在自然条件下用软打印的电极阵列估计手指关节角度和手势

科学领域:

• 生物医学工程 生物医学工程
• 人与计算机的交互
• 可穿戴技术可穿戴技术

背景情况:

• 表面电肌图 (sEMG) 是人机界面的一个有前途的技术,特别是当视觉方法不切实际时.
• 基于sEMG的手势识别面临的挑战是由于运动工件,个体肌肉变化和手部位置变化,限制了动态手势识别.
• 现有的研究主要集中在静态的手位上,阻碍了现实世界的应用.

研究的目的:

• 开发和评估使用软可穿戴sEMG传感器进行手指手势识别的综合系统.
• 为了提高基于sEMG的手势识别在静态和动态手势的准确性和稳定性.
• 评估视频视觉转换模型与运动传感器训练相结合的潜力,用于预测手指关节角度和识别手势.

主要方法:

• 软可穿戴sEMG传感器与视频视觉转换 (ViT) 模型的集成.
• 利用基于运动传感器的训练来增强手势识别能力.
• 测试系统在区分指角和在静态和动态条件下识别手势方面的性能.

主要成果:

• 综合系统展示了区分手指角度和识别不同受试者的手势的能力.
• 在表现最好的受试者中,静态手势的识别精度达到0.85,动态手势的识别精度达到0.87.
• 该系统在静态和动态条件下表现稳定,尽管存在主体间的变化.

结论:

• 这项研究通过在静态和动态场景中实现稳定的性能,推进了基于sEMG的手指手势识别.
• 开发的方法显示了自然和现实世界的人机界面应用的潜力.
• 进一步的研究可能会解决学科间的变异性,以扩大适用性.