本文選題：虛擬康復(fù) + 試驗箱��； 參考：《高技術(shù)通訊》2017年03期

【摘要】：研究了基于自主研發(fā)的手部康復(fù)訓(xùn)練系統(tǒng)的康復(fù)手勢識別方法。針對現(xiàn)有手勢識別算法識別手勢過于單一、不具備針對性的問題,通過對手部功能障礙患者的手部運動及控制力的分析,提出了一種新的基于虛擬試驗箱的康復(fù)手勢識別算法。該算法的核心是利用攝像頭捕捉不同的康復(fù)手勢,并通過輔助訓(xùn)練標志板來實現(xiàn)手和輔助康復(fù)器械定位�；诟倪M的形狀上下文識別算法的處理器實現(xiàn)了康復(fù)手勢識別功能,并進一步控制虛擬場景中的物體做出相應(yīng)的反應(yīng)。該算法可以完成推、拉、懸垂、托舉、二指捏等典型康復(fù)手勢的準確識別,并與現(xiàn)有的手勢識別算法進行了準確的對比。實驗結(jié)果表明,該算法在識別率上有一定的提高,并且在識別的手勢上更具有針對性。
[Abstract]:The method of hand hand gesture recognition based on hand rehabilitation training system is studied. Aiming at the problem that the existing hand gesture recognition algorithms are too simple to be targeted, a new rehabilitation gesture recognition algorithm based on virtual test box is proposed by analyzing the hand movement and control power of the patients with hand dysfunction. The core of the algorithm is to use camera to capture different rehabilitation gestures, and to achieve hand and rehabilitation device localization through auxiliary training marker board. The processor based on the improved shape context recognition algorithm realizes the rehabilitation gesture recognition function and further controls the objects in the virtual scene to react accordingly. The algorithm can be used to recognize typical rehabilitative gestures such as push, pull, drape, lifting, two-finger pinch and so on, and is compared with the existing gesture recognition algorithms. The experimental results show that the algorithm can improve the recognition rate and is more specific in the recognition of gestures.
【作者單位】： 上海交通大學(xué)機械與動力工程學(xué)院;燕山大學(xué)電氣工程學(xué)院;
【基金】：中國國家留學(xué)生基金資助項目
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前2條

1 劉修泉;馬研;宋愛國;;基于物聯(lián)網(wǎng)遠程控制的上肢康復(fù)機器人系統(tǒng)研究[J];高技術(shù)通訊;2015年01期

2 隋云衡;郭元術(shù);;融合Hu矩與BoF-SURF支持向量機的手勢識別[J];計算機應(yīng)用研究;2014年03期

相關(guān)碩士學(xué)位論文 前1條

1 朱書華;基于邊緣方向的物體特征識別算法研究及其應(yīng)用[D];燕山大學(xué);2012年

【共引文獻】

相關(guān)期刊論文 前8條

1 丁偉利;胡艷玲;申亞輝;劉洪海;;基于虛擬試驗箱的康復(fù)手勢識別算法研究[J];高技術(shù)通訊;2017年03期

2 LE Vanbang;朱煜;NGUYEN Anhtu;;深度圖像手勢分割及HOG-SVM手勢識別方法研究[J];計算機應(yīng)用與軟件;2016年12期

3 丁毅;曹江濤;李平;姬曉飛;;復(fù)雜背景下的手勢識別算法研究[J];自動化技術(shù)與應(yīng)用;2016年08期

4 王龍;劉輝;王彬;李鵬舉;;結(jié)合膚色模型和卷積神經(jīng)網(wǎng)絡(luò)的手勢識別方法[J];計算機工程與應(yīng)用;2017年06期

5 羅建橋;劉甲甲;李柏林;熊鷹;;基于局部特征和語義信息的扣件圖像檢測[J];計算機應(yīng)用研究;2016年08期

6 丁偉利;高曉陽;蘇玉萍;李小俚;;基于曲率估計的運動平滑性度量算法[J];高技術(shù)通訊;2015年Z1期

7 余思泉;曹江濤;李平;姬曉飛;;基于空間金字塔特征包的手勢識別算法[J];智能系統(tǒng)學(xué)報;2015年03期

8 王景中;李萌;;基于LBP和PCA機器學(xué)習(xí)的手勢識別算法[J];計算機測量與控制;2015年04期

相關(guān)碩士學(xué)位論文 前1條

1 高曉陽;基于多模態(tài)交互和反饋的虛擬康復(fù)系統(tǒng)研究[D];燕山大學(xué);2016年

【二級參考文獻】

相關(guān)期刊論文 前6條

1 許祥;侯麗雅;黃新燕;章維一;;基于外骨骼的可穿戴式上肢康復(fù)機器人設(shè)計與研究[J];機器人;2014年02期

2 黃明;黃心漢;溫月;涂細凱;;便攜式二自由度腕關(guān)節(jié)康復(fù)機器人設(shè)計[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2013年S1期

3 王靜;朱琳;王瑞平;;上肢機器人對腦卒中患者上肢功能恢復(fù)的影響[J];中國實用神經(jīng)疾病雜志;2013年22期

4 章華濤;吳常鋮;郭晏;包加桐;宋愛國;;帶觸覺的肌電假手握力模糊控制方法[J];儀器儀表學(xué)報;2013年07期

5 張秋余;王道東;張墨逸;劉景滿;;基于特征包支持向量機的手勢識別[J];計算機應(yīng)用;2012年12期

6 呂廣明,孫立寧,彭龍剛;康復(fù)機器人技術(shù)發(fā)展現(xiàn)狀及關(guān)鍵技術(shù)分析[J];哈爾濱工業(yè)大學(xué)學(xué)報;2004年09期

相關(guān)碩士學(xué)位論文 前2條

1 梁艷;角點檢測理論及算法研究[D];華中科技大學(xué);2010年

2 譚慶;非參數(shù)曲線提取方法研究[D];河北工業(yè)大學(xué);2007年

【相似文獻】

相關(guān)期刊論文 前10條

1 ;新型手勢識別技術(shù)可隔著口袋操作手機[J];電腦編程技巧與維護;2014年07期

2 任海兵,祝遠新,徐光，

本文編號：1809178