10.16208/j.issn1000-7024.2018.06.040
基于多特征组合的动态手势识别
为提高动态手势的识别效果,提出一种基于多特征组合的动态手势分类方法.对表面肌电(surface electromyogra-phy,SEMG)和加速度计(accelerometer,ACC)传感器进行特征水平上的融合,分别对两类传感器提取多种类型特征并组合,通过实验对比分析选出最优特征组合.为对短时间肌肉收缩有较好连续性,采用样本熵对表面肌电检测活动段起始点,以隐马尔可夫模型(hidden Markov model,HMM)对手势动作进行识别.实验结果表明,采用最优特征组合后,5名受试者对10类动态手势获得(94.13±1.07)%的平均识别率,有效提高了手势分类准确性.
表面肌电、加速度计、特征组合、隐马尔可夫模型、样本熵、手势识别
39
TP391.4(计算技术、计算机技术)
江苏省自然科学基金项目BK20140265
2018-07-19(万方平台首次上网日期,不代表论文的发表时间)
共6页
1727-1732