申请/专利权人：北京机械设备研究所

申请日：2020-11-17

公开（公告）日：2024-03-22

公开（公告）号：CN114515146B

主分类号：A61B5/11

分类号：A61B5/11;A61B5/053;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2022.06.07#实质审查的生效;2022.05.20#公开

摘要：本发明涉及一种基于电学测量的智能手势识别方法及系统，属于智能手势识别技术领域，解决了现有技术设计复杂、使用条件受限、识别率过低的问题。该方法包括如下步骤：布设分布式电极传感器阵列，对阵列中各电极通电；在用户手部动作时，通过所述分布式传感器阵列采集用户手部皮肤上各点的电压信号；对上述各点的电压信号分别进行预处理，获得各点的有效电压幅值和相位；将上述各点的有效电压幅值和相位输入事先训练好的深度神经网络中，获得每类手势的预测概率；将上述每类手势的预测概率输入事先训练好的分类器中，获得当前手势类型。本发明将电学测量和深度学习相结合进行手势的识别，提高了识别准确率，降低了设备造价，并提高了设备的便携性。

主权项：1.一种基于电学测量的智能手势识别方法，其特征在于，包括如下步骤：在用户手部布设分布式电极传感器阵列，对阵列中各电极通电；在用户手部动作时，通过所述分布式传感器阵列，采用电流激励、电压测量的方式采集用户手部皮肤上各点的电压信号；具体的采集过程为：在手部区域施加电流激励信号，改变手势，手部区域内部阻抗分布改变，电势分布变化，即区域电压变化，采集该手势下的电压信号；对上述各点的电压信号分别进行预处理，获得各点的有效电压幅值和相位；将上述各点的有效电压幅值和相位作为输入变量，输入事先训练好的深度神经网络中，获得每类手势的预测概率；所述深度神经网络包括2层：第一层根据用户手部皮肤上各点的有效电压幅值xi和相位θi，进行下面公式中的运算，获得中间变量yj，j＝1···n 第二层根据中间变量yj，进行下面公式中的运算，获得每类手势的预测概率，其中，第p种手势的预测概率zp为zp＝fwjpyj+bp或者，所述深度神经网络的第一层根据用户手部皮肤上各点的有效电压幅值xi和相位θi，进行下面公式中的运算，获得中间变量yj， 第二层根据中间变量yj，进行下面公式中的运算，获得每类手势的预测概率，其中，第p种手势的预测概率zp为 其中 式中，n表示手势类型的数量，m表示有效电压幅值的个数，或相位个数，也是采集的数据点数，i表示第i个柔性电极传感器，wij表示xi、yj之间的权重，bj表示深度神经网络第一层的偏置量，wjp表示yj、zp之间的权重，bp表示深度神经网络第二层的偏置量，i＝1···m，p＝1···n，Bernoullik表示随机生成0或者1的函数，概率k为0.5；将上述每类手势的预测概率作为输入变量，输入事先训练好的分类器中，获得当前手势类型；通过下面步骤对所述深度神经网络和分类器进行训练：获取输入数据为用户手部皮肤上各点的电压值xi′和相位θi′、输出为对应手势编码G′的训练集；其中，手势编码G′包含所有手势类型；通过下面公式获得当前手势类型的编码G，进而基于编码G确定手势类型 式中，wp表示zp和G之间的权重，b′表示分类器的偏置量，编码G为ASCII码，G的所有可能个数与手势类型的数量一致；对于上述训练集中的每组训练数据，将xi′和θi′输入所述深度神经网络中获得每一层的输出yj和zp，再将zp输入分类器中获得当前手势类型的编码G；判断所述当前手势类型的编码G是否等于训练集中对应手势编码G′；如果等于，结束该组训练数据对深度神经网络和分类器的训练，并开始下一组训练数据的训练；如果不等于，执行下一步；根据上述获得的编码G，结合所述G′，通过下面公式获得下一次训练的权重wij、wjp和wp，以及偏置量bj、bp、b′wpT+1＝wpT-αG′-Gzp b′T+1＝bT-α′G′-G 式中，T表示当前训练次数，wpT+1、b′T+1分别表示下一次训练时的分类器参数，wpT、b′T分别表示本次训练的分类器参数，wijT+1、wjpT+1、bjT+1、bpT+1分别表示下一次训练时的深度神经网络参数，wijT、wjpT、bjT、bpT分别表示本次训练时的深度神经网络参数，α、β、γ、α′、β′、γ′分别表示按梯度方向搜索的步长因子；将xi′再次输入参数更新后的深度神经网络，将获得的zp输入参数更新后的分类器中获得该次训练当前手势类型的编码G，直到G＝G′，结束该组训练数据对深度神经网络和分类器的训练，并开始下一组训练数据的训练，直到完成所有训练数据的训练，获得训练好的深度神经网络和分类器。

全文数据：

权利要求：

百度查询： 北京机械设备研究所 基于电学测量的智能手势识别方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD