[发明专利]一种基于肌电信号手语识别翻译臂环及手语识别方法

说明书

本发明主要公开了一种基于肌电信号手语识别翻译臂环及手语识别方法，包括臂环主体、连接带、肌电传感器、九轴惯性测量传感器、单片机、蓝牙模块以及扬声器，所述臂环主体由若干闭环外壳组成，相邻闭环外壳之间通过连接带连接，所述连接带与闭环外壳可拆卸连接，所述肌电传感器和九轴惯性测量传感器分别与单片机连接，通过肌电传感器采集肌电信号，通过九轴惯性测量传感器采集惯性信号，然后STM32单片机对肌电信号与惯性信号进行处理，并传输到外接的PC端或移动端上，通过PC端或移动端将对肌电信号与惯性信号发送给外部服务器，通过外部服务器进行深度学习的算法解算然后进行反馈，最后通过扬声器进行播放。

技术领域

本发明涉及手势识别控制技术领域，尤其是涉及一种基于肌电信号手语识别翻译臂环及手语识别方法。

背景技术

目前识别手势动作的方法有很多种，例如光学，压力传感器等。通过图像拍摄手部的动作，双目视觉解算每个手指、手掌、小臂的动作。也可以佩戴压力传感器手套，通过压力和惯性导航重新得到手指动作。这些方法都是可行的，但是需要一个比较负责的外设。例如光学成像必须有双目摄像机，而且不能运动中拍摄。手套更加复杂，需要佩戴，而且体积较大。为了设计便携，快速使用的手势识别工具，需要采用更高级，更原始的信号。

肌肉电信号是人体电信号的一种，和脑电波类似。在人体肌肉收缩和舒张的时候，肌肉生物电电压会产生电势差，通过电极可以采集到这种变化。肌电信号的电压幅值因人而异，大约在50mV,频率在200-100Hz。

人体小臂肌肉的三块主要肌肉能够比较完备的表达出手臂和手指的动作，因此通过在小臂部分佩戴臂环的方式，测量肌电信号，从而重构出手势动作。

参考中国专利申请号为CN201720816796.7，名称为一种手语识别翻译臂环，只是阐述了基本结构，并未对识别的性能做出改进，识别准确率低下，鲁棒性差，这种传统的识别方法包括支持向量机、隐马尔可夫等模式识别手段，都难以参考大样本，因而导致结果不佳。

发明内容

本发明针对现有技术的不足，提供一种基于肌电信号手语识别翻译臂环及手语识别方法，具有结构简单，佩戴简单，携带方便，识别词库量和准确度。

本发明是通过以下技术方案使上述技术问题得以解决。

一种基于肌电信号手语识别翻译臂环，包括臂环主体、连接带、肌电传感器、九轴惯性测量传感器、单片机、蓝牙模块以及扬声器，所述臂环主体由若干闭环外壳组成，相邻闭环外壳之间通过连接带连接，所述连接带与闭环外壳可拆卸连接，所述闭环外壳内侧表面对应连接一个肌电传感器，所述肌电传感器和九轴惯性测量传感器分别与单片机连接。

作为优选，所述闭环外壳设置有指示灯和功能按键，所述扬声器设置于闭环外壳外侧。扬声器可以防止冬天袖子遮住臂环，无法发出声音。

作为优选，所述连接带与闭环外壳卡扣连接，闭环外壳与闭环外壳之间通过连接带固定，连接方式简单方便。

作为优选，所述单片机采用STM32单片机，工作速度快，性能高。

一种手语识别肌电信号的方法，首先将臂环主体套入手臂上，通过肌电传感器采集肌电信号，通过九轴惯性测量传感器采集惯性信号，然后STM32单片机对肌电信号与惯性信号进行处理，并传输到外接的PC端或移动端上，通过PC端或移动端将对肌电信号与惯性信号发送给外部服务器，通过外部服务器进行深度学习的算法解算然后进行反馈，最后通过扬声器进行播放。

作为优选，所述深度学习的算法框架采用谷歌tenserflow、百度paddlepaddle或keras框架。