CN116449967A - 仿生手教具及其控制方法、主控设备 - Google Patents
仿生手教具及其控制方法、主控设备 Download PDFInfo
- Publication number
- CN116449967A CN116449967A CN202310729976.1A CN202310729976A CN116449967A CN 116449967 A CN116449967 A CN 116449967A CN 202310729976 A CN202310729976 A CN 202310729976A CN 116449967 A CN116449967 A CN 116449967A
- Authority
- CN
- China
- Prior art keywords
- gesture
- image
- signal
- control instruction
- electromyographic
- 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
- 239000011664 nicotinic acid Substances 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000009471 action Effects 0.000 claims description 35
- 230000003183 myoelectrical effect Effects 0.000 claims description 35
- 238000012545 processing Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 230000003592 biomimetic effect Effects 0.000 claims 1
- 230000008569 process Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 230000004044 response Effects 0.000 description 4
- 230000001360 synchronised effect Effects 0.000 description 3
- MOVRNJGDXREIBM-UHFFFAOYSA-N aid-1 Chemical compound O=C1NC(=O)C(C)=CN1C1OC(COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C(NC(=O)C(C)=C2)=O)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)COP(O)(=O)OC2C(OC(C2)N2C3=C(C(NC(N)=N3)=O)N=C2)CO)C(O)C1 MOVRNJGDXREIBM-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000003306 harvesting Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B25/00—Models for purposes not provided for in G09B23/00, e.g. full-sized devices for demonstration purposes
-
- 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
- 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
- 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
- G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
-
- 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
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Educational Technology (AREA)
- Educational Administration (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明公开一种仿生手教具的控制方法，包括：同步采集肌电信号和手势图像；判断肌电信号是否为有效信号；当肌电信号为有效信号时，根据肌电信号获取第一控制指令；判断手势图像是否为有效图像；当手势图像为有效图像时，识别手势图像以得到第二控制指令；判断第一控制指令与第二控制指令是否相同；以及当第一控制指令与第二控制指令相同时，根据第一控制指令或者第二控制指令控制仿生手。本发明公开的仿生手教具的控制方法能够解决穿戴者注意力不集中导致手势出现失误的问题。此外，本发明还公开一种主控设备以及仿生手教具。
Description
技术领域
本发明涉及人工智能技术领域，特别涉及一种仿生手教具及其控制方法、主控设备。
背景技术
随着科学技术的进步，STEM教育受到越来越多关注。其中，仿生手类的教学用具特别受到青睐。由于肌电控制仿生手具有直接、自然的特点，因此利用表面肌电控制的仿生手已经成为应用数量较多的一类。穿戴者通过穿戴在手臂上的采集传感器对仿生手进行控制。
然而，由于肌电信号是基于穿戴者的大脑活动产生的，因此，一旦穿戴者注意力不集中，肌电信号就容易出现波动，进而导致操作手势出现失误。例如穿戴者通过肌电信号控制仿生手抓取物品时，若注意力不集中，就容易导致肌电信号出现波动，进而导致抓取的物品掉落。
发明内容
本发明的主要目的是提出一种仿生手教具及其控制方法、主控设备，旨在解决穿戴者注意力不集中导致手势出现失误的问题。
为实现上述目的，本发明提出一种仿生手教具的控制方法，所述仿生手教具的控制方法包括：
同步采集肌电信号和手势图像；
判断所述肌电信号是否为有效信号；
当所述肌电信号为有效信号时，根据所述肌电信号获取第一控制指令；
判断所述手势图像是否为有效图像；
当所述手势图像为有效图像时，识别所述手势图像以得到第二控制指令；
判断所述第一控制指令与所述第二控制指令是否相同；以及
当所述第一控制指令与所述第二控制指令相同时，根据所述第一控制指令或者所述第二控制指令控制仿生手。
优选地，判断所述肌电信号是否为有效信号包括：
对所述肌电信号进行处理以得到信号强度；
