《電子技術應用》
您所在的位置:首頁 > 嵌入式技術 > 設計應用 > 基于DSP的人體手勢動作實時識別系統
基于DSP的人體手勢動作實時識別系統
2014年電子技術應用第7期
秦 勤, 李艷瑋
河南工程學院 計算機學院, 河南 鄭州451191
摘要: 針對人體表面肌電信號(SEMG)的非平穩性、小波包變換系數維數過高和識別率低的問題,設計了基于DSP處理器TMS320VC5502硬件平臺的便攜式人體手勢動作實時識別系統,并提出了一種小波包主元分析(WPPCA)和線性判別分析(LDA)相結合的表面肌電信號動作特征識別新方法。實驗結果表明,該方法能夠將小波包系數矩陣由16維降到4維,并且對前臂的握拳、展拳、手腕內翻和手腕外翻4種動作模式的平均正確識別率達99.5%,與傳統的小波包變換相比有較高的識別率。
中圖分類號:TP391.4
文獻標識碼:A
文章編號:0258-7998(2014)07-0075-04
Human gesture real-time recognition system based on DSP
Qin Qin,Li Yanwei
College of Computer,Henan Institute of Engineering,Zhengzhou 451191,China
Abstract: In view of surface electromyography (SEMG) non-stationary characteristics,higer dimenasion of wavelet packet transform coefficients and low recognition rate,a portable human gesture real-time recognition system based on TMS320VC5502 DSP processor hardware platform is designed,and a new method of SEMC signal feature recognition which is combined wavelet packet principal componet analysis (WPPCA) and linear discriminant analysis (LDA) is proposed.Experiments show that this method can reduce the wavelet packet coefficient matrix of surface EMG signal from 16 dimensional to 4 dimensional,and successfully identify four kinds fo motions such as hand grasping,hand opening,radial flexion and ulnar flexion,and action recogniion rate is up to 99.5%,which has a higher recognition rate comparing to the traditional wavelet packet transform,this algorithm.
Key words : principal component analysis;action recognition;SEMC;linear discriminant analysis;device control

       手勢控制技術可以通過在空中小幅度擺動手掌或手指控制家電、游戲和殘疾人假肢等智能設備[1],為人機的信息直接交互提供了新的方式,正在受到越來越多的科技企業和科研人員的關注和研究。人體表面肌電信號(SEMG)是從人體骨骼肌表面通過電極記錄下來的神經肌肉活動發放的生物電信號[2],是對人體手勢進行識別的重要途徑之一。張毅等人采用小波變換和AR模型對SEMG進行分析處理,利用RBF神經網絡對SEMG信號進行模式識別,動作識別率達到85%[3];侯秀麗等人采用四通道采集SEMG信號,利用小波變換和BP神經網絡來識別SEMG信號8種動作,動作平均識別率為96.25%[4];Mahdi Khezri用時域參數平均絕對值(MAV)并采用一種自適應神經模糊推理系統識別手部動作命令且動作識別率達到92%[5]。但在SEMG信號的特征提取和動作模式識別中存在特征向量維數過高、數據冗余度大,分類器復雜、魯棒性差和識別率低等問題[6]。為了更好地解決上述問題,在DSP硬件平臺TMS320VC5502上設計了便攜式人體手勢動作實時識別系統,并提出了一種小波包主元分析(WPPCA)與線性判別分析(LDA)相結合的新方法,以提高生物電信號識別準確率和穩定性,并能夠準確地將手勢識別結果轉換成智能設備的控制命令。

1手勢動作識別系統硬件架構

        便攜式手勢動作識別系統硬件架構主要由DSP處理器TMS320VC5502、SEMG信號數據采集、預處理、串口RS232、JTAG調試口、LCD顯示屏、鋰電池供電單元和SARAM和Flash存儲器等部分組成。手勢動作識別系統硬件架構如圖1所示。

