CN115204242B - 一种调整动作模板比对阈值的方法、装置及存储介质 - Google Patents
一种调整动作模板比对阈值的方法、装置及存储介质 Download PDFInfo
- Publication number
- CN115204242B CN115204242B CN202211104136.8A CN202211104136A CN115204242B CN 115204242 B CN115204242 B CN 115204242B CN 202211104136 A CN202211104136 A CN 202211104136A CN 115204242 B CN115204242 B CN 115204242B
- Authority
- CN
- China
- Prior art keywords
- comparison threshold
- action template
- signal data
- electromyographic signal
- action
- 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
Landscapes
- Prostheses (AREA)
Abstract
本发明公开了一种调整动作模板比对阈值的方法、装置及存储介质,所述方法包括:获取第一肌电信号数据,根据第一肌电信号数据得到第一动作模板,根据第一动作模板得到第一比对阈值;根据第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;在预设时间内调整第一动作模板的第一比对阈值为第二比对阈值。本发明利用时间惯性延迟调整肌电信号的比对阈值,避免了因肌电信号误触发导致的动作模板的频繁变化,提升了动作控制的稳定性。
Description
技术领域
本发明涉及智能假肢技术领域,尤其涉及一种调整动作模板比对阈值的方法、装置及存储介质。
背景技术
智能假肢是利用现代生物电子学技术把人体神经系统与智能装置连接起来以嵌入和听从大脑指令的方式替代躯体部分缺失或损毁的智能产品。智能假肢可以通过提取佩戴者的神经肌肉信号,识别佩戴者的运动意图,并将运动示意图转化成智能假肢的动作,从而做到灵巧智能,身随心动。
但是目前的智能假肢在对动作进行识别的时候,对用户的专注力要求过高,用户一旦分神就可能触发动作模板的变化,导致智能假肢对动作识别的容错率较低。
因此,现有技术还有待于改进和发展。
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,提供了一种调整动作模板比对阈值的方法、装置及存储介质,旨在解决现有技术中智能假肢对动作识别的容错率较低的问题。
本发明解决技术问题所采用的技术方案如下:
第一方面,本发明提供一种调整动作模板比对阈值的方法,其中,所述方法包括:
获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值;
根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;
在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值。
在一种实现方式中,所述获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值,包括:
获取所述第一肌电信号数据;
将所述第一肌电信号数据与预设的动作模板数据库中的动作模板进行匹配,得到所述第一动作模板;
获取所述第一动作模板的比对阈值为所述第一比对阈值。
在一种实现方式中,所述根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值,包括:
获取所述第一肌电信号数据的持续时间;
若所述持续时间大于或等于预设的持续时间阈值,将所述持续时间代入第一对应关系,得到所述第一动作模板的预设时间,并将所述持续时间代入第二对应关系,得到所述第一动作模板的第二比对阈值;其中,所述第一对应关系为所述第一肌电信号数据的持续时间与所述预设时间之间的单调增函数关系,所述第二对应关系为所述第一肌电信号数据的持续时间与所述第二比对阈值之间的单调减函数关系;其中,所述第二比对阈值小于所述第一比对阈值。
在一种实现方式中,所述在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值,包括:
以获取第二比对阈值的时刻为起始时间,以所述起始时间延长所述预设时间为终止时间,将所述第一动作模板的所述第一比对阈值调整为所述第二比对阈值。
在一种实现方式中,所述方法还包括:
在所述预设时间内,根据所述第二比对阈值得到第二动作模板。
在一种实现方式中,所述在所述预设时间内,根据所述第二比对阈值得到第二动作模板,包括:
在所述预设时间内,获取第二肌电信号数据;
将所述第二肌电信号数据与所述第一动作模板进行匹配,得到所述第二肌电信号数据与所述第一动作模板的第一相似度;
将所述第一相似度与所述第二比对阈值比较,得到第二动作模板。
在一种实现方式中,所述将所述第一相似度与所述第二比对阈值比较,得到第二动作模板,包括:
若所述第一相似度大于或等于所述第二比对阈值,则将所述第一动作模板确定为所述第二动作模板;
若所述第一相似度小于所述第二比对阈值,则将所述第二肌电信号数据与所述预设的动作模板库中的动作模板进行匹配,得到所述第二肌电信号数据与所述动作模板的第二相似度,并将所述第二相似度与所述第一比对阈值比较,若所述第二相似度大于或等于所述第一比对阈值,则设置相应的动作模板为所述第二动作模板。
第二方面,本发明实施例还提供一种调整动作模板比对阈值的装置,其中,所述装置包括:
第一比对阈值获取模块,用于获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值;
第二比对阈值获取模块,用于根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;
调整模块,用于在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值。
第三方面,本发明实施例还提供一种智能假肢,其中,所述智能假肢包括存储器、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调整动作模板比对阈值的方法的程序,所述处理器执行所述调整动作模板比对阈值的方法的程序时,实现如上述任一项所述的调整动作模板比对阈值的方法的步骤。
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调整动作模板比对阈值的方法的程序,所述调整动作模板比对阈值的方法的程序被处理器执行时,实现如上述任一项所述的调整动作模板比对阈值的方法的步骤
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,下面描述中的附图仅仅是本发明中记载的一些实施例,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是本发明实施例提供的调整动作模板比对阈值的方法的流程示意图。
图2是本发明实施例提供的调整动作模板比对阈值的装置网络构架图。
图3是本发明实施例提供的智能假肢的原理框图。
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。
目前市场上的智能假肢设备或多或少存在误触发问题,当用户控制肌肉产生特定的肌电信号时,由于分神或其他因素很难在长时间内保持特定肌电信号的专注力,一旦分神可能会检测到其他的肌电控制信号,发生误触发。这时原有肌电信号断开,智能假肢设备终止当前动作转而去做其他手势动作,导致动作控制的稳定性不佳,对动作识别的容错率较低。
因此,为了解决上述问题,本实施例提供一种调整动作模板比对阈值的方法,通过本实施例的方法避免了因肌电信号误触发导致的动作模板的频繁变化,提升了动作控制的稳定性。具体实施时,本实施例首先获取第一肌电信号数据,并将第一肌电信号数据与动作模板进行比对,根据比对结果就得到了与第一肌电信号匹配的第一动作模板,将第一动作模板的比对阈值作为第一比对阈值。接着,再获取第一肌电信号数据的持续时间,根据持续时间得到预设时间和第二比对阈值,就可以实现根据肌电信号的持续时间调整比对阈值的效果。
示例性方法
本实施例提供一种调整动作模板比对阈值的方法,本实施例可应用于智能假肢。如图1所示,所述方法包括如下步骤:
步骤S100、获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值;
具体地,肌电信号数据是众多肌纤维中运动单元的动作电位信息在时间和空间上的叠加,能在一定程度上反映神经肌肉的活动。为了识别出智能假肢穿戴者想操控智能假肢做出的是何种动作,本实施例预先设置了一个动作模板数据库。该动作模板数据库中存储有多个动作模板,每个动作模板中设置有多个动作,并设置比对阈值用来判断肌电信号数据与动作模板中的动作是否相似。这样,在根据所述第一肌电信号数据得到第一动作模板时,将第一动作模板的比对阈值设为第一比对阈值。
举例说明,获取第一肌电信号数据A1,根据第一肌电信号数据A1得到第一动作模板为B1,若第一动作模板为B1的当前比对阈值为88%,则第一动作模板的第一比对阈值为88%。