判断所述信号强度是否大于阈值，且大于所述阈值的信号强度的持续时间是否大于预设时间；
当所述信号强度小于或者等于阈值，或者，大于所述阈值的信号强度的持续时间小于或者等于预设时间时，确认所述肌电信号不是有效信号；以及
当所述信号强度大于阈值，且大于所述阈值的信号强度的持续时间大于预设时间时，确认所述肌电信号为有效信号。
优选地，判断所述信号强度是否大于阈值，且大于所述阈值的信号强度的持续时间是否大于预设时间包括：
判断所述信号强度是否大于所述阈值；
当所述信号强度大于所述阈值时，计算大于所述阈值的信号强度的持续时间；
判断所述持续时间是否大于所述预设时间；以及
当所述持续时间大于所述预设时间时，确认所述信号强度大于阈值，且大于所述阈值的信号强度的持续时间大于预设时间。
优选地，根据所述肌电信号获取第一控制指令包括：
根据预设的肌电手势模板匹配与所述肌电信号相对应的第一控制指令，所述肌电手势模板包括一一对应的肌电信号和第一控制指令。
优选地，判断所述手势图像是否为有效图像包括：
判断是否在所述手势图像中识别到手势；
当在所述手势图像中识别到手势时，将识别到手势的手势图像标记为起始图像；
按时间顺序依次判断所述起始图像之后采集的手势图像中是否无法识别到手势；
当所述起始图像之后采集的手势图像中无法识别到手势时，将无法识别到手势的手势图像标记为结束图像；
计算所述起始图像和所述结束图像之间的采集时间差；
判断所述采集时间差是否大于预设值；以及
当所述采集时间差大于所述预设值时，确认所述起始图像和所述结束图像之间的所有手势图像均为有效图像。
优选地，识别所述手势图像以得到第二控制指令包括：
依次对确认为有效图像的所有手势图像中相邻的两个手势图像进行检测以得到相应的手势动作；以及
根据所述手势动作得到所述第二控制指令。
优选地，同步采集肌电信号和手势图像包括：
同时发送采集指令至肌电采集器和图像采集器，所述肌电采集器用于采集所述肌电信号，所述图像采集器用于采集所述手势图像；以及
接收所述肌电采集器发送的肌电信号和所述图像采集器发送的手势图像。
本发明进一步提出一种主控设备，所述主控设备包括：
存储器，用于存储程序指令；以及
处理器，用于执行所述程序指令以实现如上所述的仿生手教具的控制方法。
本发明进一步还提出一种仿生手教具，所述仿生手教具包括仿生手、肌电采集器、图像采集器和如上所述的主控设备，所述主控设备设置于所述仿生手，所述主控设备分别与所述仿生手、所述肌电采集器和所述图像采集器通信连接。
本发明进一步还提出一种仿生手教具的控制方法，所述仿生手教具的控制方法包括：
肌电采集器和图像采集器同步采集肌电信号和手势图像；
所述肌电采集器判断所述肌电信号是否为有效信号；
当所述肌电信号为有效信号时，所述肌电采集器根据所述肌电信号获取第一控制指令，并发送至主控设备；
所述图像采集器判断所述手势图像是否为有效图像；
当所述手势图像为有效图像时，所述图像采集器识别所述手势图像以得到第二控制指令，并发送至所述主控设备；
所述主控设备判断所述第一控制指令与所述第二控制指令是否相同；以及
当所述第一控制指令与所述第二控制指令相同时，所述主控设备根据所述第一控制指令或者所述第二控制指令控制仿生手。
本发明技术方案的有益效果在于：同步采集肌电信号和手势图像，根据预设采集要求判断肌电信号是否为有效信号、预设图像要求判断手势图像是否为有效图像。当肌电信号为有效信号时，根据肌电信号获取第一控制指令；当手势图像为有效图像时，根据手势图像获取第二控制指令。当第一控制指令和第二控制指令相同时，表示肌电信号代表的动作和手势图像代表的动作相匹配，则根据第一控制指令或者第二控制指令控制仿生手做出相应的手势动作。通过对肌电信号和手势图像进行识别判断，能够有效剔除无效信号，以避免手势图像对应第一动作时，肌电信号出现无意识的波动对应第二动作，可能导致对仿生手的控制出现错乱的问题。因此，仿生手教具的控制方法能够有效提升手势识别的稳定性和可靠性，避免肌电信号的无意波动，以更加精准控制仿生手做出预设的手势或动作。
附图说明
图1为本发明第一实施例提供的仿生手教具的控制方法的流程图；
图2为本发明第一实施例提供的仿生手教具的控制方法的第一子流程图；
图3为本发明第一实施例提供的仿生手教具的控制方法的第二子流程图；
图4为本发明第一实施例提供的仿生手教具的控制方法的第三子流程图；
图5为本发明第一实施例提供的仿生手教具的控制方法的第四子流程图；
图6为本发明第一实施例提供的仿生手教具的控制方法的第五子流程图；
图7为本发明第二实施例提供的仿生手教具的控制方法的流程图；
图8为本发明实施例提供的仿生手教具的控制方法的应用场景示意图；
图9为本发明实施例提供的主控设备的内部结构示意图；
图10为本发明实施例提供的仿生手教具的内部结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
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方案进行清楚完整的描述，显然，所描述的实施例仅是本发明中的一部分实施例，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作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。
需要说明，本发明实施例中所有方向性指示（诸如上、下、左、右、前、后……）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
还需要说明的是，当元件被称为“固定于”或“设置于”另一个元件上时，它可以直接在另一个元件上或者可能同时存在居中元件。当一个元件被称为是“连接”另一个元件，它可以是直接连接另一个元件或者可能同时存在居中元件。
另外，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
请结合参看图1和图8，图1为本发明第一实施例提供的仿生手教具的控制方法的流程图，图8为本发明实施例提供的仿生手教具的控制方法的应用场景示意图。仿生手教具的控制方法用于控制仿生手做出相对应的手势或者动作，以进行教学演示。
以图8所示的应用场景为例，主控设备10分别与仿生手20、肌电采集器30以及图像采集器40通信连接。在本实施例中，主控设备10用于执行仿生手教具的控制方法。其中，主控设备10的相关功能可以由一个设备实现，也可以由多个设备共同实现，还可以是由一个设备内的一个或多个功能模块实现，在此不作具体限定。可以理解的是，上述功能既可以是硬件设备中的网络元件，也可以是在专用硬件上运行的软件功能，或者是硬件与软件的结合，或者是平台(例如，云平台)上实例化的虚拟化功能。
仿生手教具的控制方法具体包括如下步骤。
步骤S102，同步采集肌电信号和手势图像。
