使用强力肌图识别进行手势识别的频道选择:手势测量点的通用模型

科学领域:

• 计算机视觉 计算机视觉
• 人与计算机的交互
• 生物医学工程 生物医学工程

背景情况:

• 姿势识别对于先进的人机交互至关重要.
• 选择最佳的传感器通道是准确的手势分类的关键挑战.
• 强力肌图 (FMG) 为捕捉微妙的手势运动提供了一种有希望的方法.

研究的目的:

• 开发和验证一种道选择算法,以优化基于FMG的手势识别中的传感器使用情况.
• 确定传感器的关键数量和位置,以有效地分类手势.
• 提高手势识别系统的效率和准确性.

主要方法:

• 开发了一个频道选择算法,评估频道手势相关性和冗余性.
• 构建了一个基于FMG的信号采集系统,拥有16个传感器.
• 收集了来自10名参与者执行13种不同的手势的数据.
• 与已建立的特征选择方法 (Relief-F,mRMR,CFS,ILFS) 相比验证了算法.

主要成果:

• 算法平均发现了3个最佳通道,比16个传感器减少了75%.
• 实现了94.46%的平均手势识别准确度,超过了现有的算法.
• 建立了传感器放置的通用模型,并与5名额外的参与者进行了验证.
• 通过通用模型实现了96.3%的平均识别精度.

结论:

• 开发的算法有效地识别出FMG传感器的最小和最佳数量和位置,用于手势识别.
• 这项研究为设计用于手势控制的专用,精简的可穿戴设备提供了基础.
• 优化的频道选择显著提高了准确性,并减少了基于FMG的手势识别中的系统复杂性.