检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于GA-BLS方法的手势识别研究

计量学报 2024年第1期45卷 121-127页

作者：杜义浩曹添福范强王孝冉燕山大学电气工程学院河北省测试计量技术及仪器重点实验室、河北省智能康复及神经调控重点实验室河北秦皇岛066004

为进一步提升人机交互领域中手势识别的精度和速度,探究肌肉疲劳对手势识别的影响规律,提出了改进的GA-BLS方法,利用遗传算法(genetic algorithms,GA)优化宽度学习(broad learning system,BLS)模型参数,并使用弹性网络回归改进传统的BL... 详细信息

为进一步提升人机交互领域中手势识别的精度和速度,探究肌肉疲劳对手势识别的影响规律,提出了改进的GA-BLS方法,利用遗传算法(genetic algorithms,GA)优化宽度学习(broad learning system,BLS)模型参数,并使用弹性网络回归改进传统的BLS模型。利用所提模型对8种手势下的A型超声信号和肌电信号进行手势识别分析,并与SVM、KNN、RF、LDA等方法进行对比,以验证所研究方法的有效性;将长时间段下的A型超声信号和肌电信号切分成4个数据段,发现随着肌肉疲劳程度的增加,手势识别的准确率均呈现出明显下降的趋势,而且A型超声信号相较于肌电信号具有更好的抗疲劳特性。

关键词：手势识别生理信号遗传算法宽度学习肌肉疲劳弹性网络回归

在线全文

学校读者我要写书评

暂无评论

融合注意力机制的多视图卷积手势识别研究

计算机工程 2024年第3期50卷 208-215页

作者：袁文涛卫文韬高德民南京林业大学信息科学技术学院江苏南京210037 南京理工大学设计艺术与传媒学院江苏南京210094

基于表面肌电信号(sEMG)的手势识别在人机交互中发挥着重要作用,然而,由于sEMG具有非线性和随机性,因此提升基于稀疏多通道sEMG的手势识别准确率难度较高。提出一种融合注意力机制的多视图卷积手势识别模型。首先使用200 ms滑动窗口提... 详细信息

基于表面肌电信号(sEMG)的手势识别在人机交互中发挥着重要作用,然而,由于sEMG具有非线性和随机性,因此提升基于稀疏多通道sEMG的手势识别准确率难度较高。提出一种融合注意力机制的多视图卷积手势识别模型。首先使用200 ms滑动窗口提取经典的sEMG特征集构建多视图输入,其次利用高效通道注意力对多视图特征在通道维度进行加权,以强化有效特征同时弱化无效特征,最后通过多视图卷积从带有注意力权重的肌电特征中提取高层特征,利用高层特征融合模块对其进行融合以降低数据维度并提高模型鲁棒性。在NinaPro DB1、NinaPro DB5、NinaPro DB73个肌电公共数据集上进行训练和评估,结果表明,该模型在200 ms滑动采样窗口上的平均识别准确率分别为87.98%、94.97%和89.67%,整段手势动作的平均投票准确率分别为97.38%、98.41%和97.09%,平均信息传输率为1308.71 bit/min。与传统机器学习方法和近年来前沿的深度学习手势识别方法相比,所提模型在单模态肌电和多模态手势识别上均具有更高的识别准确率,验证了其有效性和通用性。

关键词：表面肌电信号手势识别特征提取注意力机制多视图卷积

卷积神经网络结合子域适应的低采样率肌电手势识别

在线全文

学校读者我要写书评

暂无评论

浙江大学学报（工学版） 2024年第10期58卷 2011-2019页

作者：周雕熊馨周建华宗静张琪昆明理工大学信息工程与自动化学院云南昆明650500

为了提升模型识别低采样率肌电手势的性能,提出新的识别方法.通过信息扩展层对预处理后的低采样率肌电信号信息进行扩展,增强关键特征的表示.在特征提取网络中,利用子域适应网络提取源域与目标域中的域不变特征后进行域不变特征分类.使... 详细信息

为了提升模型识别低采样率肌电手势的性能,提出新的识别方法.通过信息扩展层对预处理后的低采样率肌电信号信息进行扩展,增强关键特征的表示.在特征提取网络中,利用子域适应网络提取源域与目标域中的域不变特征后进行域不变特征分类.使用NinaPro数据库中的DB1和DB5子数据库对所提方法进行评估.实验结果表明,所提方法识别53种和52种手势的最高准确率分别为90.89%(DB1)、89.90%(DB5)和82.01%(DB1)、77.07%(DB5),能够降低电极移位、肌肉疲劳、皮肤阻抗的变化和肌肉相对电极的相对运动等因素对低采样率肌电手势识别的影响.