在一种实现方式中,本实施例所述步骤S100包括如下步骤:
步骤S101、获取所述第一肌电信号数据;
步骤S102、将所述第一肌电信号数据与预设的动作模板数据库中的动作模板进行匹配,得到所述第一动作模板;
步骤S103、获取所述第一动作模板的比对阈值为所述第一比对阈值
具体地,本实施例通过将获取的第一肌电信号数据与动作模板库中的动作模板进行匹配,得到第一肌电信号数据与动作模板中的肌电信号数据的相似度,再将相似度超过第一比对阈值的动作模板作为第一动作模板,基于第一动作模板判断智能假肢用户现在要做的是什么动作,以对智能假肢进行操控。其中,第一比对阈值即判断第一肌电信号数据与动作模板数据库中的动作模板相似度的阈值。若相似度大于等于第一比对阈值,则认为第一肌电信号数据与动作模板中的动作是相似的, 即根据第一肌电信号数据得到智能假肢需要执行相应动作模板中的动作,若相似度小于第一比对阈值,则认为肌电信号数据与动作模板中的任何动作都未能匹配成功。
举例说明,获取第一肌电信号数据A1,将A1代入动作模板数据库中,与每个动作模板进行匹配,得到A1与动作模板B1中的动作C1的相似度为90%,A1与动作模板B2中的动作C2的相似度为80%,而动作模板B1的比对阈值是88%,而动作模板B2的比对阈值是85%,可知第一肌电信号数据A1与动作模板B1匹配成功,而与动作模板B2匹配失败。将动作模板B1作为第一动作模板,而动作模板B1的比对阈值88%作为第一比对阈值,动作模板B1中的动作C1就是智能假肢需要根据第一肌电信号数据A1执行的动作。
需要注意的是,在获取第一肌电信号数据与动作模板的相似度时也可以将第一肌电信号数据与每一动作模板中的每一个动作进行比对,得到每个动作对应的相似度,并对每个动作对应的相似度取算术平均值,作为相应动作模板的相似度。
步骤S200、根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;
具体地,本实施例中的方法认为第一肌电信号数据的持续时间与智能假肢穿戴者的动作意图存在一定关联,即如果智能假肢用户保持一个肌电信号数据更长的时间,可以被认为持续当前动作的可能性更高。所以,本实施例,根据第一肌电信号数据的持续时间,得到预设时间和第二比对阈值。其中,预设时间是预设的用来调整第一比对阈值的时间区间,第二比对阈值是根据持续时间获取到的,用来判断动作模板相似度的比对阈值。
在一种实现方式中,本实施例所述步骤S200包括如下步骤:
步骤S201、获取所述第一肌电信号数据的持续时间;
步骤S202、若所述持续时间大于或等于预设的持续时间阈值,将所述持续时间代入第一对应关系,得到所述第一动作模板的预设时间,并将所述持续时间代入第二对应关系,得到所述第一动作模板的第二比对阈值;
具体地,在本实施例中,第一肌电信号数据的持续时间越长,预设第一对应关系和第二对应关系。其中第一对应关系为所述第一肌电信号数据的持续时间与所述预设时间之间的单调增函数关系,即,第一肌电信号数据的持续时间越长,对应的预设时间则越长。因预设时间代表调整第一比对阈值的时间区间,也就意味着,第一肌电信号数据的持续时间越长,调整第一比对阈值的时间区间就越大。相反地,第一肌电信号数据的持续时间越短,对应的预设时间则越短。即调整第一比对阈值的时间区间就越小。第二对应关系为第一肌电信号数据的持续时间与所述第二比对阈值之间的单调减函数关系。即,第一肌电信号数据的持续时间越长,对应的第二比对阈值则越小。且第二比例阈值小于第一比例阈值。
具体地,在将所述持续时间代入第二对应关系,得到第一动作模板的第二比对阈值时,所述第二对应关系为单调减的百分比函数,所述百分比为第一比对阈值调整为第二比对阈值的缩小比例。将第一比例阈值与缩小比例做乘积,即得到第二比对阈值。
举例说明,电信号数据A1的持续时间为30秒,当前匹配的动作模板为B1,第一比对阈值是88%,30秒的持续时间在第一对应关系中对应的预设时间为20秒,在第二对应关系中对应的第一比对阈值调整为第二比对阈值的缩小比例为95%,通过将第一比例阈值与缩小比例做乘积,即得到第二比对阈值为88%*95%=83.6%。这样,就得到了肌电信号数据A1的持续时间为30秒时,预设时间为20秒且第二比对阈值为83.6%。
举例说明,如果肌电信号数据A1的持续时间为50秒,当前匹配的动作模板为B1,第一比对阈值是88%,得到50秒的持续时间在第一对应关系中对应的预设时间为30秒,在第二对应关系中对应的第一比对阈值调整为第二比对阈值的缩小比例为90%,通过将第一比例阈值与缩小比例做乘积,即得到第二比对阈值为88%*90%=79.2%。这样,就得到了肌电信号数据A1的持续时间为50秒时,预设时间为30秒且第二比对阈值为79.2%。