主控设备10采集同步的肌电信号和手势图像。即是说，主控设备10采集相同时间段内演示人员产生的肌电信号和相对应形成的手势图像。在本实施例中，演示人员穿戴有肌电采集器30；图像采集器40可以佩戴在演示人员的身上，也可以单独设置。但是无论图像采集器40如何设置，图像采集器40的采集对象均为演示人员的手。其中，肌电采集器30用于采集肌电信号，图像采集器40用于拍摄手势图像。主控设备10控制肌电采集器30采集肌电信号，控制图像采集器40拍摄手势图像，并接收肌电采集器30发送的肌电信号和图像采集器40发送的手势图像。其中，肌电采集器30包括但不限于肌电臂环、肌电采集设备等电子设备，图像采集器40包括但不限于摄像机、摄像头、相机等具有拍摄功能的电子设备。
如何同步采集肌电信号和手势图像的具体过程将在下文详细描述。
步骤S104，判断肌电信号是否为有效信号。
在本实施例中，主控设备10根据预先设置的采集要求判断肌电信号是否为有效信号。
当肌电信号为有效信号时，执行步骤S106。当肌电信号不是有效信号时，主控设备10再次同步采集肌电信号和手势图像。在本实施例中，当肌电信号没有达到相应的采集标准时，将肌电信号视为无效信号。
如何判断肌电信号是否为有效信号的具体过程将在下文详细描述。
步骤S106，根据肌电信号获取第一控制指令。
当肌电信号为有效信号时，表示肌电信号能够达到相应的采集标准。则，主控设备10根据肌电信号获取第一控制指令。
在本实施例中，主控设备10根据预设的肌电手势模板匹配与肌电信号相对应的第一控制指令。具体地，主控设备10预先存储有肌电手势模板，肌电手势模板包括一一对应的肌电信号和第一控制指令。当肌电信号为有效信号时，主控设备10在肌电手势模板中，根据肌电信号匹配相对应的第一控制指令。
示例性地，肌电手势模板可由深度学习训练得到。具体地，在用户的手臂上佩戴肌电臂环等肌电信号采集设备，通过肌电臂环多次采集用户在做各种手势或手指动作时的肌电信号，根据肌电信号、手势或者手指动作训练生成整套的肌电手势模板。其中，第一控制指令包括手势或者手指动作。
步骤S108，判断手势图像是否为有效图像。
在本实施例中，主控设备10根据预先设置的图像要求判断手势图像是否为有效图像。
当手势图像为有效图像时，执行步骤S110。当手势图像不是有效图像时，主控设备10再次同步采集肌电信号和手势图像。在本实施例中，当手势图像没有达到相应的图像要求时，将手势图像视为无效图像。
在本实施例中，主控设备10对肌电信号的判断和对手势图像的判断可以同时进行，可以先判断肌电信号再判断手势图像，也可以先判断手势图像再判断肌电信号，在此不做限定。但是不论判断的先后顺序如何，只要确认肌电信号不是有效信号或者手势图像不是有效图像，则主控设备10无需继续执行判断的动作，而是重新采集新的肌电信号和手势图像。
如何判断手势图像是否为有效图像的具体过程将在下文详细描述。
步骤S110，识别手势图像以得到第二控制指令。
当手势图像为有效图像时，表示手势图像能够达到相应的图像标准。则，主控设备10对手势图像进行识别，以得到第二控制指令。
如何识别手势图像以得到第二控制指令的具体过程将在下文详细描述。
步骤S112，判断第一控制指令与第二控制指令是否相同。
主控设备10判断第一控制指令和第二控制指令是否相同。
当第一控制指令与第二控制指令相同时，执行步骤S114。当第一控制指令与第二控制指令不相同时，主控设备10再次同步采集肌电信号和手势图像。在本实施例中，当第一控制指令和第二控制指令不同时，表示同步采集的肌电信号所代表的动作和手势图像所代表的动作不相符，则将第一控制指令和第二控制指令均视为无效指令。
步骤S114，根据第一控制指令或者第二控制指令控制仿生手。
当第一控制指令与第二控制指令相同时，表示同步采集的肌电信号所代表的动作和手势图像所代表的动作相匹配，则将第一控制指令和第二控制指令均视为有效指令。因此，主控设备10可以根据第一控制指令控制仿生手20，也可以根据第二控制指令控制仿生手20。
具体地，主控设备10将第一控制指令或者第二控制指令发送至仿生手20，以使仿生手20响应第一控制指令或者第二控制指令做出相应的手势动作。
上述实施例中，同步采集肌电信号和手势图像，根据预设采集要求判断肌电信号是否为有效信号、预设图像要求判断手势图像是否为有效图像。当肌电信号为有效信号时，根据肌电信号获取第一控制指令；当手势图像为有效图像时，根据手势图像获取第二控制指令。当第一控制指令和第二控制指令相同时，表示肌电信号代表的动作和手势图像代表的动作相匹配，则根据第一控制指令或者第二控制指令控制仿生手做出相应的手势动作。通过对肌电信号和手势图像进行识别判断，能够有效剔除无效信号，以避免手势图像对应第一动作时，肌电信号出现无意识的波动对应第二动作，可能导致对仿生手的控制出现错乱的问题。因此，仿生手教具的控制方法能够有效提升手势识别的稳定性和可靠性，避免肌电信号的无意波动，以更加精准控制仿生手做出预设的手势或动作。
此外，根据预先训练好的肌电手势模板获取与肌电信号相匹配的第一控制指令，能够快速根据肌电信号产生控制指令，以对仿生手进行精准控制。
请结合参看图2，其为本发明第一实施例提供的仿生手教具的控制方法的第一子流程图。步骤S102具体包括如下步骤。
步骤S202，同时发送采集指令至肌电采集器和图像采集器。
主控设备10将采集指令同步发送至肌电采集器30和图像采集器40。在本实施例中，肌电采集器30响应采集指令采集一定时长的肌电信号，并将肌电信号发送至主控设备10；图像采集器40响应采集指令采集一定时长的手势图像，并将手势图像发送至主控设备10。可以理解的是，肌电信号的采集时段与手势图像的采集时段相同，且肌电信号的采集时长与手势图像的采集时长相同。采集时长的具体数值可以根据实际控制情况进行设置，在此不做限定。
步骤S204，接收肌电采集器发送的肌电信号和图像采集器发送的手势图像。
主控设备10接收肌电采集器30发送的肌电信号和图像采集器40发送的手势图像。
上述实施例中，由主控设备同步发送采集指令至肌电采集器和图像采集器，使得采集的肌电信号和手势图像具有较高的同步性和一致性。
请结合参看图3，其为本发明第一实施例提供的仿生手教具的控制方法的第二子流程图。步骤S104具体包括如下步骤。
步骤S302，对肌电信号进行处理以得到信号强度。
在本实施例中，主控设备10对肌电信号进行信号处理，从而得到信号强度。
步骤S304，判断信号强度是否大于阈值，且大于阈值的信号强度的持续时间是否大于预设时间。
主控设备10判断信号强度是否大于阈值，同时，大于阈值的信号强度的持续时间是否大于预设时间。在本实施例中，从信号强度大于阈值开始至信号强度小于阈值结束，主控设备10将开始至结束之间的时间记为持续时间。其中，阈值的具体数值和预设时间的具体时长均可以根据实际控制情况进行设置，在此不做限定。
