所述手指关节外侧的肌肉进行信号采集。
6.如权利要求5所述基于肌肉应力的手势识别系统，其特征在于，所述压力传感器包括具有导电层的柔性体、与所述柔性体连接的电极。
7.如权利要求6所述基于肌肉应力的手势识别系统，其特征在于，所述柔性体为PDMS柔性体或聚氨酯柔性体。
8.如权利要求7所述基于肌肉应力的手势识别系统，其特征在于，还包括与所述信息处理与分析模块连接的手势编码模块，用于将采集指定用户的手势信号与对应的肌肉应力信号进行一一对应编码后获得自定义编码组，并将所述自定义编码组信息处理与分析模块进行存储、应用。
9.如权利要求8所述基于肌肉应力的手势识别系统，其特征在于，所述信息处理与分析模块包括单体手势识别单元和手势合成识别模块，所述单体手势识别单元用于识别单一位置收拾信息作为单体手势识别结果，所述手势合成识别单元用于将多个所述单体手势识别结果进行合成后合成手势识别结果作为所述手势识别结果输出。
10.如权利要求9所述基于肌肉应力的手势识别系统，其特征在于，还包括与所述信息处理与分析模块连接的智能云端，用于将所述信息处理与分析模块的识别数据信息输出到所述智能云端，获将未能识别的所述识别数据信息输出到所述智能云端进行大数据识别后将识别结果返回到所述信息处理与分析模块。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210602116.7A CN114997227A (zh) | 2022-05-30 | 2022-05-30 | 一种基于肌肉应力的手势识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210602116.7A CN114997227A (zh) | 2022-05-30 | 2022-05-30 | 一种基于肌肉应力的手势识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114997227A true CN114997227A (zh) | 2022-09-02 |
Family
ID=83031428
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210602116.7A Pending CN114997227A (zh) | 2022-05-30 | 2022-05-30 | 一种基于肌肉应力的手势识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114997227A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520990A (zh) * | 2023-04-28 | 2023-08-01 | 暨南大学 | 一种基于轻量级神经网络的手语识别方法、系统及手套 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104317403A (zh) * | 2014-10-27 | 2015-01-28 | 黄哲军 | 一种用于手语识别的可穿戴设备 |
| CN105022471A (zh) * | 2014-04-23 | 2015-11-04 | 王建勤 | 基于压力传感器阵列进行手势识别的装置与方法 |
| CN106445168A (zh) * | 2016-11-01 | 2017-02-22 | 中南大学 | 一种智能手套及其使用方法 |
| CN106648050A (zh) * | 2016-09-20 | 2017-05-10 | 浙江理工大学 | 基于柔性电子皮肤的多媒体电脑手势控制系统及控制方法 |
| CN110865709A (zh) * | 2019-11-15 | 2020-03-06 | 苏州大学 | 基于柔性传感器的手势识别系统、方法及手套 |
| CN110908515A (zh) * | 2019-11-27 | 2020-03-24 | 北京航空航天大学 | 基于腕部肌肉压力的手势识别方法和装置 |
| CN111443816A (zh) * | 2020-05-25 | 2020-07-24 | 中国科学院大学温州研究院(温州生物材料与工程研究所) | 基于柔性抗菌生物膜多通道数据采集模块的手势识别系统 |
| CN113589923A (zh) * | 2021-06-28 | 2021-11-02 | 深圳先进技术研究院 | 一种面向手势控制的人机交互系统和方法 |
-
2022
- 2022-05-30 CN CN202210602116.7A patent/CN114997227A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105022471A (zh) * | 2014-04-23 | 2015-11-04 | 王建勤 | 基于压力传感器阵列进行手势识别的装置与方法 |
| CN104317403A (zh) * | 2014-10-27 | 2015-01-28 | 黄哲军 | 一种用于手语识别的可穿戴设备 |
| CN106648050A (zh) * | 2016-09-20 | 2017-05-10 | 浙江理工大学 | 基于柔性电子皮肤的多媒体电脑手势控制系统及控制方法 |
| CN106445168A (zh) * | 2016-11-01 | 2017-02-22 | 中南大学 | 一种智能手套及其使用方法 |
| CN110865709A (zh) * | 2019-11-15 | 2020-03-06 | 苏州大学 | 基于柔性传感器的手势识别系统、方法及手套 |
| CN110908515A (zh) * | 2019-11-27 | 2020-03-24 | 北京航空航天大学 | 基于腕部肌肉压力的手势识别方法和装置 |
| CN111443816A (zh) * | 2020-05-25 | 2020-07-24 | 中国科学院大学温州研究院(温州生物材料与工程研究所) | 基于柔性抗菌生物膜多通道数据采集模块的手势识别系统 |
| CN113589923A (zh) * | 2021-06-28 | 2021-11-02 | 深圳先进技术研究院 | 一种面向手势控制的人机交互系统和方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116520990A (zh) * | 2023-04-28 | 2023-08-01 | 暨南大学 | 一种基于轻量级神经网络的手语识别方法、系统及手套 |
| CN116520990B (zh) * | 2023-04-28 | 2023-11-24 | 暨南大学 | 一种基于轻量级神经网络的手语识别方法、系统及手套 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Xiong et al. | Deep learning for EMG-based human-machine interaction: A review | |
| CN107378944B (zh) | 一种基于主成分分析法的多维表面肌电信号假手控制方法 | |
| US9891718B2 (en) | Devices for measuring finger motion and recognizing hand gestures | |
| US20190033974A1 (en) | Armband for tracking hand motion using electrical impedance measurement | |
| Khodabandelou et al. | Attention-based gated recurrent unit for gesture recognition | |
| Divya et al. | Smart data processing for energy harvesting systems using artificial intelligence | |
| Dwivedi et al. | A soft exoglove equipped with a wearable muscle-machine interface based on forcemyography and electromyography | |
| CN105022471A (zh) | 基于压力传感器阵列进行手势识别的装置与方法 | |
| CN103777752A (zh) | 基于手臂肌肉电流检测和运动传感器的手势识别设备 | |
| TW201225920A (en) | Mechanomyographic signal input device, human-machine operating system and identification method thereof | |
| US11772259B1 (en) | Enhanced activated exoskeleton system | |
| CN211362244U (zh) | 一种基于外骨骼数据手套和肌电手环的遥操作系统 | |
| CN210776590U (zh) | 一种可拉伸柔性贴附式手部精细动作捕捉装置 | |
| CN103677265A (zh) | 一种智能感应手套及智能感应方法 | |
| Martínez-Villaseñor et al. | Deep learning for multimodal fall detection | |
| Nguyen et al. | IMU-based spectrogram approach with deep convolutional neural networks for gait classification | |
| CN106361346A (zh) | 一种基于传感技术的手部康复指数的计算方法 | |
| Chapman et al. | A wearable, open-source, lightweight forcemyography armband: On intuitive, robust muscle-machine interfaces | |
| CN114997227A (zh) | 一种基于肌肉应力的手势识别系统 | |
| Pallotti et al. | Measurements comparison of finger joint angles in hand postures between an sEMG armband and a sensory glove | |
| Wang et al. | Hand gesture recognition with flexible capacitive wristband using triplet network in inter-day applications | |
| Saggio et al. | Sensory systems for human body gesture recognition and motion capture | |
| CN106020442A (zh) | 一种智能感应手套的感应方法 | |
| CN110624217A (zh) | 一种基于多传感器融合的复健手套及其实现方法 | |
| KR102540057B1 (ko) | 영상 및 심전도를 이용한 감정 인식 시스템 |
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 |