步骤S300、在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值。
具体地,在得到第二比对阈值后,就可以通过将第一动作模板的所述第一比对阈值调整为第二比对阈值,实现对智能假肢的肌电信号数据与动作模板进行匹配时的容错度调节。
需要注意的是,对第一动作模板的第一比对阈值的调整并不是永久的,而是以预设时间为限的。即在预设时间计时结束后,则需要将第一动作模板的第二比对阈值调整回第一比对阈值。其中,预设时间和第二比对阈值随着第一肌电信号的持续时间滚动获取。
举例说明,假设第一肌电信号数据A1对应的第一动作模板是B1,第一比对阈值是88%,预设时间为20秒且第二比对阈值为83.6%。那么,只在20秒内,调整第一动作模板B1的第一比对阈值设置为83.6%。当20秒计时结束时,将第一动作模板是B1第一比对阈值重新设置回88%。若预设时间计时到第15秒时,重新获取到第一动作模板B1的预设时间为25秒且第二比对阈值为83.1%,则在当前时间,重新开始25秒持续时间的计时,将第一动作模板B1的第一比对阈值调整为新的第二比对阈值83.1%,以实现预设时间和第二比对阈值的滚动获取。
在一种实现方式中,本实施例所述步骤S300包括如下步骤:
步骤S301、以获取第二比对阈值的时刻为起始时间,以所述起始时间延长所述预设时间为终止时间,将所述第一动作模板的所述第一比对阈值调整为所述第二比对阈值。
具体地,如上例所述,若获取到肌电信号数据A1的持续时间为30秒时,预设时间为20秒且第二比对阈值为83.6%,就可以从获取到第二比对阈值的时刻开始,计时20秒钟的时间将第一动作模板B1的第一比对阈值88%调整为第二比对阈值为83.6%。这样,就实现了在智能假肢穿戴者持续一个肌电信号数据时间较长的情况下,在预设时间内,降低当前动作模板的比对阈值的技术效果。通过对比对阈值的降低,保证了智能假肢穿戴者在发生分神时,即便发出了不同的肌电信号数据,也可以通过更低的比对阈值相对容易匹配到当前动作模板,而不会发生动作模板的切换,导致智能假肢误做出错误的动作,即保证智能假肢尽量保持当前动作,不被分身干扰。
在一种实现方式中,本实施例所述方法还包括:
步骤M100、在所述预设时间内,根据所述第二比对阈值得到第二动作模板。
具体地,在预设时间内,智能假肢设备可能还会接收到来自穿戴者的其他肌电信号数据,此时第一动作模板的第一比对阈值已经被调整为第二比对阈值,那么在继续获取肌电信号数据的过程中,第一动作模板将根据第二比对阈值与肌电信号数据进行匹配。而动作模板库中未被调整过比对阈值的动作模板,将仍用第一比对阈值进行比对。这样,就可以通过对当前模板的比对阈值适当降低,以保证当前模板更容易被智能假肢佩戴者发出的其他肌电信号数据匹配。
在一种实现方式中,本实施例所述步骤M100包括如下步骤:
步骤M101、在所述预设时间内,获取第二肌电信号数据;
步骤M102、将所述第二肌电信号数据与所述第一动作模板进行匹配,得到所述第二肌电信号数据与所述第一动作模板的第一相似度;
步骤M103、将所述第一相似度与所述第二比对阈值比较,得到第二动作模板。
具体地,当智能假肢获取到第二肌电信号数据时,会优先将第二肌电信号数据与所述第一动作模板进行匹配,样做的目的是,降低用户分神产生的干扰肌电信号数据打断当前动作。而判断第二肌电信号数据与第一动作模板是否匹配的依据是第一匹配度是否达到第二比对阈值。
举例说明,如上例所述,第一肌电信号数据A1,与第一动作模板B1匹配成功,而与动作模板B2匹配失败。同时第一肌电信号数据持续了30秒,得到预设时间为20秒且第二比对阈值为83.6%。在预设时间内,若获取到了第二肌电信号数据A2,先将第二肌电信号数据A2继续与第一动作模板B1进行匹配,得到第二肌电信号数据A2与所述第一动作模板B1的第一相似度为84%,此时第一动作模板B1的第一比对阈值88%已被调整为第二比对阈值83.6%,则将第一相似度为84%和第二比对阈值83.6%进行比较,以得到第二动作模板。
在一种实现方式中,本实施例所述步骤M103包括如下步骤:
步骤M1031、若所述第一相似度大于或等于所述第二比对阈值,则将所述第一动作模板确定为所述第二动作模板;
具体地,若所述第一相似度大于或等于所述第二比对阈值,则当前动作模板不被替换,智能假肢继续维持当前动作保持不变。
举例说明,如上例所述,第一相似度为84%大于第二比对阈值83.6%,所以设置当前第一动作模板B1为第二动作模板,即第二动作模板就为当前模板,不需要被替换,智能假肢也不需要做出其他动作替换当前动作。
步骤M1032、若所述第一相似度小于所述第二比对阈值,则将所述第二肌电信号数据与所述预设的动作模板库中的动作模板进行匹配,得到所述第二肌电信号数据与所述动作模板的第二相似度,并将所述第二相似度与所述第一比对阈值比较,若所述第二相似度大于或等于所述第一比对阈值,则设置相应的动作模板为所述第二动作模板。
