[发明专利]一种基于表面肌电传感器和九轴传感器的手语识别方法

说明书

本发明公开了一种基于表面肌电传感器和九轴传感器的手语识别方法，具体涉及手语识别领域，包括以下步骤：步骤一、通过肌电传感器和九轴传感器采集到所有的原始数据；步骤二、通过基于样本熵的信号起始点检测获取待识别手势的有效动作数据；步骤三、通过卡尔曼滤波对待识别手势的有效动作数据进行噪音预处理并输出过滤后的待识别手势数据；步骤四、通过对步骤三中输出的待识别手势数据进行时频域的特征提取并归一化。本发明采用表面肌电信号传感器和九轴传感器融合的方式采集用户手势数据，并通过集成学习模型来进行建模，提高了可识别手语数据量和准确度，同时还加强手语识别的稳定性和容错性。

技术领域

本发明涉及手语识别技术领域，更具体地说，本发明涉及一种基于表面肌电传感器和九轴传感器的手语识别方法。

背景技术

目前手语是聋哑人士使用的语言。手语是用手势比量动作，根据手势的变化模拟形象或者音节以构成的一定意思或词语，它是聋哑人士互相交际和交流思想的语言。但是，手语是一种非常庞大而又复杂的语言系统，让大部分健全人学会手语交流显然不现实。因此，为了帮助聋哑人士保持快速且有效地与健全人的正常交流、沟通，提高他们的独立生活能力和社会幸福感，减轻家庭、社会的负担，手语姿态识别技术的发展尤为重要。

传统的手语识别技术分为基于数据手套的识别技术和基于计算机视觉的手语识别技术这两种；

基于数据手套的识别技术，需要用户佩戴数据手套或者其他的硬件设备，利用传感器采集手指状态和运动轨迹等信息，在让计算机高速运算识别对应的手语。此方式的优点在于识别精确且鲁棒性很好，算法简单、运算快熟，不会受到环境变化和场景复杂等问题影响。而缺点在于设备穿戴不方便、成本高、传感器容易老化，识别手势动作过少等问题。因此，难以投入实际生产应用；

基于计算机视觉的手语识别技术采用单一网络摄像头或立体摄像头虽然能够保证追踪手部运动的精度和速度，却很难处理好复杂背景和光照，在复杂环境下很难实现对应的效果。同时，由于人的皮肤颜色不一，运动速度不均匀，难以得到通用、高效的识别匹配模型。因此也同样难以大量投入实际的生产应用。

发明内容

为了克服现有技术的上述缺陷，尤其是解决基于数据手套的识别技术穿戴不便的问题，本发明提供一种基于表面肌电传感器和九轴传感器的手语识别方法，以此可以提高可识别手语数据量和准确度，同时加强手语识别的稳定性和容错性。

为实现上述目的，本发明提供如下技术方案：一种基于表面肌电传感器和九轴传感器的手语识别方法，包括穿戴于手臂上的臂环，所述臂环上设有一个九轴传感器、八个肌电传感器和一个蓝牙接收器，所述九轴传感器用于检测手臂的运动轨迹和方位，所述表面肌电传感器用于检测不同手势的肌电信号，所述臂环通过蓝牙接收器连接终端设备，手语识别方法具体如下：

步骤一、首先，将臂环佩戴在手臂上，通过肌电传感器和九轴传感器训练采集所有的手语原始数据，经蓝牙接收器发送至终端设备；

步骤二、通过基于样本熵的信号起始点检测获取待识别手势的有效动作数据；

步骤三、通过卡尔曼滤波对待识别手势的有效动作数据进行噪音预处理，并输出过滤后的待识别手势数据；

步骤四、通过对第三步中输出的待识别手势数据进行时频域的特征提取并归一化；

步骤五、构件训练样本集合，并集成训练识别模型，并通过此模型对第四步中的待识别手势数据进行识别；

步骤六、识别手势数据后，经终端设备输出待识别手势的识别结果。

在一个优选的实施方式中，八个所述肌电传感器均匀嵌设于臂环内侧壁，所述九轴传感器和蓝牙接收器设置于臂环内部。

在一个优选的实施方式中，所述肌电传感器和九轴传感器通过A/D传感器与蓝牙接收器连接，所述蓝牙接收器与终端设备通信连接，所述终端设备包括手机或电脑。