        肌電信號的采集利用兩片Ag/AgCl電極作為肌電信號傳感器,并貼附在尺側腕屈肌和肱橈肌的皮膚表面上,把一片Ag/AgCl電極貼在上肢前臂關節處的肌膚表面作為參考點來消除共模信號,提高電路的整體抗干擾能力。

        DSP處理器TMS320VC5502是整個便攜式手勢動作識別系統的核心,主要負責接收經過處理的肌電信號,再根據相應的算法進行特征提取和動作識別,獲得有效的手勢識別結果后,再通過串口RS232發送給受控設備;LCD顯示屏用來直觀展示手勢識別結果;由于設計的便攜式手勢動作識別系統體積較小,采用了鋰電池的供電方式。

2基于小波包主元分析的SEMG特征提取

        WPPCA結合了小波包變換WPT(Wavelet Packet Transform)和主元分析PCA(Principal Component Analysis)兩種算法的優點,不僅能夠對原始肌電信號進行時-頻域分析,而且還能去除小波系數中線性相關性較大的特征,從而實現對特征維數的壓縮,有效地提取肌電信號中的特征[7]。采用WPPCA來獲取兩路原始肌電數據特征矩陣過程如圖2所示。]

2.1 小波包變換

        WPT是一種更加細致的時-頻域分析法[8],能夠將高頻段和低頻段進行更加細致的分析,得到更全面的特征量。三層小波包分解過程結構圖如圖3所示。

 

 

2.2 主元分析

 

 

        (4)計算矩陣C的特征向量和特征值,依據特征值從大到小來排列特征向量。根據式(5)計算各特征值λj的累積貢獻率Zi,以Zi≥96%為標準來獲得前Pi(Pi≤2L)個主元構建矩陣D。

 

        

 

        經WPPCA處理后的兩路SEMG信號的8個特征值貢獻率如表1所示。

        從表1可以看出,SEMG信號經WPPCA后所得的橈側腕曲肌和肱橈肌特征矩陣中,前兩個特征1、2的貢獻率相加后所得的累積貢獻率分別為97.42%和99.25%,滿足閾值的條件,進而將小波系數矩陣從16維減少到4維數據,獲得動作類別特征矩陣Y=[Y11,Y21,Y12,Y22]T。

3 線性判別分析的SEMG動作識別

        LDA算法的基本思想是將維數較高的樣品數據投影到最優樣本分類的矢量空間,從而達到有效獲得分類數據和動作模式識別[10]。記肌電數據運動模式特征樣本集合Φ為Y=[Y1,Y2,…,YN],Yn=[Y1,n,Y2,n,…,YM,n]T,n=1,2,…,N,T表示矩陣轉置。采樣點數記為N,樣本特征個數記為M。定義運動類別w1、w2,集合Φ中w1類有N1個采樣點數,w2類有N2個采樣點數,N=N1+N2。屬于w1類的樣本記為子集Φ1,屬于w2類的樣本記為子集Φ2。SEMG信號數據中兩種動作類別的分類具體方法如下:

        (1)計算肌電數據運動特征樣本中各手勢類別的樣品均值向量mi, wi類的樣品量記為Ni,i=1,2,。

        (3)計算最優解W*。

        Fisher準則函數被定義為JF(W),表達式如式(11)所示,經推導后W*的表達式如式(12)所示。

 

        

 

  (4)按式(13)將特征數據中訓練樣品集合內所有樣品數據進行投影,算出en,從而獲得與集合Φ1和Φ2相對應的兩個像集合記為Θ1和Θ2。

 

 

4 實驗結果分析

        利用設計的DSP便攜式人體手勢動作實時識別系統進行測試實驗,根據香農采樣定理設定2 kHz作為采樣頻率,分別采集5 s的握拳、展拳、手腕內翻和手腕外翻4種動作的肌電數據。并對所獲取的肌電數據進行WPPCA分析,所得的4個主元數據如圖4所示。

        在圖4中,橈側腕曲肌的肌電特征數據為主元數據1、2;肱橈肌的肌電特征數據為主元數據3、4。在這主元數據1~4中包含握拳、展拳、內翻、外翻數據各100個。從而獲得4行400列的運動模式特征矩陣Y=[Y1,Y2,Y3,Y4]T,矩陣的轉置記為T。