当信号强度小于或者等于阈值，或者，大于阈值的信号强度的持续时间小于或者等于预设时间时，执行步骤S306；当信号强度大于阈值，且大于阈值的信号强度的持续时间大于预设时间时，执行步骤S308。
如何判断信号强度是否大于阈值，且大于阈值的信号强度的持续时间是否大于预设时间的具体过程将在下文详细描述。
步骤S306，确认肌电信号不是有效信号。
当信号强度小于或者等于阈值时，或者，当大于阈值的信号强度的持续时间小于或者等于预设时间时，表示肌电信号不满足采集要求，则主控设备10确认肌电信号不是有效信号。可以理解的是，信号强度和持续时间两者只要其中一者不满足采集要求，就将肌电信号确认为无效信号。
步骤S308，确认肌电信号为有效信号。
当信号强度大于阈值，且大于阈值的信号强度的持续时间大于预设时间时，表示肌电信号满足采集要求，则主控设备10确认肌电信号为有效信号。可以理解的是，当信号强度和持续时间两者均满足采集要求时，才能够确认肌电信号为有效信号。
在一些可行的实施例中，主控设备10也可以对肌电信号进行处理得到其它相关参数，并根据其它相关参数判断肌电信号是否为有效信号，在此不做限定。
上述实施例中，对肌电信号进行处理以得到信号强度，根据信号强度对肌电信号进行判断，能够快速得到肌电信号是否为有效信号的判断结果。
请结合参看图4，其为本发明第一实施例提供的仿生手教具的控制方法的第三子流程图。步骤S304具体包括如下步骤。
步骤S402，判断信号强度是否大于阈值。
主控设备10按照所有信号强度的采集顺序依次对每一信号强度进行判断。
当信号强度大于阈值时，执行步骤S404；当信号强度小于或者等于阈值时，主控设备10确认肌电信号不是有效信号。
步骤S404，计算大于阈值的信号强度的持续时间。
当信号强度大于阈值时，主控设备10将信号强度大于阈值时的时间记为起始时间，并持续对信号强度进行检测。当检测到信号强度开始小于或者等于阈值时，主控设备10将相应的时间记为结束时间，并计算结束时间与起始时间之差作为持续时间。
步骤S406，判断持续时间是否大于预设时间。
当持续时间大于预设时间时，执行步骤S408；当持续时间小于或者等于预设时间时，主控设备10确认肌电信号不是有效信号。
步骤S408，确认信号强度大于阈值，且大于阈值的信号强度的持续时间大于预设时间。
当持续时间大于预设时间时，主控设备10确认信号强度大于阈值，且大于阈值的信号强度的持续时间大于预设时间。
上述实施例中，对信号强度的大小和持续时间进行判断，当肌电信号的信号强度达到阈值且持续时间超过预设时间时，确认肌电信号满足采集要求，即肌电信号为稳定输出，没有出现无意识波动，能够有效剔除无意识波动产生的无效信号，有效提高控制的稳定性，使得仿生手的控制更加精准。
请结合参看图5，其为本发明第一实施例提供的仿生手教具的控制方法的第四子流程图。步骤S108具体包括如下步骤。
步骤S502，判断是否在手势图像中识别到手势。
主控设备10按照所有手势图像的拍摄顺序依次对每一手势图像进行识别，并判断是否在手势图像中识别到手势。
当在手势图像中识别到手势时，执行步骤S504。当所有手势图像中均没有识别到手势图像时，表示所有手势图像均不是有效图像。
步骤S504，将识别到手势的手势图像标记为起始图像。
当在手势图像中识别到手势时，主控设备10将识别到手势的手势图像标记为起始图像。
步骤S506，按时间顺序依次判断起始图像之后采集的手势图像中是否无法识别到手势。
主控设备10按照拍摄的时间顺序依次对起始图像之后采集的每一手势图像进行判断，判断手势图像中是否无法识别到手势。
当起始图像之后采集的手势图像中无法识别到手势时，执行步骤S508。
步骤S508，将无法识别到手势的手势图像标记为结束图像。
在本实施例中，从起始图像开始，默认之后拍摄的手势图像均能够识别到手势。因此，当手势图像中无法识别到手势时，表示手势结束。则，主控设备10将无法识别到手势的手势图像标记为结束图像。
在一些可行的实施例中，主控设备10还可以将无法识别到手势的手势图像的前一帧手势图像标记为结束图像，在此不做限定。
步骤S510，计算起始图像和结束图像之间的采集时间差。
主控设备10获取起始图像的拍摄时间和结束图像的拍摄时间，并计算起始图像和结束图像的拍摄时间之差作为采集时间差。
步骤S512，判断采集时间差是否大于预设值。
主控设备10判断采集时间差是否大于预设值。其中，预设值的具体数值根据实际控制情况进行设置，在此不做限定。
当采集时间差大于预设值时，执行步骤S514。当采集时间差小于或者等于预设值时，表示所有手势图像均不是有效图像。
步骤S514，确认起始图像和结束图像之间的所有手势图像均为有效图像。
当采集时间差大于预设值时，表示手势图像达到相应的图像要求，则主控设备10确认起始图像和结束图像之间的所有手势图像均为有效图像。
上述实施例中，对手势图像中的手势和手势的维持时间，即采集时间差进行判断，当采集时间差大于预设值时，确认手势图像满足图像要求，即手势维持稳定，没有出现无意识波动导致的手势改变，能够有效剔除无意识波动导致的手势改变，有效提高控制的稳定性，使得仿生手的控制更加精准。
请结合参看图6，其为本发明第一实施例提供的仿生手教具的控制方法的第五子流程图。步骤110具体包括如下步骤。
步骤S602，依次对确认为有效图像的所有手势图像中相邻的两个手势图像进行检测以得到相应的手势动作。
主控设备10检测所有有效图像中每一手势图像中的关键点，并比较相邻两个手势图像的关键点之间的差别，从而得到手势图像中所有手势形成的手势动作。
步骤S604，根据手势动作得到第二控制指令。
主控设备10根据手势动作得到相应的第二控制指令。
请结合参看图9，其为本发明实施例提供的主控设备的内部结构示意图。主控设备10包括存储器11和处理器12。存储器11用于存储程序指令，处理器12用于执行程序指令以实现上述仿生手教具的控制方法。
其中，处理器12在一些实施例中可以是一中央处理器（Central ProcessingUnit，CPU）、控制器、微控制器、微处理器或其它数据处理芯片，用于运行存储器11中存储的程序指令。
存储器11至少包括一种类型的可读存储介质，该可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是计算机设备的内部存储单元，例如计算机设备的硬盘。存储器11在另一些实施例中也可以是计算机设备的外部存储设备，例如计算机设备上配备的插接式硬盘、智能存储卡（Smart Media Card，SMC）、安全数字（Secure Digital，SD）卡、闪存卡（FlashCard）等。进一步地，存储器11还可以既包括计算机设备的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于计算机设备的应用软件及各类数据，例如实现仿生手教具的控制方法的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
