使用高分辨率表面电肌图和计算机视觉捕捉动态手指手势
Nitzan Luxembourg1, Dvir Ben-Dov1, Rufael Fekadu Marew2
1School of Electrical Engineering, Tel Aviv University.
Journal of visualized experiments : JoVE
|April 14, 2025
概括
这项研究引入了一个新的可穿戴系统,将表面电肌图 (sEMG) 和指纹跟踪相结合,用于动态手势识别. 这种方法通过捕捉现实世界的手部运动来增强人机交互,用于假肢和康复.
科学领域:
- 生物医学工程 生物医学工程
- 人与计算机的交互
- 康复技术 康复技术 康复技术
背景情况:
- 指的手势对于沟通和人机界面至关重要.
- 表面电肌图 (sEMG) 与深度学习相结合,显示出对手势识别的前景.
- 目前的sEMG方法受到静态的手位和复杂的设置的限制.
研究的目的:
- 介绍一项用于在动态手动过程中捕获综合数据的先进协议.
- 集成可穿戴表面EMG和指纹跟踪,以实现强大的手势识别.
- 引导研究人员开发直观的手势识别系统.
主要方法:
- 在前臂上使用软打印的电极阵列 (16个电极) 来记录sEMG.
- 采用可穿戴指纹跟踪系统来捕捉动态的手动.
- 同步的sEMG记录与提示手势期间的手指位置数据.
主要成果:
- 在动态手动过程中成功捕获了全面的数据.
- 能够对与特定手势相对应的肌肉活动模式进行详细分析.
- 演示了EMG和视觉跟踪用于手势识别的组合潜力.
结论:
- 集成sEMG和指纹跟踪为动态手势识别提供了一个强大的方法.
- 该协议促进了对假肢,康复和互动技术的响应系统的开发.
- 这些发现支持在现实世界手势识别应用中的创新.
