[发明专利]一种基于瞬时肌电图像的手势识别方法

说明书

本发明公开了一种基于瞬时肌电信号的手势识别方法。在训练阶段，首先对阵列电极采集的瞬时肌电信号进行预处理，并将其按照电极位置排布成瞬时肌电图像；然后使用瞬时肌电图像及其对应的手势标签训练图像分类器，例如深度卷积神经网络，得到网络模型参数；在测试阶段，首先对阵列电极采集的待识别的瞬时肌电信号进行预处理，并将其按照电极位置排布成瞬时肌电图像；然后将训练好的模型参数带入到分类器中识别瞬时肌电信号对应的手势标签。本发明基于瞬时肌电图像和图像分类方法，可以快速准确地识别手势。国内外尚无文献使用瞬时肌电信号进行手势识别。

技术领域

本发明属于计算机与生物信号相结合领域，具体为使用以深度卷积神经网络为代表的图像分类器，对从瞬时肌电信号提取出的瞬时肌电图像所对应的手势进行识别。

背景技术

随着计算机视觉、触摸交互、感知计算等新技术的迅猛发展，感知用户界面(perceptual user interface，PUI)成为了人机交互领域的研究重点之一。感知用户界面是一种人与人及人与现实世界之间的交互活动为原型的高度互动、多通道的用户界面，它的目标是使人机交互和人与现实世界的互动变得一致来达到直观、自然的交互境界。为了使计算机能够更好地判断和理解人类的交互意图，“生、机、电一体化”是未来人机交互发展的重要趋势之一，即通过特定的传感设备将生物体的认知或感知信号(如肌电信号)数字化，并与其他感知或认知通道的信号进行集成融合，自然、协同地完成各种人机交互任务。

以往研究通常使用机器学习方法进行基于肌电信号的手势识别，即给定一段肌电信号，使用训练好的分类器进行分类，得到手势标签；该分类器是使用预先采集的肌电信号训练得到的。长期以来的相关研究一般认为瞬时的肌电信号充满随机噪声，因而不适合直接用于识别手势。传统方法一般以一段长度大于等于150毫秒的肌电信号为单位，提取多种特征形成特征向量，再使用支持向量机等分类器对特征向量进行分类，从而识别出一段肌电信号对应的手势。

随着阵列肌电电极的出现，肌肉活动在皮肤表面形成的电势场在每个时刻的空间分布可以被记录下来。本发明使用阵列电极采集瞬时肌电信号，根据电极的空间排布将瞬时肌电信号转化为肌电图像，并使用图像分类器对肌电图像进行分类，从而识别瞬时肌电信号所表示的手势。肌电图像是上述电势场的一种空间采样，蕴含了肌肉活动在某一时刻的全局特征，可以快速(零观测时延)准确地识别手势。国内外尚无文献使用瞬时肌电信号进行手势识别。

深度卷积神经网络是一种前馈神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元。该模型通常用于图像分类。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于瞬时肌电信号的手势识别方法。

本发明的目的是通过以下技术方案来实现的：一种基于瞬时肌电信号的手势识别方法，该方法包括以下步骤：

(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。