[發明專利]一種基于CAE-SVM的機器人手勢識別方法

有效

• 申請號: 202010014564.6
• 申請日: 2020-01-07
• 公開（公告）號: CN111241982B
• 公開（公告）日: 2023-04-28
• 發明（設計）人: 應明峰;莫曉暉;杭阿芳;吳敏;苗甜銀;司立眾;陳淼;高峰
• 申請（專利權）人: 金陵科技學院
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06F18/2411
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 朱欣欣

1.基于CAE-SVM的機器人手勢識別方法，具體步驟如下，其特征在于,

步驟1：使用肌電采集傳感器采集的表面肌電信號樣本，同時制作樣本數據庫，并劃分訓練樣本和測試樣本；

步驟2：構建CAE模型，確定CAE模型隱含層的層數、隱含層神經元的數目，壓縮系數λ；

步驟3：將表面肌電信號送入CAE網絡中，提取表面肌電信號的深層特征；

步驟4：將提取的肌電信號深層特征輸入到SVM模型中進行分類；

所述的提取表面肌電信號的深層特征：

從訓練好的CAE模型隱含層中提取深層特征，原始數據到提取深層特征的步驟分為:編碼過程和解碼過程；

編碼過程是將原始數據x⁽ⁿ⁾輸入到輸入層在傳到隱含層，實現對原始數據的編碼：

h₁＝σ(W₁x⁽ⁿ⁾+b₁)?(1)

其中，h₁是第一個隱含層的輸出，σ是激活函數，W₁和b₁分別是權重和閾值；

解碼過程是將隱含層提取的樣本特征輸出到輸出層，實現對隱含層提取的樣本特征的解碼：

CAE網絡在數據解碼重構時，通過在損失函數中將雅可比矩陣F范數的平方作為約束項，即

其中λ是壓縮比例系數，為雅可比矩陣F范數的平方，記為：

其中，h_i表示隱含層輸出，W_ij表示CAE網絡中層與層之間的連接權值；將最后一層隱含層的輸出作為樣本特征；

步驟5：將CAE-SVM模型輸出的類別控制機器人動作；

所述的CAE-SVM模型：

設線性可分的樣本集為(x_i,y_i)，其中i＝1,2,...,n，x_i是通過CAE網絡提取的n個特征，y_i是手勢的類別標號，通過間隔最大化學習得到分類的最優超平面為：

ω·x+b＝0?(5)

式中ω是法向量，決定了超平面的方向，b是位移量，決定超平面與原點的距離；相應的線性分類函數的一般形式為：

f(x)＝ω·x+b?(6)

同時最優超平面使所有樣本點滿足：

|f(x)|≥1?(7)

SVM的支持向量是令式6成立的樣本點。

2.根據權利要求1基于CAE-SVM的機器人手勢識別方法，其特征在于：所述的構建CAE模型：CAE網絡結構設置為1000-500-300-6的網絡結構，壓縮系數λ為0.003，最大迭代次數設置為300，學習率設置為0.05，激活函數設置為Sigmoid，誤差函數采用均方根誤差。

3.根據權利要求1基于CAE-SVM的機器人手勢識別方法，其特征在于：所述的機器人動作：

手爪動作、手腕動作、手爪閉合、手爪張開、手腕順時針旋轉、手腕逆時針旋轉，共6種機器人手臂動作類型。