电动轮椅控制使用基于表面电肌图信号的用户独立分类方法
Hassam Iqbal1, Jinchuan Zheng2, Rifai Chai2
1Department of Engineering Technologies, Swinburne University of Technology, John Street, 3122, Melbourne, Victoria, Australia. hiqbal@swin.edu.au.
Medical & biological engineering & computing
|September 25, 2023
概括
本研究引入了用于电动轮椅 (EPW) 的手势控制系统,以改善运动障碍者可访问性. 该系统使用多类支向量机 (MC-SVM) 和决策树 (DT) 来实现准确,独立于用户的轮椅操作.
科学领域:
- 辅助技术 辅助技术 辅助技术
- 人与计算机的交互
- 机器人技术 机器人技术 机器人技术
背景情况:
- 电动轮椅 (EPW) 的常规操纵杆控制对运动障碍者,特别是那些手指灵敏度问题的人来说是个挑战.
- 辅助技术 (AT) 在提高残疾人的流动性和独立性方面发挥着至关重要的作用.
- 现有的控制方法往往需要用户特定的培训,这限制了它们的直接适用性.
研究的目的:
- 为EPW开发和评估一种基于手势的新型控制系统.
- 为了解决对手指受损的用户的操纵杆控制的局限性.
- 调查和比较不同手势识别算法的有效性,以实现用户独立的控制.
主要方法:
- 为EPW操作开发了一种手势识别系统.
- 研究了四种手势识别方法:线性回归 (LR),规范线性回归 (RLR),决策树 (DT) 和多类支持向量机 (MC-SVM).
- 用户独立的分类方法 (MC-SVM和DT) 被优先考虑,以克服培训的限制.
主要成果:
- 线性回归方法 (LR,RLR) 实现了高精度 (94.85%,95.88%),但需要用户特定的培训.
- 使用者独立的方法,MC-SVM和DT,表现出很好的性能,MC-SVM达到99.05%的准确度和精度,而DT达到97.77%的准确度和精度.
- 所有六名参与者都成功地使用建议的手势系统控制了EPW,没有碰撞.
结论:
- 开发的基于手势的控制系统为EPW的传统操纵杆控制提供了一个高度准确和有效的替代方案.
- 该MC-SVM和DT方法成功地解决了手指依赖问题,使用户独立操作.
- 这项技术有可能显著提高运动障碍患者的流动性和自主性.