具体地,若第一相似度小于第二比对阈值,则意味着,第二肌电信号数据所匹配的动作不在当前的第一动作模板中,第二肌电信号数据与第一动作模板匹配失败。这时,才将第二肌电信号数据与动作模板库中除第一动作模板外的所有动作模板进行匹配,因其他动作模板没有改变过第一比对阈值,所以,将得到的将第二相似度与第一比对阈值比较,当第二相似度大于或等于所述第一比对阈值时对应的动作模板作为第二动作模板。这时,智能假肢的动作发生改变,且预设时间的计时被终止,预设时间为0,第一动作模板的比对阈值由第二比对阈值调整回第一比对阈值。
举例说明,若第二肌电信号数据A2的第一相似度为81%小于第一动作模板B1的第二比对阈值83.6%,则预设时间的计时被终止,预设时间为0,第一动作模板B1的比对阈值由第二比对阈值83.6%调整回第一比对阈值88%。将第二肌电信号数据A2与动作模板数据库中的所有其他动作模板进行匹配,得到第二肌电信号数据A2与动作模板B2的第二匹配度为89%,大于第一比对阈值的88%,则将动作模板B2确定为第二动作模板。智能假肢根据第二动作模板做出相应的动作。若第二肌电信号数据A2与动作模板B3的第二匹配度为80%,小于第一比对阈值的88%,则动作模板B3不被确定为第二动作模板。
示例性装置
如图2所示,本实施例还提供一种调整动作模板比对阈值的装置,该述装置包括:第一比对阈值获取模块10,用于获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值;第二比对阈值获取模块20,用于根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;调整模块30,用于在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值。
在一种实现方式中,所述第一比对阈值获取模块10包括:
第一肌电信号数据获取单元,用于获取所述第一肌电信号数据;
第一动作模板获取单元,用于将所述第一肌电信号数据与预设的动作模板数据库中的动作模板进行匹配,得到所述第一动作模板;
第一比对阈值获取单元,用于获取所述第一动作模板的比对阈值为所述第一比对阈值。
在一种实现方式中,所述第二比对阈值获取模块20包括:
持续时间获取单元,用于获取所述第一肌电信号数据的持续时间;
第二比对阈值获取单元,用于若所述持续时间大于或等于预设的持续时间阈值,将所述持续时间代入第一对应关系,得到所述第一动作模板的预设时间,并将所述持续时间代入第二对应关系,得到所述第一动作模板的第二比对阈值;其中,所述第一对应关系为所述第一肌电信号数据的持续时间与所述预设时间之间的单调增函数关系,所述第二对应关系为所述第一肌电信号数据的持续时间与所述第二比对阈值之间的单调减函数关系;其中,所述第二比对阈值小于所述第一比对阈值。
在一种实现方式中,所述调整模块30包括:
调整单元,用于以获取第二比对阈值的时刻为起始时间,以所述起始时间延长所述预设时间为终止时间,将所述第一动作模板的所述第一比对阈值调整为所述第二比对阈值。
在一种实现方式中,该述装置还包括::
第二动作模板获取模块40,用于在所述预设时间内,根据所述第二比对阈值得到第二动作模板。
在一种实现方式中,所述第二动作模板获取模块40包括:
第二肌电信号数据获取单元,用于在所述预设时间内,获取第二肌电信号数据;
第一相似度获取单元,用于将所述第二肌电信号数据与所述第一动作模板进行匹配,得到所述第二肌电信号数据与所述第一动作模板的第一相似度;
第二动作模板获取单元,用于将所述第一相似度与所述第二比对阈值比较,得到第二动作模板。
在一种实现方式中,所述第二动作模板获取单元包括:
第二动作模板第一获取子单元,用于若所述第一相似度大于或等于所述第二比对阈值,则将所述第一动作模板确定为所述第二动作模板;
第二动作模板第二获取子单元,用于若所述第一相似度小于所述第二比对阈值,则将所述第二肌电信号数据与所述预设的动作模板库中的动作模板进行匹配,得到所述第二肌电信号数据与所述动作模板的第二相似度,并将所述第二相似度与所述第一比对阈值比较,若所述第二相似度大于或等于所述第一比对阈值,则设置相应的动作模板为所述第二动作模板。
基于上述实施例,本发明还提供了一种智能假肢,其原理框图可以如图3所示。该智能假肢包括通过系统总线连接的处理器、存储器、网络接口、传感器。其中,该智能假肢的处理器用于提供计算和控制能力。该智能假肢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。该智能假肢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调整动作模板比对阈值的方法。该智能假肢的传感器是预先在智能假肢内部设置,用于检测内部设备的肌电控制信号。