        Yi=[Yi,1,Yi,2,Yi,3,Yi,400]為第i個主元的數據,i=1,2,3,4。將前50個握拳、展拳、內翻和外翻這4種動作的數據作為分類器的訓練樣本,后50個握拳、展拳、內翻和外翻這4種動作的數據作為分類器的測試樣本,從而獲得訓練數據和測試數據都為4行200列,并將運動模式矩陣的訓練樣本數據和測試樣本數據輸入到LDA分類器中,進而獲得每一種動作類別與其他動作類別間的分類閾值如表2所示。

        采用LDA、K近鄰、BP神經網絡和RBF神經網絡對WPPCA獲取的運動模式特征矩陣進行動作識別,其分類結果如表3所示。

        從表3可以看出同樣使用小波包主元分析法來提取SEMG信號特征,使用LDA分類器動作平均識別率達到99.5%,而使用K近鄰分類器動作平均識別率達87%,BP神經網絡動作平均識別率達92%,RBF神經網絡平均識別率達95%。從這四種分類方法的分類結果可以看出,應用線性判別分析法對小波包主元分析法所得的運動特征矩陣進行分類,達到的動作平均識別率最高。

        利用DSP硬件平臺設計的便攜式人體手勢動作實時識別系統,采用人體表面肌電信號作為手勢識別的信號源,利用小波包主元分析法對SEMG信號進行特征提取,再利用線性判別分析法對SEMG的動作進行識別。實驗結果表明,在不同的SEMG信號特征提取方法下,WPPCA具有良好的特征表達能力,應用LDA分類器對運動特征矩陣進行訓練和分類,達到了99.5%的動作平均識別率,識別結果優于其他分類器,解決了人體表面肌電信號的平穩性差、小波包變換系數維數過高和識別率低等問題,能夠準確地將手勢識別結果轉換成智能設備的控制命令,為人機的信息直接交互提供了新的方式。

參考文獻

[1] 王金鳳, 李濤, 孫漫漫. 基于STM32處理器的表面肌電無線采集裝置設計[J].電子技術應用,2012,38(7):78-80.

[2] 邱紅, 劉光遠, 賴祥偉. 改進的禁忌搜索算法在肌電信號情感識別中的應用[J]. 計算機工程與設計, 2012,33(4):1553-1557.

[3] 張毅, 連奧奇, 羅元. 基于小波變換及AR模型的EMG模式識別研究[J]. 電子測量與儀器學報, 2011,25(09):770-774.

[4] 侯秀麗, 宋愛國. 基于小波變換與BP網絡的四通道表面肌電信號模式識別[J].儀器儀表學報,2007,28(4):528-531.

[5] KHEZRI M,JAHED M. A neuro-fuzzy inference system for sEMG-based identification of hand motion commands[J].IEEE Transactions on Industrial Electronics,2011,58(5):1952-1960. 

[6] 胡明霞. 表面肌電信號識別特征提取的仿真研究[J]. 計算機仿真, 2013,30(5):345-348.

[7] 李偉, 景占榮, 黃愛萍. 基于微慣性測量單元的人體動作檢測系統設計[J]. 計算機測量與控制, 2009,17(8):1482-1485.

[8] 莊哲民,張阿妞,李芬蘭.基于優化的LDA算法人臉識別研究[J]. 電子與信息學報, 2007,29(9):2047-2049.

[9] 周欣, 吳瑛. 核Fisher判別分析在數字信號分類中的應用[J]. 北京郵電大學學報, 2011,34(1):35-39.

[10] 陽誠海, 陳開, 許華虎,等.基于分類特征提取的手部動作識別方法的研究及應用[J].計算機應用與軟件,2011,28(6):101-104.

