[發明專利]一種肌電手勢識別方法和系統

有效

• 申請號: 201710566320.7
• 申請日: 2017-07-12
• 公開（公告）號: CN107480697B
• 公開（公告）日: 2020-04-03
• 發明（設計）人: 陳益強;張迎偉;于漢超;楊曉東
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;梁揮

本發明涉及一種肌電手勢識別方法和系統，該方法由三個步驟組成：特征集構建，利用肌電臂環獲取用戶肌電手勢數據，經過卡爾曼濾波、矩形滑動窗口機制分割和經驗模態分解等預處理操作之后，提取該肌電手勢數據的時域、頻域特征構建特征集；基于標準空間的特征表示，將特征集輸入位置預測模型，預測當前肌電臂環佩戴位置，根據位置預測結果將原始特征轉化為標準空間的特征表示；手勢識別，根據標準空間的特征，構建手勢識別模型，識別用戶手勢。本發明提出的方法能夠解決手勢識別過程中，因肌電臂環佩戴位置變化造成的識別精度降低的問題，具有識別精度高等方面的優勢。

技術領域

本發明涉及信號處理、人機交互以及普適計算等領域，具體地說，本發明 涉及一種可穿戴肌電手勢識別方法。

背景技術

近年來，隨著生物電信號感知技術的不斷發展，基于可穿戴肌電信號(Electromyography，EMG)的手勢識別應用正在不斷普及，已經成為繼基于 計算機視覺、運動傳感器、超聲波、電磁波等手勢識別方案之后的主要手勢識 別方法，具有可識別精細手勢、不受光線和環境噪聲影響、非侵擾、響應速度 快等方面的優勢。相關專利有CN201610824475.1、CN201610396781.X、 CN201610112032.X、CN201510704995.4、CN201310568203.6、 CN201310531766.8等。

基于的肌電信號手勢識別是一種新型的非接觸式手勢識別方法，該方法通 過肌電信號判斷前臂上端當前活躍區域及活動強度，進而識別用戶手勢。肌電 信號是骨骼肌收縮時產生的一種生物電信號，可通過佩戴于前臂上端的肌電儀 測量得到。傳統的肌電儀形態主要有兩種，一種由固定于皮膚表面的電極構成， 具有位置固定、測量精準的優勢，但穿戴不便；另一種由大規模電極陣列組成， 能夠測量前臂多個區域的肌肉活動變化，但需要很多電極且設備配置復雜。針 對以上兩種肌電信號感知設備的不足，能夠同時兼顧精準、可穿戴要求的電臂 環逐漸出現并扮演者越來越重要的角色。

肌電信號的強烈位置相關性要求肌電臂環使用過程中必須保持佩戴位置 一致，細微的位置改變，都將造成識別準確率降低。該要求不僅降低使用過程 中的用戶體驗，而且無法避免因外力影響造成的佩戴位置位移問題。

發明內容

為解決上述問題，本發明提出了一種肌電手勢識別方法，如圖1所示。該 方法由三個階段組成：特征集構建、基于標準空間的特征表示、手勢識別。特 征集構建階段，利用肌電臂環獲取用戶手勢數據，經過濾波、分割、分解等預 處理操作之后，提取肌電信號時域、頻域特征構建特征集；基于標準空間的特 征表示階段，將特征集輸入位置預測模型，預測當前肌電臂環佩戴位置，接著， 根據位置預測結果將原始特征轉化為標準空間的特征表示；手勢識別階段，根 據標準空間的特征，構建手勢識別模型，識別用戶手勢。本發明提出的方法能 夠解決手勢識別過程中，因肌電臂環佩戴位置變化造成的識別精度降低的問題。

具體來說，本發明涉及一種肌電手勢識別方法，其特征在于包括：

步驟1、采集手勢的肌電信號，對該手勢肌電信號進行數據分割并分解為 本征模函數分量；對該手勢肌電信號和該本征模函數分量提取細粒度特征，將 該細粒度特征按手勢特征構建手勢特征集；使用該手勢特征集對肌電臂環上的 佩戴位置預測模型進行訓練；

步驟2、使用該手勢特征集通過肌電臂環上的佩戴位置預測模型進行肌電 臂環位置預測，得到該手勢肌電臂環位置預測結果；根據該預測結果，將該手 勢特征集進行以標準空間表示的變換，生成標準空間表示的手勢特征集；將該 標準空間表示的手勢特征集建立手勢識別模型，并采用隨機森林算法對該手勢 識別模型進行訓練；

步驟3、采集當前時刻肌電信號，經數據分割、分解、細粒度特征提取后， 構建當前時刻肌電信號的特征集，對該特征集進行以標準空間表示的變換，生 成當前時刻標準空間表示的特征集，將該當前時刻標準空間表示的特征集通過 手勢識別模型得到當前時刻手勢識別結果。