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

基于惯性信号与肌电信号的手势识别方法

南京理工大学学报 2023年第6期47卷 740-747页

作者：王胜东李忠新南京理工大学机械工程学院江苏南京210094

为解决人体表面肌电信号(EMG)误差较大导致手势识别准确率低的问题,提出了一种将手指尖与关节相对于腰部尾椎位置的惯性运动信号与手臂的EMG进行融合,提取新的手势特征集并利用改进禁忌搜索优化后的反向传播(BP)神经网络分类识别。实验... 详细信息

为解决人体表面肌电信号(EMG)误差较大导致手势识别准确率低的问题,提出了一种将手指尖与关节相对于腰部尾椎位置的惯性运动信号与手臂的EMG进行融合,提取新的手势特征集并利用改进禁忌搜索优化后的反向传播(BP)神经网络分类识别。实验结果表明,该特征集相比于传统的肌电特征集准确率提高了8.5%,优化后的BP神经网络相比于优化前准确率提高了12.33%,手势识别综合准确率可达99.75%。

关键词：惯性信号肌电信号手势识别运动信号反向传播神经网络改进禁忌搜索

在线全文

学校读者我要写书评

暂无评论

基于迁移学习的表面肌电信号手势识别

南京理工大学学报 2023年第3期47卷 304-310页

作者：张应祥位少聪张茜茜周慧南京理工大学自动化学院江苏南京210094

为了解决基于深度学习方法的表面肌电(sEMG)信号手势识别模型训练中需要大量数据的问题,该文将迁移学习方法与卷积神经网络(CNN)相结合,设计了一种微调模型参数的训练方法。设计实验对16名被试者采集了8种手势的sEMG信号。利用已有被试... 详细信息

为了解决基于深度学习方法的表面肌电(sEMG)信号手势识别模型训练中需要大量数据的问题,该文将迁移学习方法与卷积神经网络(CNN)相结合,设计了一种微调模型参数的训练方法。设计实验对16名被试者采集了8种手势的sEMG信号。利用已有被试者的sEMG信号作为源域数据对CNN进行训练,模型在源域数据上的分类准确率为85.3%~98.11%。取其他被试者的sEMG信号作为目标域数据,数据量大小为源域数据的10%。在已训练好的模型基础上固定前2层卷积层,微调其余层级的参数,完成模型在不同个体间的迁移。迁移后的模型在目标域上的分类准确率为84.14%~97.4%。

关键词：迁移学习表面肌电信号手势识别深度学习方法卷积神经网络源域目标域

在线全文

学校读者我要写书评

暂无评论

手势识别在智能动感单车中的应用研究

手势识别在智能动感单车中的应用研究

作者：金伟清西安工业大学

学位级别：硕士

随着虚拟现实（Virtual Reality,VR）技术的不断发展,人机交互由理论研究阶段逐步进入实际应用。手势识别技术作为人机交互的重要技术之一,近年来受到广泛关注。目前手势识别技术主要是通过单目摄像头获取手势信息,但这种方法采集到的... 详细信息

随着虚拟现实（Virtual Reality,VR）技术的不断发展,人机交互由理论研究阶段逐步进入实际应用。手势识别技术作为人机交互的重要技术之一,近年来受到广泛关注。目前手势识别技术主要是通过单目摄像头获取手势信息,但这种方法采集到的数据很难准确描述动态手势特征。为了提高手势识别方法的准确率,本文使用双目立体视觉设备采集手势数据,提取手势动作中的多维度信息组成特征序列,并结合长短期记忆神经网络（Long Short Term Memory,LSTM）对动态手势进行分类识别。在此基础上,利用Unity3D平台设计手势交互系统,应用于新型智能动感单车产品中,实现用户使用动态手势指令控制系统的功能。主要工作内容如下:1.提出了一种动态手势数据采集算法,实现手部骨骼点实时追踪和采样。通过计算手指或关键骨骼节点的实时运动速率,采用阈值判断确定手势动作的开始点和终止点。处于开始点和终止点之间的手势数据,作为动态手势的有效数据,支撑手部骨骼点的识别追踪。并引入工艺手势库Handicraft-Gesture定义7种手势动作,制作数据集后通过独热编码（One-hot Encoding）为手势动作添加标签。2.设计了一种描述动态手势的特征序列。获取具有复杂姿态变化包括手势动作变化、手型弯曲变化和手势位移变化的手势动作,通过分析动态手势信息,对每一帧数据信息提取单个特征后,将指尖与掌心的距离、指尖角度、指尖距离手掌平面的高度和手心移动速度组合成18维的手势特征向量,对动态手势进行充分描述。3.构建了基于上述动态手势识别序列的双层长短时记忆神经网络模型,提高了手势识别的准确率。将提取到的特征序列作为模型的输入,对包含手部复杂姿态变化和位移的动态手势进行训练,在数据集上对自定义的7种动态手势动作进行分类识别并通过对比试验评估该模型的性能。结果表明,本文所提的双层长短时记忆神经网络模型相比RNN网络和单层LSTM网络的识别率更高,可以有效提高动态手势的识别准确率。4.设计并实现了基于Unity3D平台的虚拟手势识别应用,并应用于智能动感单车系统中。在该单车系统中,利用双目立体视觉设备Leap Motion获取手势数据,在LSTM网络中完成手势识别,并通过单车控制板调整单车阻力以模拟单车骑行路况。测试结果表明,本文所设计的手势识别算法在实际应用中自然流畅、准确度高。

