《基于肌电信号和加速度信号的动态手势识别方法》PDF+DOC
作者:谢小雨,刘喆颉
单位:四川省计算机学会;中国科学院成都分院
出版:《计算机应用》2017年第09期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJY2017090510
DOC编号:DOCJSJY2017090519
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多传感器融合的动态手势识别研究分析》PDF+DOC2017年第17期 马正华,李雷,乔玉涛,戎海龙,曹海婷
《基于动态时间规整的手势加速度信号识别》PDF+DOC2012年第01期 荆雷,马文君,常丹华
《基于自学习稀疏表示的动态手势识别方法》PDF+DOC2013年第06期 肖玲,李仁发,曾凡仔,屈卫兰
《基于手机加速度传感器的手势识别系统研究》PDF+DOC2016年第08期 王鹏,丁任之,何天翔,雷汝霖
《基于加速度传感器的连续动态手势识别》PDF+DOC2016年第01期 陈鹏展,罗漫,李杰
《基于神经网络的手势识别技术研究》PDF+DOC2006年第05期 江立,阮秋琦
《实时手势加速度动作分割与识别研究》PDF+DOC2012年第07期 刘蓉,刘明
《基于三轴加速度传感器的手势识别》PDF+DOC2011年第24期 刘蓉,刘明
《基于手机手势识别的媒体控制界面》PDF+DOC2010年第23期 丁跃,刘军发,陈益强,周经野
《基于加权DTW手势识别方法的研究与实现》PDF+DOC 薛俊杰,陈健美
为了增强手势识别的多样性和简便性,提出了一种基于肌电信号(EMG)和加速度(ACC)信息融合的方法来识别动态手势。首先,利用MYO传感器采集EMG和ACC的手势动作信息;然后分别对ACC和EMG信号作特征降维和预处理;最后,为减少训练样本数,提出用协作稀疏表示分类器来识别基于ACC信号的姿态手势,用动态时间规整(DTW)算法和K-最邻近分类器(KNN)来分类EMG信号的手形手势。其中在利用协作稀疏表示分类器识别ACC姿态信号时,通过对创建字典最佳样本个数以及特征降维的维数进行研究来降低手势识别的复杂度。实验结果表明,手形手势的平均识别率达到了99.17%,对于向上向下、向左向右4种姿态手势平均识别率达到96.88%,而且计算速度快;对于总体的12个动态手势,其平均识别率达到96.11%。该方法对动态手势的识别率较高,计算速度快。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。