关键词：低采样率表面肌电手势识别子域适应信息扩展挤压与激励注意力机制

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

虚拟现实中基于轻量级神经网络的手势识别

南京理工大学学报 2024年第3期48卷 367-373页

作者：龚新儒张德育谢少威闽南科技学院艺术设计学院福建泉州362332 沈阳理工大学信息科学与工程学院辽宁沈阳110159 华南师范大学美术学院广东广州510631

手势是虚拟现实环境中的重要输入方式,手势识别的精准度和效率为虚拟现实环境的有效交互提供了基础。为了提高虚拟现实环境中手势识别的正确率和速度,提出了一种基于轻量级优化卷积神经网络的手势识别模型。首先,对手势图像样本进行特... 详细信息

手势是虚拟现实环境中的重要输入方式,手势识别的精准度和效率为虚拟现实环境的有效交互提供了基础。为了提高虚拟现实环境中手势识别的正确率和速度,提出了一种基于轻量级优化卷积神经网络的手势识别模型。首先,对手势图像样本进行特征提取及初始化,并构建卷积神经网络手势识别模型。然后,借助MobileNet V2进行轻量化处理,通过深度与逐点卷积,有效降低手势识别模型参数量和计算量。最后,根据最小化手势识别误差反向求解神经网络的各个参数。试验结果表明,所提轻量级神经网络的手势识别准确率相对于原始卷积神经网络有微小下降,但其识别效率却大幅提升,特别是在大规模手势样本的识别场景下。轻量级卷积神经网络表现出了较高的识别综合性能,在虚拟现实环境下的手势识别适应度较高。

关键词：手势识别卷积神经网络虚拟现实轻量化

基于DSC-SGRU模型的Wi-Fi手势识别系统研究

在线全文

学校读者我要写书评

暂无评论

电子测量与仪器学报 2024年

作者：何育浪赵志彪李振李珊珊天津职业技术师范大学自动化与电气工程学院天津市信息传感与智能控制重点实验室

Wi-Fi无线感知技术已成为感知领域的研究热点，能够实现对人体活动和周围环境的智能感知。现有的无线感知模型参数量较大，在移动设备等算力有限的场景中难以实时感知。为此，提出了一种基于深度可分离卷积的轻量级特征提取模块和堆叠... 详细信息

Wi-Fi无线感知技术已成为感知领域的研究热点，能够实现对人体活动和周围环境的智能感知。现有的无线感知模型参数量较大，在移动设备等算力有限的场景中难以实时感知。为此，提出了一种基于深度可分离卷积的轻量级特征提取模块和堆叠的门控循环单元混合的分类识别模型。首先基于深度可分离卷积构建了轻量的特征提取模块，用以捕获人体手势的空间特征，并保持特征的时序性不发生变化；然后使用双层堆叠的GRU网络学习人体手势的时空特征；最后使用开源数据集Widar对模型的性能进行验证，提取CSI信息中的BVP特征以提高跨域场景的识别准确率，并利用加权的损失函数来解决样本不均衡问题。结果表明，提出的模型在跨域场景下准确率达到77.6%，参数量仅有236.891K。与现有的其它Wi-Fi手势识别模型相比，提出的模型在性能基本保持不变的情况下，极大地降低了模型的参数和计算复杂度，为Wi-Fi无线感知技术在实际应用中的推广奠定了基础。

关键词：无线感知信道状态信息(CSI) 深度学习手势识别跨域

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于注意力残差网络的特征肌电图手势识别

兰州大学学报（自然科学版） 2024年第3期60卷 357-362页

作者：赵世昊周建华熊馨昆明理工大学信息工程与自动化学院昆明650500

基于表面肌电信号的手势识别方法效果欠佳,提出一种信号的特征样本构造方法和注意力残差网络(ARN),用于识别NinaproDB1中的23类功能性抓握手势.样本构造过程中利用巴特沃斯滤波器对表面肌电信号进行一阶1 Hz低通滤波,去除噪声干扰并保... 详细信息

基于表面肌电信号的手势识别方法效果欠佳,提出一种信号的特征样本构造方法和注意力残差网络(ARN),用于识别NinaproDB1中的23类功能性抓握手势.样本构造过程中利用巴特沃斯滤波器对表面肌电信号进行一阶1 Hz低通滤波,去除噪声干扰并保留通频带和过渡带信号;用时间窗截取滤波信号生成表面肌电图;计算信号平均绝对值、方差和波长特征,融合生成特征肌电图.引入注意力机制和残差连接改进卷积神经网络,搭建ARN用于手势识别.将特征肌电图样本输入ARN,在测试集中的手势识别准确率为86.87%,证明构造的信号特征样本结合ARN识别实用手势的有效性.