请结合参看图10，其为本发明实施例提供的仿生手教具的内部结构示意图。仿生手教具1包括仿生手20、肌电采集器30、图像采集器40和主控设备10。主控设备10设置于仿生手20，主控设备10分别与仿生手20、肌电采集器30和图像采集器40通信连接。
在本实施例中，主控设备10通过螺接或者卡接的方式设置于仿生手20的手臂背面，主控设备10与仿生手20可以有线连接，也可以无线通讯连接。主控设备10与肌电采集器30、图像采集器40无线通讯连接。
在另一些可行的实施例中，主控设备10还可以与仿生手20一体设置，在此不做限定。
主控设备10的具体结构参照上述实施例。由于仿生手教具1采用了上述所有实施例的全部技术方案，因此至少具有上述实施例的技术方案所带来的所有有益效果，在此不再一一赘述。
请结合参看图7，其为本发明第二实施例提供的仿生手教具的控制方法的流程图。第二实施例提供的仿生手教具的控制方法具体包括如下步骤。
步骤S702，肌电采集器和图像采集器同步采集肌电信号和手势图像。
在本实施例中，演示人员穿戴有肌电采集器30；图像采集器40可以佩戴在演示人员的身上，也可以单独设置。但是无论图像采集器40如何设置，图像采集器40的采集对象均为演示人员的手。主控设备10将采集指令同步发送至肌电采集器30和图像采集器40。肌电采集器30响应采集指令采集一定时长的肌电信号，图像采集器40响应采集指令采集一定时长的手势图像。具体地，肌电采集器30和图像采集器40分别采集相同时间段内演示人员产生的肌电信号和手势图像。可以理解的是，肌电信号的采集时段与手势图像的采集时段相同，且肌电信号的采集时长与手势图像的采集时长相同。采集时长的具体数值可以根据实际控制情况进行设置，在此不做限定。其中，肌电采集器30包括但不限于肌电臂环、肌电采集设备等电子设备，图像采集器40包括但不限于等电子设备。
步骤S704，肌电采集器判断肌电信号是否为有效信号。
在本实施例中，肌电采集器30根据预先设置的肌电采集要求判断肌电信号是否为有效信号。具体地，肌电采集器30对肌电信号进行信号处理以得到信号强度，并判断信号强度是否大于阈值，且大于阈值的信号强度的持续时间是否大于预设时间。
肌电采集器30判断信号强度是否大于阈值，且大于阈值的信号强度的持续时间是否大于预设时间的具体过程与主控设备10判断信号强度是否大于阈值，且大于阈值的信号强度的持续时间是否大于预设时间的具体过程基本一致，在此不再一一赘述。
在一些可行的实施例中，肌电采集器30也可以对肌电信号进行处理得到其它相关参数，并根据其它相关参数判断肌电信号是否为有效信号，在此不做限定。
当肌电信号为有效信号时，执行步骤S706；当肌电信号不是有效信号时，表示肌电信号没有达到相应的采集要求，则将肌电信号视为无效信号，肌电采集器30可以等待主控设备10重新发送采集指令，以再次采集肌电信号。
步骤S706，肌电采集器根据肌电信号获取第一控制指令，并发送至主控设备。
当肌电信号为有效信号时，表示肌电信号能够达到相应的采集标准。则，肌电采集器30根据肌电信号获取第一控制指令。
在本实施例中，肌电采集器30根据预设的肌电手势模板匹配与肌电信号相对应的第一控制指令。具体地，肌电采集器30预先存储有肌电手势模板，肌电手势模板包括一一对应的肌电信号和第一控制指令。当肌电信号为有效信号时，肌电采集器30在肌电手势模板中，根据肌电信号匹配相对应的第一控制指令。
示例性地，肌电手势模板可由深度学习训练得到。具体地，在用户的手臂上佩戴肌电采集器30，通过肌电采集器30多次采集用户在做各种手势或手指动作时的肌电信号，根据肌电信号、手势或者手指动作训练生成整套的肌电手势模板。其中，第一控制指令包括手势或者手指动作。
肌电采集器30将第一控制指令发送至主控设备10。
步骤S708，图像采集器判断手势图像是否为有效图像。
在本实施例中，图像采集器40根据预先设置的图像采集要求判断手势图像是否为有效图像。具体地，图像采集器40根据手势图像中手势存在的时间进行判断。
图像采集器40判断手势图像是否为有效图像的具体过程与主控设备10判断手势图像是否为有效图像的具体过程基本一致，在此不再一一赘述。
当手势图像为有效图像时，执行步骤S710；当手势图像不是有效图像时，表示手势图像没有达到相应的采集要求，则将手势图像视为无效图像，图像采集器40可以等待主控设备10重新发送采集指令，以再次采集手势图像。
步骤S710，图像采集器识别手势图像以得到第二控制指令，并发送至主控设备。
当手势图像为有效图像时，表示手势图像能够达到相应的图像标准。则，图像采集器40对手势图像进行识别，以得到第二控制指令。
在本实施例中，图像采集器40依次对确认为有效图像的所有手势图像中相邻的两个手势图像进行检测以得到相应的手势动作，并根据手势动作得到第二控制指令。具体地，图像采集器40检测所有有效图像中每一手势图像中的关键点，并比较相邻两个手势图像的关键点之间的差别，从而得到手势图像中所有手势形成的手势动作。
图像采集器40将第二控制指令发送至主控设备10。
步骤S712，主控设备判断第一控制指令与第二控制指令是否相同。
主控设备10接收第一控制指令和第二控制指令，并判断第一控制指令和第二控制指令是否相同。
当第一控制指令与第二控制指令相同时，执行步骤S714。当第一控制指令与第二控制指令不相同时，主控设备10再次控制肌电采集器30和图像采集器40同步采集肌电信号和手势图像。在本实施例中，当第一控制指令和第二控制指令不同时，表示同步采集的肌电信号所代表的动作和手势图像所代表的动作不相符，则将第一控制指令和第二控制指令均视为无效指令。
步骤S714，主控设备根据第一控制指令或者第二控制指令控制仿生手。
当第一控制指令与第二控制指令相同时，表示同步采集的肌电信号所代表的动作和手势图像所代表的动作相匹配，则将第一控制指令和第二控制指令均视为有效指令。因此，主控设备10根据第一控制指令控制仿生手20，或者，主控设备10根据第二控制指令控制仿生手20。
具体地，主控设备10将第一控制指令或者第二控制指令发送至仿生手20，以使仿生手20响应第一控制指令或者第二控制指令做出相应的手势动作。
以上所述的仅为本发明的部分或优选实施例，无论是文字还是附图都不能因此限制本发明保护的范围，凡是在与本发明一个整体的构思下，利用本发明说明书及附图内容所作的等效结构变换，或直接/间接运用在其他相关的技术领域均包括在本发明保护的范围内。
Claims (10)
1.一种仿生手教具的控制方法，其特征在于，所述仿生手教具的控制方法包括：
同步采集肌电信号和手势图像；
