科研之友
微信
新浪微博
Facebook
分享链接
摘要
为了同时实现手势识别与手部状态识别，针对高采样率惯性测量单元具有同时采集动作信号与振动信号的特点，搭建基于单惯性测量单元的手势识别与触摸识别原型设备.可视化分析手部状态数据与手势数据在时域与频域上的差异，建立手部状态、划动手势与画圈手势数据集.针对数据特征的差异，提出差异化特征提取方法，分别构建手部状态分类与手势分类的神经网络结构.使用数据集训练神经网络模型，在手部综合状态识别任务中正确率达到99%，在划动手势识别任务和画圈手势识别任务中的正确率均达到98%.提出实时数据流处理、状态转移、未知类别判断的原型程序框架，基于手部状态识别模型实体与手势识别模型实体搭建实时程序，测量实际运行整体计算延时与单模型计算延时，验证模型实时运算能力.模型评估实验与实时运算能力验证实验结果表明，使用高采样率惯性测量单元准确且实时地识别手部状态与手势具备可行性.
- 出版日期2023
- 单位吉林大学
