發(fā)布時間：2021-09-04 07:21

　　手勢識別是指通過計算機自動檢測、分析并識別出人體各種手勢,由此判斷人類的意圖�，F(xiàn)有的手勢識別技術考慮的是幅度較大且指向單一的動作,考慮到日常生活中所用手勢動作的復雜性和多態(tài)性。因此為了識別出微小手勢,本文設計了12種關于手指活動情況的手勢（如手指抬起或彎曲）,采集12種手勢的表面肌電信號。以表面肌電信號為研究對象,采用基于矢量分組學習頭腦風暴算法的混合核函數(shù)支持向量機模型對12種手指手勢進行分類識別,12種手勢的分類精度可達到90%。詳細研究內容如下:首先,手勢動作的設計是手勢識別分類的前提,設計一組在日常生活中能經(jīng)常使用的手勢對于各領域的應用是非常有意義的。因此,在手勢設計方面,本文考慮人體手指活動情況,根據(jù)右手的5個手指彎曲或抬起以及拇指的內收與外展設計了12種手勢。同時確定每種手勢與手臂肌肉收縮的相關性,以及表面電極貼片的安放位置,完成12種手指手勢表面肌電信號的數(shù)據(jù)采集工作。然后,考慮到采集的sEMG信號容易混入噪聲干擾,采用巴特沃斯濾波器和50Hz陷波器對信號進行去噪處理;鑒于手勢動作信號特征提取對手勢識別分類的重要性,通過主成分分析法對提取的4種手勢動作特征降維形成一種聯(lián)合... 

【文章來源】：南昌大學江西省 211工程院校

【文章頁數(shù)】：62 頁

【學位級別】：碩士

【部分圖文】：

肌電信號應用

手勢圖片

圖 1.3 手勢指令發(fā)送：打開手指，關閉食指，關閉中指，關閉所有手指[31]此外，GaoJin 等人[37]提出了一種基于 SVM 的圖像分類器，通過改進的粒子群優(yōu)化算法對相關參數(shù)進行優(yōu)化，并且采用遺傳算法動態(tài)選擇 PSO 控制參數(shù)，所提出的 PSO 算法在為 SVM 選擇最優(yōu)參數(shù)時優(yōu)于傳統(tǒng)方法，具有較好的搜索能力，提高了圖像分類的準確性�；谇懊嫠岬降姆诸惙椒ㄒ约癙SO優(yōu)化SVM

【參考文獻】：
期刊論文
[1]非線性SVM融合LDA的sEMG手勢識別應用分析[J]. 魯立,劉頌.  激光雜志. 2014(08)
[2]支持向量機原理及展望[J]. 陳冰梅,樊曉平,周志明,李雪榮.  制造業(yè)自動化. 2010(14)
[3]基于相關性分析和支持向量機的手部肌電信號動作識別[J]. 席旭剛,李仲寧,羅志增.  電子與信息學報. 2008(10)

碩士論文
[1]基于表面肌電信號的手部動作識別方法研究[D]. 郝沙沙.河北大學 2018
[2]基于柔性電極的表面肌電信號采集與處理研究[D]. 肖翔.電子科技大學 2018
[3]基于特征值降維與多元信號融合的手部動作識別算法研究[D]. 劉俊宏.吉林大學 2017
[4]基于sEMG信號的上肢康復機器人訓練系統(tǒng)的研究[D]. 胡玉葉.天津理工大學 2017
[5]康復運動中表面肌電信號分析方法研究[D]. 馬靜云.燕山大學 2015
[6]基于表面肌電信號控制的人機交互系統(tǒng)設計[D]. 李晗.北京理工大學 2015



本文編號：3382834