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假肢的限定,具体的智能假肢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,提供了一种智能假肢,智能假肢包括存储器、处理器及存储在存储器中并可在处理器上运行的调整动作模板比对阈值的程序,处理器执行调整动作模板比对阈值的程序时,实现如下操作指令:
获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值;
根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;
在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值。
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。
综上,本发明公开了一种调整动作模板比对阈值的方法、装置及存储介质,所述方法包括:获取第一肌电信号数据,根据第一肌电信号数据得到第一动作模板,根据第一动作模板得到第一比对阈值;根据第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;在预设时间内调整第一动作模板的第一比对阈值为第二比对阈值。本发明利用时间惯性延迟调整肌电信号的比对阈值,避免了因肌电信号误触发导致的动作模板的频繁变化,提升了动作控制的稳定性。
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 (7)
1.一种调整动作模板比对阈值的方法,其特征在于,所述方法包括:
获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值;
根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;
在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值;
在所述预设时间内,根据所述第二比对阈值得到第二动作模板;
所述根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值,包括:
获取所述第一肌电信号数据的持续时间;
若所述持续时间大于或等于预设的持续时间阈值,将所述持续时间代入第一对应关系,得到所述第一动作模板的预设时间,并将所述持续时间代入第二对应关系,得到所述第一动作模板的第二比对阈值;其中,所述第一对应关系为所述第一肌电信号数据的持续时间与所述预设时间之间的单调增函数关系,所述第二对应关系为所述第一肌电信号数据的持续时间与所述第二比对阈值之间的单调减函数关系;其中,所述第二比对阈值小于所述第一比对阈值;
所述在所述预设时间内,根据所述第二比对阈值得到第二动作模板,包括:
在所述预设时间内,获取第二肌电信号数据;
将所述第二肌电信号数据与所述第一动作模板进行匹配,得到所述第二肌电信号数据与所述第一动作模板的第一相似度;
将所述第一相似度与所述第二比对阈值比较,得到第二动作模板。
2.根据权利要求1所述的调整动作模板比对阈值的方法,其特征在于,所述获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值,包括:
获取所述第一肌电信号数据;
将所述第一肌电信号数据与预设的动作模板数据库中的动作模板进行匹配,得到所述第一动作模板;
获取所述第一动作模板的比对阈值为所述第一比对阈值。
3.根据权利要求1所述的调整动作模板比对阈值的方法,其特征在于,所述在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值,包括:
以获取所述第二比对阈值的时刻为起始时间,以所述起始时间延长所述预设时间为终止时间,将所述第一动作模板的所述第一比对阈值调整为所述第二比对阈值。
4.根据权利要求1所述的调整动作模板比对阈值的方法,其特征在于,所述将所述第一相似度与所述第二比对阈值比较,得到第二动作模板,包括:
若所述第一相似度大于或等于所述第二比对阈值,则将所述第一动作模板确定为所述第二动作模板;
若所述第一相似度小于所述第二比对阈值,则将所述第二肌电信号数据与所述预设的动作模板库中的动作模板进行匹配,得到所述第二肌电信号数据与所述动作模板的第二相似度,并将所述第二相似度与所述第一比对阈值比较,若所述第二相似度大于或等于所述第一比对阈值,则设置相应的动作模板为所述第二动作模板。
