本發(fā)明涉及一種手勢(shì)識(shí)別方法，具體涉及一種基于卷積神經(jīng)網(wǎng)絡(luò)的表面肌電信息圖像的手勢(shì)識(shí)別方法。

背景技術(shù)：

1、現(xiàn)有的對(duì)基于表面肌電信號(hào)的手勢(shì)識(shí)別技術(shù)，其主要思路都是通過(guò)獲取有效的肌電信息建立準(zhǔn)確性和魯棒性能更好的模型。在對(duì)于肌電信號(hào)的特征提取方面，常采用時(shí)域特征、頻域特征和時(shí)頻域特征等分析方法提取肌電信號(hào)的信息，再結(jié)合數(shù)據(jù)降維分析的方法減少特征維度優(yōu)化數(shù)據(jù)。而模型的選擇更多的取決于具體的目標(biāo)任務(wù)，常用的包括傳統(tǒng)的機(jī)器學(xué)習(xí)、深度學(xué)習(xí)以及混合算法?，F(xiàn)有的相關(guān)技術(shù)研究水平對(duì)于實(shí)現(xiàn)手勢(shì)識(shí)別已經(jīng)取得一些成果，但仍存在著一定的不足，需有待深入研究：1)現(xiàn)有的特征提取方法可能提取多個(gè)具有類似信息的特征，導(dǎo)致冗余數(shù)據(jù)，增加計(jì)算負(fù)擔(dān)。2)一些特征選擇方法計(jì)算量大，處理時(shí)間長(zhǎng)。3)肌電信號(hào)的非線性特性難以通過(guò)線性特征提取方法充分捕捉，限制了識(shí)別能力。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有基于表面肌電信號(hào)手勢(shì)識(shí)別過(guò)程中特征提取和選擇的方法仍存在提取到的肌電信息存在一定的冗余性和局限性的問(wèn)題，本發(fā)明的目的是提供一種基于表面肌電信號(hào)連續(xù)小波變換圖像的手勢(shì)識(shí)別方法。

2、本發(fā)明的目的是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的：

3、一種基于表面肌電信號(hào)連續(xù)小波變換圖像的手勢(shì)識(shí)別方法，包括如下步驟：

4、步驟一、將表面肌電信號(hào)進(jìn)行預(yù)處理，進(jìn)行活動(dòng)段的識(shí)別以及不同手勢(shì)的切分；

5、步驟二、對(duì)每一個(gè)通道進(jìn)行連續(xù)小波變換處理：通過(guò)對(duì)每一個(gè)通道進(jìn)行連續(xù)小波變換處理，得到每一個(gè)通道的時(shí)間-頻率關(guān)系；

6、步驟三、繪制能量分布圖像，并將每個(gè)通道圖片以jpg格式單獨(dú)保存：生成x軸是時(shí)間，y軸是尺度的尺度圖，將尺度圖轉(zhuǎn)化為rgb圖像，調(diào)整rgb圖像大小并保存為jpg文件；

7、步驟四、對(duì)各個(gè)通道圖像進(jìn)行整合處理：將同一個(gè)動(dòng)作的各個(gè)通道的能量分布圖像進(jìn)行整合拼接處理，獲得各個(gè)通道的縱向拼接圖；

8、步驟五、對(duì)圖像進(jìn)行加窗處理：對(duì)步驟四獲得的縱向拼接圖中的每一個(gè)動(dòng)作圖像依次進(jìn)行加窗處理，將圖像根據(jù)通道進(jìn)行橫向拼接，獲得每個(gè)動(dòng)作的橫向拼接圖；

9、步驟六、將步驟五生成的橫向拼接圖作為卷積神經(jīng)網(wǎng)絡(luò)模型的輸入，利用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)手勢(shì)進(jìn)行模式分類。

10、相比于現(xiàn)有技術(shù)，本發(fā)明具有如下優(yōu)點(diǎn)：

11、本發(fā)明解決了現(xiàn)有的基于表面肌電信號(hào)手勢(shì)識(shí)別過(guò)程中特征提取和選擇的方法仍存在提取到的肌電信息存在一定的冗余性和局限性的問(wèn)題，對(duì)手勢(shì)識(shí)別能力的提升具有重要意義。同時(shí)，該方法可以進(jìn)行高維數(shù)據(jù)處理，捕捉復(fù)雜手勢(shì)的細(xì)節(jié)，可以應(yīng)用于人機(jī)交互、醫(yī)療康復(fù)以及智能控制等多項(xiàng)領(lǐng)域。

技術(shù)特征：

1.一種基于表面肌電信號(hào)連續(xù)小波變換圖像的手勢(shì)識(shí)別方法，其特征在于所述方法包括如下步驟：

2.根據(jù)權(quán)利要求1所述的基于表面肌電信號(hào)連續(xù)小波變換圖像的手勢(shì)識(shí)別方法，其特征在于所述步驟一的具體步驟如下：

技術(shù)總結(jié)
本發(fā)明公開(kāi)了一種基于表面肌電信號(hào)連續(xù)小波變換圖像的手勢(shì)識(shí)別方法，所述方法如下：一、將表面肌電信號(hào)進(jìn)行預(yù)處理，進(jìn)行活動(dòng)段的識(shí)別以及不同手勢(shì)的切分；二、對(duì)每一個(gè)通道進(jìn)行連續(xù)小波變換處理；三、繪制能量分布圖像，并將每個(gè)通道圖片以jpg格式單獨(dú)保存；四、對(duì)各個(gè)通道圖像進(jìn)行整合處理；五、對(duì)圖像進(jìn)行加窗處理；六、利用卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)手勢(shì)進(jìn)行模式分類。本發(fā)明解決了現(xiàn)有的基于表面肌電信號(hào)手勢(shì)識(shí)別過(guò)程中特征提取和選擇的方法仍存在提取到的肌電信息存在一定的冗余性和局限性的問(wèn)題，對(duì)手勢(shì)識(shí)別能力的提升具有重要意義。同時(shí)，該方法可進(jìn)行高維數(shù)據(jù)處理，捕捉復(fù)雜手勢(shì)的細(xì)節(jié)，可應(yīng)用于人機(jī)交互、醫(yī)療康復(fù)以及智能控制等多項(xiàng)領(lǐng)域。

技術(shù)研發(fā)人員：姜力,曾琳,吳聞昊,程明
受保護(hù)的技術(shù)使用者：哈爾濱工業(yè)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2