基于fHMM分类优化的多传感器手语手势识别方法
曹翔
陈香
苏瑞良
1.中国科学技术大学电子科学与技术系,安徽合肥,2300272.中国科学技术大学电子科学与技术系,安徽合肥,2300273.中国科学技术大学电子科学与技术系,安徽合肥,230027
摘要：目的 探索基于角速度、加速度、表面肌电信息融合的算法,使在嵌入式设备上实现实时手势识别成为可能.方法 以表面肌电样本熵检测动作起止点,配合多级决策树融合轨迹和肌电信息实现手语手势的识别;采用分帧隐马尔可夫(framing Hidden Markov Model,fHMM)优化策略降低识别延时;在运行速度为300 MHz的嵌入式软件上进行算法测试.结果 融合三类信息后,30个中国手语词获得97.5％±1.6％的识别率,角速度的加入使得识别率平均提高4％;同时,使用基于fHMM的分类优化策略将平均识别延时降低至(175±38)ms,减小约670 ms.结论 本文为实时手语手势识别设备的研制提供了一种可行的方案.
关键词：手势识别表面肌电角速度加速度识别延时fHMM
分类号：TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(61271138)
论文发表日期：2015-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
英文信息