判断所述肌电信号是否为有效信号；
当所述肌电信号为有效信号时，根据所述肌电信号获取第一控制指令；
判断所述手势图像是否为有效图像；
当所述手势图像为有效图像时，识别所述手势图像以得到第二控制指令；
判断所述第一控制指令与所述第二控制指令是否相同；以及
当所述第一控制指令与所述第二控制指令相同时，根据所述第一控制指令或者所述第二控制指令控制仿生手。
2.根据权利要求1所述的仿生手教具的控制方法，其特征在于，判断所述肌电信号是否为有效信号包括：
对所述肌电信号进行处理以得到信号强度；
判断所述信号强度是否大于阈值，且大于所述阈值的信号强度的持续时间是否大于预设时间；
当所述信号强度小于或者等于阈值，或者，大于所述阈值的信号强度的持续时间小于或者等于预设时间时，确认所述肌电信号不是有效信号；以及
当所述信号强度大于阈值，且大于所述阈值的信号强度的持续时间大于预设时间时，确认所述肌电信号为有效信号。
3.根据权利要求2所述的仿生手教具的控制方法，其特征在于，判断所述信号强度是否大于阈值，且大于所述阈值的信号强度的持续时间是否大于预设时间包括：
判断所述信号强度是否大于所述阈值；
当所述信号强度大于所述阈值时，计算大于所述阈值的信号强度的持续时间；
判断所述持续时间是否大于所述预设时间；以及
当所述持续时间大于所述预设时间时，确认所述信号强度大于阈值，且大于所述阈值的信号强度的持续时间大于预设时间。
4.根据权利要求1所述的仿生手教具的控制方法，其特征在于，根据所述肌电信号获取第一控制指令包括：
根据预设的肌电手势模板匹配与所述肌电信号相对应的第一控制指令，所述肌电手势模板包括一一对应的肌电信号和第一控制指令。
5.根据权利要求1所述的仿生手教具的控制方法，其特征在于，判断所述手势图像是否为有效图像包括：
判断是否在所述手势图像中识别到手势；
当在所述手势图像中识别到手势时，将识别到手势的手势图像标记为起始图像；
按时间顺序依次判断所述起始图像之后采集的手势图像中是否无法识别到手势；
当所述起始图像之后采集的手势图像中无法识别到手势时，将无法识别到手势的手势图像标记为结束图像；
计算所述起始图像和所述结束图像之间的采集时间差；
判断所述采集时间差是否大于预设值；以及
当所述采集时间差大于所述预设值时，确认所述起始图像和所述结束图像之间的所有手势图像均为有效图像。
6.根据权利要求5所述的仿生手教具的控制方法，其特征在于，识别所述手势图像以得到第二控制指令包括：
依次对确认为有效图像的所有手势图像中相邻的两个手势图像进行检测以得到相应的手势动作；以及
根据所述手势动作得到所述第二控制指令。
7.根据权利要求1所述的仿生手教具的控制方法，其特征在于，同步采集肌电信号和手势图像包括：
同时发送采集指令至肌电采集器和图像采集器，所述肌电采集器用于采集所述肌电信号，所述图像采集器用于采集所述手势图像；以及
接收所述肌电采集器发送的肌电信号和所述图像采集器发送的手势图像。
8.一种主控设备，其特征在于，所述主控设备包括：
存储器，用于存储程序指令；以及
处理器，用于执行所述程序指令以实现根据权利要求1至7中任一项所述的仿生手教具的控制方法。
9.一种仿生手教具，其特征在于，所述仿生手教具包括仿生手、肌电采集器、图像采集器和根据权利要求8所述的主控设备，所述主控设备设置于所述仿生手，所述主控设备分别与所述仿生手、所述肌电采集器和所述图像采集器通信连接。
10.一种仿生手教具的控制方法，其特征在于，所述仿生手教具的控制方法包括：
肌电采集器和图像采集器同步采集肌电信号和手势图像；
所述肌电采集器判断所述肌电信号是否为有效信号；
当所述肌电信号为有效信号时，所述肌电采集器根据所述肌电信号获取第一控制指令，并发送至主控设备；
所述图像采集器判断所述手势图像是否为有效图像；
当所述手势图像为有效图像时，所述图像采集器识别所述手势图像以得到第二控制指令，并发送至所述主控设备；
所述主控设备判断所述第一控制指令与所述第二控制指令是否相同；以及
当所述第一控制指令与所述第二控制指令相同时，所述主控设备根据所述第一控制指令或者所述第二控制指令控制仿生手。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310729976.1A CN116449967A (zh) | 2023-06-20 | 2023-06-20 | 仿生手教具及其控制方法、主控设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310729976.1A CN116449967A (zh) | 2023-06-20 | 2023-06-20 | 仿生手教具及其控制方法、主控设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116449967A true CN116449967A (zh) | 2023-07-18 |
Family
ID=87136007
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310729976.1A Pending CN116449967A (zh) | 2023-06-20 | 2023-06-20 | 仿生手教具及其控制方法、主控设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116449967A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117784941A (zh) * | 2024-02-23 | 2024-03-29 | 浙江强脑科技有限公司 | 仿生手的手势控制方法、存储介质、控制装置和仿生手 |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050081994A (ko) * | 2004-02-17 | 2005-08-22 | 산재의료관리원 | 근전도를 이용한 사용자 의도 인식 방법 및 그 시스템 |
| CN107562209A (zh) * | 2017-10-10 | 2018-01-09 | 西安中科比奇创新科技有限责任公司 | 适用于残疾人的电脑控制设备 |
| CN108127669A (zh) * | 2018-02-08 | 2018-06-08 | 华南理工大学 | 一种基于动作融合的机器人示教系统及实施方法 |
| CN108209911A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
| CN108415560A (zh) * | 2018-02-11 | 2018-08-17 | 广东欧珀移动通信有限公司 | 电子装置、操作控制方法及相关产品 |
