换一批摘要目的 探索基于角速度、加速度、表面肌电信息融合的算法,使在嵌入式设备上实现实时手势识别成为可能.方法 以表面肌电样本熵检测动作起止点,配合多级决策树融合轨迹和肌电信息实现手语手势的识别;采用分帧隐马尔可夫(framing Hidden Markov Model,fHMM)优化策略降低识别延时;在运行速度为300 MHz的嵌入式软件上进行算法测试.结果 融合三类信息后,30个中国手语词获得97.5％±1.6％的识别率,角速度的加入使得识别率平均提高4％;同时,使用基于fHMM的分类优化策略将平均识别延时降低至(175±38)ms,减小约670 ms.结论 本文为实时手语手势识别设备的研制提供了一种可行的方案.
更多相关知识
关键词
手势识别表面肌电角速度加速度识别延时fHMMgesture recognitionsurface electromyogramangular velocityaccelerationidentification delayfHMM
分类号
TP391.41
栏目名称
DOI
10.16289/j.cnki.1002-0837.2015.03.006
发布时间
2015-07-23（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（61271138）
- 浏览0
- 被引5
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