5.一种调整动作模板比对阈值的装置,其特征在于,所述装置包括:
第一比对阈值获取模块,用于获取第一肌电信号数据,根据所述第一肌电信号数据得到第一动作模板,根据所述第一动作模板得到第一比对阈值;
第二比对阈值获取模块,用于根据所述第一肌电信号数据的持续时间,得到预设时间和第二比对阈值;
调整模块,用于在所述预设时间内调整所述第一动作模板的所述第一比对阈值为所述第二比对阈值;
第二动作模板获取模块,用于在所述预设时间内,根据所述第二比对阈值得到第二动作模板;
所述第二比对阈值获取模块包括:
持续时间获取单元,用于获取所述第一肌电信号数据的持续时间;
第二比对阈值获取单元,用于若所述持续时间大于或等于预设的持续时间阈值,将所述持续时间代入第一对应关系,得到所述第一动作模板的预设时间,并将所述持续时间代入第二对应关系,得到所述第一动作模板的第二比对阈值;其中,所述第一对应关系为所述第一肌电信号数据的持续时间与所述预设时间之间的单调增函数关系,所述第二对应关系为所述第一肌电信号数据的持续时间与所述第二比对阈值之间的单调减函数关系;其中,所述第二比对阈值小于所述第一比对阈值;
所述第二动作模板获取模块包括:
第二肌电信号数据获取单元,用于在所述预设时间内,获取第二肌电信号数据;
第一相似度获取单元,用于将所述第二肌电信号数据与所述第一动作模板进行匹配,得到所述第二肌电信号数据与所述第一动作模板的第一相似度;
第二动作模板获取单元,用于将所述第一相似度与所述第二比对阈值比较,得到第二动作模板。
6.一种智能假肢,其特征在于,所述智能假肢包括存储器、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调整动作模板比对阈值的方法的程序,所述处理器执行所述调整动作模板比对阈值的方法的程序时,实现如权利要求1-4任一项所述的调整动作模板比对阈值的方法的步骤。
7.一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调整动作模板比对阈值的方法的程序,所述调整动作模板比对阈值的方法的程序被处理器执行时,实现如权利要求1-4任一项所述的调整动作模板比对阈值的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104136.8A CN115204242B (zh) | 2022-09-09 | 2022-09-09 | 一种调整动作模板比对阈值的方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211104136.8A CN115204242B (zh) | 2022-09-09 | 2022-09-09 | 一种调整动作模板比对阈值的方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115204242A CN115204242A (zh) | 2022-10-18 |
CN115204242B true CN115204242B (zh) | 2022-12-09 |
Family
ID=83572836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211104136.8A Active CN115204242B (zh) | 2022-09-09 | 2022-09-09 | 一种调整动作模板比对阈值的方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115204242B (zh) |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107376247B (zh) * | 2017-08-16 | 2019-07-12 | 高驰运动科技(深圳)有限公司 | 一种基于智能手表的游泳运动分析方法和该智能手表 |
CN107808166B (zh) * | 2017-10-26 | 2020-08-11 | 杭州电子科技大学 | 一种memd张量线性拉普拉斯判别的肌电特征提取方法 |
CN107870583A (zh) * | 2017-11-10 | 2018-04-03 | 国家康复辅具研究中心 | 假肢控制方法、装置及存储介质 |
CN111297526B (zh) * | 2020-03-02 | 2022-07-08 | 苏州通和景润康复科技有限公司 | 一种多关节上肢肌电假肢控制装置 |
