[发明专利]一种基于纹理特征的肌电信号手势动作识别方法在审
申请号: | 201911068555.9 | 申请日: | 2019-11-05 |
公开(公告)号: | CN112764524A | 公开(公告)日: | 2021-05-07 |
发明(设计)人: | 赵新刚;徐壮;王丰焱;李自由;张道辉 | 申请(专利权)人: | 沈阳智能机器人国家研究院有限公司;沈阳智能机器人创新中心有限公司;中国科学院沈阳自动化研究所 |
主分类号: | G06F3/01 | 分类号: | G06F3/01;A61B5/397;A61B5/00 |
代理公司: | 沈阳科苑专利商标代理有限公司 21002 | 代理人: | 王倩 |
地址: | 110000 辽宁*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 纹理 特征 电信号 手势 动作 识别 方法 | ||
1.一种基于纹理特征的肌电信号手势动作识别方法,其特征在于,包括以下步骤:
步骤1:采集不同手势动作下的肌电数据作为原始肌电数据;
步骤2:使用循环灰度共生矩阵来表示原始肌电数据;
步骤3:根据得到的循环灰度共生矩阵提取对应位置偏移鲁棒的纹理特征;
步骤4:在纹理特征的基础上提取时域特征,并将得到的时域特征输入到分类器中进行模型训练;
步骤5:利用训练后的模型得到手势动作分类结果。
2.根据权利要求1所述的一种基于纹理特征的肌电信号手势动作识别方法,其特征在于,所述分类器的输入为时域特征,输出为手势动作分类结果。
3.根据权利要求1所述的一种基于纹理特征的肌电信号手势动作识别方法,其特征在于,所述步骤2包括以下步骤:
步骤1:将肌电传感器采集到的原始肌电数据,通过增量窗的方式进行处理,形成数据矩阵,数据矩阵的列数为增量窗的长度,数据矩阵的行数为肌电传感器的通道数,然后将数据矩阵进行处理;
步骤2:确定图像灰度值的级数level;
步骤3:将原始的图像中像素缩放至级数level的范围;
步骤4:根据设定距离和设定方向统计缩放后图像中灰度值出现的次数,并以此表征像素之间的空间关系,其中,一组距离和方向确定一个灰度共生矩阵;
步骤5:将灰度共生矩阵的第一列与最后一列进行连接,使得图像矩阵构成一个循环矩阵,然后在对该循环图像矩阵求灰度共生矩阵得到循环灰度共生矩阵。
4.根据权利要求1所述的一种基于纹理特征的肌电信号手势动作识别方法,其特征在于,所述对应位置偏移鲁棒的纹理特征,包括:对比度f1、差异性f2、同质性f3、能量f4、自相关性f5和ASM能量f6。
5.根据权利要求4所述的一种基于纹理特征的肌电信号手势动作识别方法,其特征在于,所述纹理特征的表达形式如下:
其中,level表示的是图像灰度的级数,i和j分别表示是灰度共生矩阵的行号和列号,P表示的是循环灰度共生矩阵,Pi,j表示的是循环灰度共生矩阵中第i行第j列的像素值,ui,uj,δi,δj分别表示的是循环灰度共生矩阵的第i行元素的均值、第j列元素的均值、第i行元素的标准差和第j列元素的标准差。
6.根据权利要求1所述的一种基于纹理特征的肌电信号手势动作识别方法,其特征在于:所述提取的时域特征为提取纹理特征后得到数据的平均绝对值和波长。
7.根据权利要求1所述的一种基于纹理特征的肌电信号手势动作识别方法,其特征在于,所述分类器不局限于LDA算法。
8.根据权利要求1所述的一种基于纹理特征的肌电信号手势动作识别方法,其特征在于,该方法仅通过采集一次原始肌电数据,应用训练模型即可实现手势动作分类结果。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于沈阳智能机器人国家研究院有限公司;沈阳智能机器人创新中心有限公司;中国科学院沈阳自动化研究所,未经沈阳智能机器人国家研究院有限公司;沈阳智能机器人创新中心有限公司;中国科学院沈阳自动化研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911068555.9/1.html,转载请声明来源钻瓜专利网。