[发明专利]一种面向肌电臂环的手势识别的方法及系统

权利要求书

1.一种面向肌电臂环的手势识别模型的训练方法，包括：

获取不同时刻的表面肌电信号的训练样本；

基于多变量经验模态分解将所述不同时刻的表面肌电信号的训练样本进行重构，获得所述不同时刻的表面肌电信号的训练样本的时序肌电图像；以及

利用所述时序肌电图像训练手势识别模型，所述手势识别模型为卷积神经网络或卷积递归神经网络。

2.根据权利要求1所述的训练方法，其中，所述基于多变量经验模态分解将所述不同时刻的表面肌电信号的训练样本进行重构，获得所述不同时刻的表面肌电信号的训练样本的时序肌电图像包括：

2-1)基于Hammersley序列选择一组方向向量；

2-2)获取所述表面肌电信号的训练样本在所述方向向量的每个方向上的投影；

2-3)基于所述表面肌电信号的训练样本在每个方向上的投影以及映射该投影的极值对应的时间，获取所述表面肌电信号的训练样本在每个方向上包络；

2-4)基于所述表面肌电信号的训练样本及其每个方向上包络，获取所述表面肌电信号的训练样本的本征模函数的数量；以及

2-5)基于所述表面肌电信号的训练样本的本征模函数的数量，获得所述表面肌电信号的训练样本的时序肌电图像。

3.根据权利要求1所述的训练方法，其中，所述手势识别模型为卷积神经网络，所述卷积神经网络包括标准卷积层和组卷积层。

4.根据权利要求1所述的训练方法，其中，所述手势识别模型为卷积递归神经网络，所述卷积递归神经网络包括卷积层和递归层，所述递归层包括双向长短时记忆单元。

5.根据权利要求1所述的训练方法，其中，对于离线手势识别，所述手势识别模型将基于时序肌电图像预测得到的手势类别的平均类条件概率最大的手势类别作为所述表面肌电信号的训练样本的手势类别。

6.根据权利要求1所述的手势识别方法，其中，对于在线手势识别，使用负对数似然函数作为损失函数训练所述手势识别模型。

7.一种面向肌电臂环的手势识别方法，包括：

获取用户不同时刻的表面肌电信号；

基于多变量经验模态分解将所述不同时刻的表面肌电信号进行重构，获得所述不同时刻的表面肌电信号的时序肌电图像；以及

利用通过权利要求1-6中任一训练方法获得的手势识别模型预测所述用户的手势类别。

8.一种面向肌电臂环的手势识别系统，包括：

接口模块，用于获取不同时刻的表面肌电信号的训练样本以及获取用户不同时刻的表面肌电信号；

数据处理模块，用于基于多变量经验模态分解将所述不同时刻的表面肌电信号及训练样本进行重构，获得所述表面肌电信号及训练样本的时序肌电图像；

预测模块，用于利用训练好的手势识别模型预测所述用户的手势类别；以及

训练模块，用于利用所述训练样本的时序肌电图像训练手势识别模型，所述手势识别模型为卷积神经网络或卷积递归神经网络。

9.一种存储介质，其中存储有计算机程序，在所述计算机程序被处理器执行时，能够用于实现权利要求1-8中任一项所述的方法。

10.一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，在所述计算机程序被处理器执行时，能够用于实现权利要求1-8中任一项所述的方法。