关键词： Leap Motion 手势识别 LSTM Unity3D 虚拟应用

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于全局与局部肌电特征交互的手势识别网络

控制理论与应用 2023年

作者：肖城钢闵华松武汉科技大学信息科学与工程学院

为了更有效地捕捉肌电信号中的长期动态依赖关系和局部细节信息,减少固有肌电特征信息损失对手势分类精度的影响,提出一种基于全局-局部特征交互的手势识别网络GL-EMG-Net.首先融合空洞卷积和多头自注意力机制设计全局特征提取模块Globa... 详细信息

为了更有效地捕捉肌电信号中的长期动态依赖关系和局部细节信息,减少固有肌电特征信息损失对手势分类精度的影响,提出一种基于全局-局部特征交互的手势识别网络GL-EMG-Net.首先融合空洞卷积和多头自注意力机制设计全局特征提取模块Global-DT提取肌电信号中的全局信息;然后借助深度可分离卷积和注意力机制设计局部特征提取模块Local-SK捕捉肌电信号中不同尺度的局部细节信息,并将提取的细节信息通过反馈机制反馈至Global-DT模块,完成局部特征与全局特征的交互;最后将全局特征与局部特征融合后进行分类.实验结果表明,该手势识别网络在Ninapro DB5数据集的52种手势和实际12种常见手势分类中,表现出较高的手势分类精度和较强的鲁棒性.

关键词：表面肌电信号手势识别空洞卷积网络注意力机制特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于体感控制耦合深度相机的手势识别算法

光学技术 2022年第3期48卷 341-349页

作者：龚茜茹俞惠芳河南工业职业技术学院电子信息工程学院河南南阳473009 西安邮电大学网络空间安全学院陕西西安250104

针对当前手势识别算法易受光线变化、复杂场景等干扰,从而导致手势识别准确性下降的问题,定义了一种体感控制与深度相机的手势识别算法。所提出的手势识别方法结合了体感控制(Leap Motion)传感器和Kinect深度传感器,可以有效提高手势识... 详细信息

针对当前手势识别算法易受光线变化、复杂场景等干扰,从而导致手势识别准确性下降的问题,定义了一种体感控制与深度相机的手势识别算法。所提出的手势识别方法结合了体感控制(Leap Motion)传感器和Kinect深度传感器,可以有效提高手势识别精度与鲁棒性。通过体感控制传感器提取指尖与手的质心距离、指尖与手掌平面的高度、指尖与手掌中心的角度,以及指尖在手参照系统中的3D位置;通过Kinect深度传感器来提取手指样本与手部中心的距离、手部轮廓的局部曲率、手部形状的连通区域以及距离特征之间的相似性;为了结合两种不同传感器数据的互补信息,摒弃冗余,通过采集的指尖3D位置,找到旋转平移参数,以最小化所有采集帧中指尖点的平均投影误差来定义一种联合校准方法,确定体感控制传感器和Kinect深度传感器的外部参数,完成两种传感器坐标转换;采用支持向量机(SVM)进行分类学习,完成手势识别任务。实验表明:相对于已有的手势识别算法,所提算法不仅在***手势数据库中具有更高的平均识别率,约为97%,而且在不同光线、不同肤色和背景的复杂环境下,其同样具有更高的准确率与稳健性。

关键词：手势识别体感控制深度相机联合校准质心距离平均投影误差传感器坐标转换 SVM

注意力机制CNN结合肌电特征矩阵的手势识别研究

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 2023年第6期37卷 59-67页

作者：赵世昊周建华伏云发昆明理工大学信息工程与自动化学院昆明650500 昆明理工大学脑认知与脑机智能融合创新团队昆明650500

当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度,较少关注改善样本数据分布带来的性能提升。针对此类问题,提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制CNN,用于识别Nina... 详细信息