| CN109062398A (zh) * | 2018-06-07 | 2018-12-21 | 中国航天员科研训练中心 | 一种基于虚拟现实与多模态人机接口的航天器交会对接方法 |
| CN109634408A (zh) * | 2018-11-15 | 2019-04-16 | 南京理工大学 | 一种Hololens手势识别的扩展方法 |
| CN109676615A (zh) * | 2019-01-18 | 2019-04-26 | 合肥工业大学 | 一种利用手臂肌电信号与动作捕捉信号的喷涂机器人示教方法及装置 |
| CN110298286A (zh) * | 2019-06-24 | 2019-10-01 | 中国科学院深圳先进技术研究院 | 基于表面肌电与深度图像的虚拟现实康复训练方法及系统 |
| CN111208907A (zh) * | 2020-03-10 | 2020-05-29 | 中国科学院深圳先进技术研究院 | 基于肌电信号和手指关节形变信号的手语识别系统及方法 |
| CN111259699A (zh) * | 2018-12-02 | 2020-06-09 | 程昔恩 | 一种人体动作识别和预测方法及装置 |
| CN111476161A (zh) * | 2020-04-07 | 2020-07-31 | 金陵科技学院 | 一种融合图像和生理信号双通道的体感动态手势识别方法 |
| CN111531537A (zh) * | 2020-05-07 | 2020-08-14 | 金陵科技学院 | 基于多传感器的机械臂控制方法 |
| CN112183375A (zh) * | 2020-09-29 | 2021-01-05 | 中国人民解放军军事科学院国防科技创新研究院 | 一种融合肌电信号与视觉图像的手势识别方法 |
| CN113505711A (zh) * | 2021-07-16 | 2021-10-15 | 北京理工大学 | 一种基于肌电信号和Leap Motion的实时手势识别系统 |
| CN113901881A (zh) * | 2021-09-14 | 2022-01-07 | 燕山大学 | 一种肌电数据自动标注方法 |
| 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 |
| CN114265498A (zh) * | 2021-12-16 | 2022-04-01 | 中国电子科技集团公司第二十八研究所 | 一种多模态手势识别和视觉反馈机制结合的方法 |
| CN114452054A (zh) * | 2022-02-23 | 2022-05-10 | 深圳市心流科技有限公司 | 智能假肢的控制方法、装置、智能假肢及存储介质 |
| CN114652493A (zh) * | 2022-05-25 | 2022-06-24 | 深圳市心流科技有限公司 | 一种肌电信号控制方法、装置、肌电设备、存储介质 |
| CN114707562A (zh) * | 2022-06-01 | 2022-07-05 | 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 |
| CN114995628A (zh) * | 2021-10-13 | 2022-09-02 | 荣耀终端有限公司 | 隔空手势识别方法及其相关设备 |
| CN115686187A (zh) * | 2021-07-30 | 2023-02-03 | 北京小米移动软件有限公司 | 手势识别方法、装置、电子设备及存储介质 |
| CN115935238A (zh) * | 2022-12-20 | 2023-04-07 | 浙江柔灵科技有限公司 | 基于轻量级卷积网络的手势识别分类方法及装置 |
| CN116225229A (zh) * | 2023-03-14 | 2023-06-06 | 岚图汽车科技有限公司 | 基于可穿戴肌电采集设备的车辆控制方法及装置 |
-
2023
- 2023-06-20 CN CN202310729976.1A patent/CN116449967A/zh active Pending
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20050081994A (ko) * | 2004-02-17 | 2005-08-22 | 산재의료관리원 | 근전도를 이용한 사용자 의도 인식 방법 및 그 시스템 |
| CN108209911A (zh) * | 2017-05-25 | 2018-06-29 | 深圳市前海未来无限投资管理有限公司 | 一种肌电信号采集方法及装置 |
| CN107562209A (zh) * | 2017-10-10 | 2018-01-09 | 西安中科比奇创新科技有限责任公司 | 适用于残疾人的电脑控制设备 |
| CN108127669A (zh) * | 2018-02-08 | 2018-06-08 | 华南理工大学 | 一种基于动作融合的机器人示教系统及实施方法 |
| CN108415560A (zh) * | 2018-02-11 | 2018-08-17 | 广东欧珀移动通信有限公司 | 电子装置、操作控制方法及相关产品 |
| CN109062398A (zh) * | 2018-06-07 | 2018-12-21 | 中国航天员科研训练中心 | 一种基于虚拟现实与多模态人机接口的航天器交会对接方法 |
| CN109634408A (zh) * | 2018-11-15 | 2019-04-16 | 南京理工大学 | 一种Hololens手势识别的扩展方法 |
| CN111259699A (zh) * | 2018-12-02 | 2020-06-09 | 程昔恩 | 一种人体动作识别和预测方法及装置 |
| CN109676615A (zh) * | 2019-01-18 | 2019-04-26 | 合肥工业大学 | 一种利用手臂肌电信号与动作捕捉信号的喷涂机器人示教方法及装置 |
| CN110298286A (zh) * | 2019-06-24 | 2019-10-01 | 中国科学院深圳先进技术研究院 | 基于表面肌电与深度图像的虚拟现实康复训练方法及系统 |
| CN111208907A (zh) * | 2020-03-10 | 2020-05-29 | 中国科学院深圳先进技术研究院 | 基于肌电信号和手指关节形变信号的手语识别系统及方法 |