关键词：手势识别表面肌电图特征肌电图注意力残差网络

在线全文

学校读者我要写书评

暂无评论

基于迁移学习的肌电信号手势识别方法研究

中北大学学报（自然科学版） 2024年第4期45卷 531-538页

作者：游昌欣韩晶常皓任兵李玉菡韩衍中北大学机电工程学院太原030051 中国人民解放军32382部队北京100072

在利用肌电信号进行手势识别的过程中,受行为习惯、肌肉组织以及佩戴方式不同等影响,往往存在手势训练时间长、数据量大、识别准确度低、实时性差等难题。为此,本文运用迁移学习理论对LSTM算法模型进行改进,选取不同状态的手势组成源任... 详细信息

在利用肌电信号进行手势识别的过程中,受行为习惯、肌肉组织以及佩戴方式不同等影响,往往存在手势训练时间长、数据量大、识别准确度低、实时性差等难题。为此,本文运用迁移学习理论对LSTM算法模型进行改进,选取不同状态的手势组成源任务,以训练好的LSTM网络作为源网络模型,对设定的6种手势完成两种迁移策略与非迁移策略下的手势识别对比实验。结果表明:采用预训练方式的迁移学习策略识别效果优于固定值方式的迁移策略。当采用预训练迁移策略的方式改进LSTM手势识别算法时,其训练时间仅为使用LSTM识别算法所需训练时间的1/16,当每个动作仅重复20次时,准确率就可以达到80.2%,比仅使用源网络中的LSTM手势识别方法平均高出22%。因此,采用迁移学习方法在减轻训练量的同时,也可以提高手势识别的准确率。

关键词：肌电传感技术迁移学习神经网络无人系统手势识别

基于实时肌肉疲劳特征融合的表面肌电手势识别增强算法

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2024年

作者：严仕嘉杨晔易鹏上海师范大学信息与机电工程学院上海智能教育大数据工程技术研究中心

本研究旨在优化基于表面肌电图的手势识别技术，重点考虑肌肉疲劳对识别性能的影响。文中提出了一种创新的实时分析算法，可实时提取肌肉疲劳特征，并将其融入手势识别过程中。基于自行采集的数据，本文应用卷积神经网络和长短期记忆网... 详细信息

本研究旨在优化基于表面肌电图的手势识别技术，重点考虑肌肉疲劳对识别性能的影响。文中提出了一种创新的实时分析算法，可实时提取肌肉疲劳特征，并将其融入手势识别过程中。基于自行采集的数据，本文应用卷积神经网络和长短期记忆网络等算法对肌肉疲劳特征的提取方法进行了深入分析，并对比了肌肉疲劳特征对基于表面肌电图的手势识别任务的性能影响。研究结果显示，通过实时融合肌肉疲劳特征，本文所提出的算法对不同疲劳等级的手势识别准确率均有提升，对于不同个体的平均识别准确率也有提升。综上，本文算法不仅提升了手势识别系统的适应性和鲁棒性，而且其研究过程也可为生物医学工程领域中手势识别技术的发展提供新的见解。

关键词：表面肌电信号肌肉疲劳手势识别卷积神经网络长短期记忆网络

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向无人机的可穿戴手势识别综述

中北大学学报（自然科学版） 2024年第2期45卷 146-157页

作者：游昌欣韩晶方帆任兵李玉菡曹杨李洁中北大学机电工程学院山西太原030051 中国人民解放军32382部队北京100072 中北大学材料科学与工程学院山西太原030051

无人机实现通用化的关键之一是开发一种自然、直观的交互方式。手势作为日常生活中最普遍的交流方式之一,成为研究无人机人机交互的重点。本综述聚焦于穿戴式手势传感与识别方法,分析了肌电、应力应变、运动、超声和光电传感等主要手势... 详细信息

无人机实现通用化的关键之一是开发一种自然、直观的交互方式。手势作为日常生活中最普遍的交流方式之一,成为研究无人机人机交互的重点。本综述聚焦于穿戴式手势传感与识别方法,分析了肌电、应力应变、运动、超声和光电传感等主要手势数据的采集方式,并提出了动态和静态手势的数据处理与识别算法。此外,本综述还探讨了手势识别技术在无人机实时避障、路径规划与轨迹跟踪方面的应用。最后,总结了当前手势识别技术面临的普适性、鲁棒性和实时性等关键问题,并讨论了未来可穿戴手势识别技术的发展方向。通过与生物传感技术、边缘计算、云计算、强化学习、自适应学习以及多模态数据融合等技术的紧密结合,推动手势识别技术朝着更高精度、更自然的交互方式和更广泛的应用领域发展。

关键词：可穿戴设备手势识别人机交互无人机传感技术