[发明专利]一种基于瞬时肌电图像的手势识别方法

权利要求书

1.一种基于瞬时肌电信号的手势识别方法，其特征在于，包括以下步骤：

（1）通过阵列电极采集瞬时肌电信号；

（2）对阵列电极采集的瞬时肌电信号进行预处理，生成瞬时肌电图像，具体包含如下步骤：

（2.1）将±2.5mV区间的瞬时肌电信号线性变换到0到255区间内；

（2.2）将瞬时肌电信号按照电极的空间位置排布成瞬时肌电图像；

（3）训练瞬时肌电图像分类器，得到分类器的模型参数；

（4）使用步骤（3）中训练的瞬时肌电图像分类器识别手势，具体包含如下子步骤：

（4.1）对阵列电极采集的待识别的瞬时肌电信号进行步骤（2）中的预处理，得到待处理的瞬时肌电图像；

（4.2）将步骤（3）中训练得到的模型参数带入到瞬时肌电图像分类器中识别待处理的瞬时肌电图像对应的手势。

2.根据权利要求1所述的一种基于瞬时肌电信号的手势识别方法，其特征在于，步骤（2.2）中，将每个时刻的瞬时肌电信号值按照阵列电极的空间位置排布成矩阵，形成瞬时肌电图像；瞬时肌电图像是单通道的灰度图像，其高度和宽度分别与阵列电极的行数和列数相等。

3.根据权利要求1所述的一种基于瞬时肌电信号的手势识别方法，其特征在于，步骤（3）中采用卷积深度神经网络作为瞬时肌电图像分类器，具体包含如下子步骤：

（3.1）使用彩色图像上预训练的VGGNet初始化用于从瞬时肌电图像中分类手势的网络模型；

（3.2）使用预先采集的多人的瞬时肌电信号经步骤（2）中的预处理，使用预处理得到的瞬时肌电图像及其对应的手势标签训练网络模型，得到网络模型参数。

4.根据权利要求3所述的一种基于瞬时肌电信号的手势识别方法，其特征在于，步骤（3.1）中，使用彩色的自然图像预训练用于分类动物、车辆自然物体的16层的VGGNet，然后使用该网络的前4个卷积层初始化以瞬时肌电图像为输入的，用于分类手势的网络模型；其中第一个卷积层的初始化方法是：将预训练的VGGNet的第一层的RGB 3个通道的权重矩阵求和，并将结果作为新的网络模型的第一层的权重矩阵。