| CN111476161A (zh) * | 2020-04-07 | 2020-07-31 | 金陵科技学院 | 一种融合图像和生理信号双通道的体感动态手势识别方法 |
| CN111531537A (zh) * | 2020-05-07 | 2020-08-14 | 金陵科技学院 | 基于多传感器的机械臂控制方法 |
| CN112183375A (zh) * | 2020-09-29 | 2021-01-05 | 中国人民解放军军事科学院国防科技创新研究院 | 一种融合肌电信号与视觉图像的手势识别方法 |
| CN113505711A (zh) * | 2021-07-16 | 2021-10-15 | 北京理工大学 | 一种基于肌电信号和Leap Motion的实时手势识别系统 |
| CN115686187A (zh) * | 2021-07-30 | 2023-02-03 | 北京小米移动软件有限公司 | 手势识别方法、装置、电子设备及存储介质 |
| CN113901881A (zh) * | 2021-09-14 | 2022-01-07 | 燕山大学 | 一种肌电数据自动标注方法 |
| CN114995628A (zh) * | 2021-10-13 | 2022-09-02 | 荣耀终端有限公司 | 隔空手势识别方法及其相关设备 |
| CN114265498A (zh) * | 2021-12-16 | 2022-04-01 | 中国电子科技集团公司第二十八研究所 | 一种多模态手势识别和视觉反馈机制结合的方法 |
| 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 |
| CN114452054A (zh) * | 2022-02-23 | 2022-05-10 | 深圳市心流科技有限公司 | 智能假肢的控制方法、装置、智能假肢及存储介质 |
| CN114652493A (zh) * | 2022-05-25 | 2022-06-24 | 深圳市心流科技有限公司 | 一种肌电信号控制方法、装置、肌电设备、存储介质 |
| CN114707562A (zh) * | 2022-06-01 | 2022-07-05 | 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 |
| CN115935238A (zh) * | 2022-12-20 | 2023-04-07 | 浙江柔灵科技有限公司 | 基于轻量级卷积网络的手势识别分类方法及装置 |
| CN116225229A (zh) * | 2023-03-14 | 2023-06-06 | 岚图汽车科技有限公司 | 基于可穿戴肌电采集设备的车辆控制方法及装置 |
Non-Patent Citations (1)
| Title |
|---|
| 甘晗;: "基于深度学习的手势识别与外部操作系统", 现代信息科技, no. 05 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117784941A (zh) * | 2024-02-23 | 2024-03-29 | 浙江强脑科技有限公司 | 仿生手的手势控制方法、存储介质、控制装置和仿生手 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102036978B1 (ko) | 라이브니스 검출 방법 및 디바이스, 및 아이덴티티 인증 방법 및 디바이스 | |
| CN110472481B (zh) | 一种睡姿检测方法、装置及设备 | |
| WO2019120029A1 (zh) | 智能调节屏幕亮度的方法、装置、存储介质及移动终端 | |
| CN109032039B (zh) | 一种语音控制的方法及装置 | |
| CN108553081B (zh) | 一种基于舌苔图像的诊断系统 | |
| CN111819521A (zh) | 信息处理装置、信息处理方法和程序 | |
| US20150131855A1 (en) | Gesture recognition device and control method for the same | |
| WO2018161289A1 (zh) | 基于深度的控制方法、基于深度的控制装置和电子装置 | |
| CN116449967A (zh) | 仿生手教具及其控制方法、主控设备 | |
| WO2021000415A1 (zh) | 活体用户检测方法、装置、计算机设备和存储介质 | |
| CN106774889B (zh) | 可穿戴装置的手势识别方法及装置 | |
| CN105022999A (zh) | 一种人码伴随实时采集系统 | |
| US9524423B2 (en) | Image recognition apparatus, control method, and program of the same | |
| CN111291671B (zh) | 手势控制方法及相关设备 | |
| CN104935698A (zh) | 一种智能终端的拍摄方法、拍摄装置及智能手机 | |
| US8817125B2 (en) | Gesture recognition using chroma-keying | |
| CN108460354B (zh) | 无人机控制方法、装置、无人机及系统 | |
| KR101498498B1 (ko) | 골격 추적을 이용한 자세 교정 방법 | |
| CN109729268B (zh) | 一种人脸拍摄方法、装置、设备及介质 | |
| EP2793166A2 (en) | Target-image detecting device, control method and control program thereof, recording medium, and digital camera | |
| TWI737588B (zh) | 拍照系統及方法 | |
| CN108596127B (zh) | 一种指纹识别方法、身份验证方法及装置和身份核验机 | |
| CN116055806A (zh) | 智能终端的模式切换处理方法、装置、终端及存储介质 | |
| CN113362243B (zh) | 模型训练方法、图像处理方法及装置、介质和电子设备 | |
| KR20120132921A (ko) | 사용자 동작／음성 기반 제어장치 및 이에 적용되는 사용자 동작／음성 기반 제어방법 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230718 |