CN111714122A (zh) * | 2020-06-22 | 2020-09-29 | 北京海益同展信息科技有限公司 | 肌电模式识别方法、装置、设备和计算机可读存储介质 |
CN114384999B (zh) * | 2021-11-19 | 2023-07-21 | 福州大学 | 基于自适应学习的用户无关肌电手势识别系统 |
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 |
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 |
CN114707562B (zh) * | 2022-06-01 | 2022-09-02 | 深圳市心流科技有限公司 | 一种肌电信号采样频率控制方法、装置及存储介质 |
-
2022
- 2022-09-09 CN CN202211104136.8A patent/CN115204242B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115204242A (zh) | 2022-10-18 |
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 | |
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 | |
CN113946225B (zh) | 一种手势锁定方法、智能仿生手、终端以及存储介质 | |
CN113986017B (zh) | 一种肌电手势模板的生成方法、装置及存储介质 | |
CN114452054A (zh) | 智能假肢的控制方法、装置、智能假肢及存储介质 | |
CN114707562B (zh) | 一种肌电信号采样频率控制方法、装置及存储介质 | |
Zhu et al. | Cascaded adaptation framework for fast calibration of myoelectric control | |
CN114167995A (zh) | 一种仿生手的手势锁定方法、装置、终端及存储介质 | |
CN115185196B (zh) | 基于睡眠状态的智能设备控制方法、终端设备及存储介质 | |
CN115204242B (zh) | 一种调整动作模板比对阈值的方法、装置及存储介质 | |
CN114625257B (zh) | 一种基于肌电信号的动作识别方法和识别装置 | |
CN114668563A (zh) | 一种肌电信号的采样频率的多层级调节方法 | |
CN115624694B (zh) | 刺激电流控制方法、装置、设备、智能佩戴装置及介质 | |
CN114217694A (zh) | 一种仿生手及其手势控制方法、服务器及存储介质 | |
EP3773351A1 (de) | Orthesen- oder prothesen-system und verfahren zur orthesen- oder prothesensteuerung oder -regelung | |
CN114756136A (zh) | 一种针对肌电信号与脑电信号的训练达标提示方法及装置 | |
Anam et al. | Subject-independent classification on brain-computer interface using autonomous deep learning for finger movement recognition | |
CN114201052A (zh) | 一种仿生手的动作力度控制方法、装置及存储介质 | |
CN115105270B (zh) | 一种智能假肢的肌电匹配阈值的动态调节方法 | |
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 | |
Semmlow et al. | Components of disparity vergence eye movements: application of independent component analysis | |
CN114676737B (zh) | 一种肌电信号的采样频率的动态调节方法 | |
CN115251957A (zh) | 一种逐级调整采样频率的方法、装置及存储介质 | |
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 | |
CN111714122A (zh) | 肌电模式识别方法、装置、设备和计算机可读存储介质 |
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 |