当前基于卷积神经网络(CNN)的手势识别研究集中于增加网络深度,较少关注改善样本数据分布带来的性能提升。针对此类问题,提出一种量化表面肌电信号(sEMG)特征相关性的肌电特征矩阵(EFM)样本输入有效通道注意力(ECA)机制CNN,用于识别NinaproDB1中52类手势。首先使用时间窗截取低通滤波后的sEMG,计算多种信号时域特征;然后利用笛卡尔积组合并相乘不同特征,对特征相乘值进行归一化后得到EFM。同时,引入ECA机制使网络关注重要的深层特征,从而提升手势分类效果。分别输入sEMG、肌电时域特征和EFM到注意力机制CNN进行手势识别,EFM识别准确率最高,达到了86.39%,高于近年来手势识别研究方法精度。验证了提出方法的有效性,为多类别手势准确分类提供可行新方案。

关键词：手势识别肌电特征矩阵有效通道注意力卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于计算机视觉手势识别的人机交互技术研究

兵器装备工程学报 2022年第1期43卷 152-160页

作者：丛玉华何啸邢长达王志胜南京理工大学紫金学院南京210023 南京航空航天大学自动化学院南京211106 南京航空航天大学深圳研究院广东深圳518063

基于手势识别的人机交互技术中,存在静态手势识别速度慢和精度低,以及手势动作可扩展性不强等问题,提出了融合注意力机制的Yolov4-Tiny算法,采用基础手势结合手势状态变化方式设计动作语义,根据动作语义调用相应的应用函数,实现人机交... 详细信息

基于手势识别的人机交互技术中,存在静态手势识别速度慢和精度低,以及手势动作可扩展性不强等问题,提出了融合注意力机制的Yolov4-Tiny算法,采用基础手势结合手势状态变化方式设计动作语义,根据动作语义调用相应的应用函数,实现人机交互。测试结果表明:所设计的算法在保证识别速度的基础上识别精度提升了19.38%,动态手势识别准确率达到96.5%,人机交互运行时间小于200 ms。

关键词：人机交互手势识别注意力机制 Yolov4-Tiny 交互接口

在线全文

学校读者我要写书评

暂无评论

视觉手势识别的移动机器人手势控制系统设计

机械科学与技术 2022年第8期41卷 1247-1253页

作者：龙樟卢成娅李国鹏张维烈温飞娟李波西南石油大学工程学院四川南充637000 西南石油大学信息学院四川南充637000

为了实现机器人控制人机交互的智能化与多功能化,提出了基于视觉手势识别的移动机器人手势控制系统。采用麦克纳姆轮搭建了全向四轮移动机器人平台,以主从控制作为机器人整体控制构架,采用PC机搭建了上位机视觉手势识别系统,采用树莓派... 详细信息

为了实现机器人控制人机交互的智能化与多功能化,提出了基于视觉手势识别的移动机器人手势控制系统。采用麦克纳姆轮搭建了全向四轮移动机器人平台,以主从控制作为机器人整体控制构架,采用PC机搭建了上位机视觉手势识别系统,采用树莓派设计了下位机机器人运动控制系统,并利用较高可靠性的TCP协议实现了上、下位机WIFI无线通信。采用改进的VGG16网络模型设计了手势识别算法,利用建立的手势图像数据库对网络模型进行训练和测试,通过对改进结构VGG16网络的应用,实现了高准确度的手势图像识别。通过实验验证了视觉识别手势控制移动机器人方案的可行性,为手势控制的应用提供了理论参考。

关键词：手势识别深度学习卷积神经网络手势控制

在线全文

学校读者我要写书评

暂无评论

基于机器视觉的静态手势识别实验设计

实验技术与管理 2023年第6期40卷 187-191,198页

作者：白煜李香萍张雨菡天津大学电气自动化与信息工程学院天津300072

该文面向本科实践教学,以静态手势识别为目标,利用机器学习开发了机器视觉实验项目。在实验的算法设计部分,分别利用支持向量机和卷积神经网络实现了两种手势识别算法。文中详细介绍了两种手势识别算法的原理、特点和流程。在实验的算... 详细信息

该文面向本科实践教学,以静态手势识别为目标,利用机器学习开发了机器视觉实验项目。在实验的算法设计部分,分别利用支持向量机和卷积神经网络实现了两种手势识别算法。文中详细介绍了两种手势识别算法的原理、特点和流程。在实验的算法验证部分,详细介绍了利用Python语言、编译环境和数据集实现算法仿真的方法。仿真结果显示,两种算法均可有效识别多种静态手势。该实验项目包括任务分析、算法设计、算法优化、编程实现、结果分析等环节。通过本实验的训练,有助于提升本科生在智能图像处理领域的实践能力。

关键词：机器视觉卷积神经网络支持向量机手势识别