此內容為AET網站原創,未經授權禁止轉載。
热re99久久精品国产66热_欧美小视频在线观看_日韩成人激情影院_庆余年2免费日韩剧观看大牛_91久久久久久国产精品_国产原创欧美精品_美女999久久久精品视频_欧美大成色www永久网站婷_国产色婷婷国产综合在线理论片a_国产精品电影在线观看_日韩精品视频在线观看网址_97在线观看免费_性欧美亚洲xxxx乳在线观看_久久精品美女视频网站_777国产偷窥盗摄精品视频_在线日韩第一页
  • <strike id="ygamy"></strike>
  • 
    
      • <del id="ygamy"></del>
        <tfoot id="ygamy"></tfoot>
          <strike id="ygamy"></strike>
          欧美高清视频在线播放| 国产日韩欧美综合一区| 精品51国产黑色丝袜高跟鞋| 久久成人综合视频| 99riav1国产精品视频| 亚洲国产成人一区| 欧美看片网站| 欧美夜福利tv在线| 欧美一区二区网站| 老司机精品导航| 麻豆精品视频| 欧美激情视频给我| 国产一区二区三区自拍| 国产一区二区三区黄视频| 韩国成人精品a∨在线观看| 午夜国产精品影院在线观看| 亚洲一区二区三区四区五区黄| 在线观看视频一区二区欧美日韩| 欧美精品xxxxbbbb| 国产精品女人毛片| 伊人夜夜躁av伊人久久| 国产免费观看久久| 最新日韩欧美| 亚洲精品一区在线观看香蕉| 欧美亚洲网站| 在线日韩欧美| 久久精品二区三区| 国产精品一区在线播放| 蜜臀91精品一区二区三区| 国产精品毛片在线看| 欧美性事免费在线观看| 国产区亚洲区欧美区| 欧美一区二区性| 99精品视频免费在线观看| 久久精品国产99精品国产亚洲性色| 欧美极品影院| 一区二区三区无毛| 亚洲一区三区视频在线观看| 在线观看欧美日韩| 国内精品视频一区| 国产视频观看一区| 国内揄拍国内精品久久| 亚洲黑丝在线| 一区二区免费在线视频| 欧美三级乱人伦电影| 国产精品久久久久久亚洲调教| 久久免费99精品久久久久久| 欧美日韩伦理在线免费| 欧美三级视频| 狠狠爱成人网| 蜜桃久久av一区| 免费欧美在线| 久久精品国产亚洲高清剧情介绍| 免费欧美在线视频| 海角社区69精品视频| 国产一区二区三区免费在线观看| 欧美伊人久久大香线蕉综合69| 这里只有精品在线播放| 久久久久久亚洲精品中文字幕| 欧美午夜电影在线观看| 免费欧美电影| 国产日韩1区| 99视频一区| 亚洲精品免费看| 欧美亚洲色图校园春色| 亚洲精品免费电影| 免费成人在线视频网站| 在线亚洲免费视频| 国产精品男gay被猛男狂揉视频| 免费成人小视频| 1769国产精品| 欧美日韩1区2区3区| 99riav久久精品riav| 日韩视频免费观看高清在线视频| 久久国产精品网站| 亚洲视频在线观看网站| 久久久人成影片一区二区三区| 欧美在线日韩| 一级成人国产| 亚洲精品之草原avav久久| 欧美日韩国产片| 久久久亚洲国产美女国产盗摄| 国产欧美综合一区二区三区| 一本色道久久综合亚洲精品不| 欧美精品在线免费播放| 亚洲精品久久久一区二区三区| 国产热re99久久6国产精品| 国产一区二区三区在线观看网站| 一本大道久久精品懂色aⅴ| 中文在线资源观看视频网站免费不卡| 午夜亚洲视频| 久久精品男女| 久久久亚洲国产天美传媒修理工| 亚洲黑丝一区二区| 欧美在线你懂的| 亚洲免费观看视频| 国产美女精品人人做人人爽| 欧美视频网站| 免费视频一区二区三区在线观看| 狠狠88综合久久久久综合网| 欧美资源在线| 永久555www成人免费| 亚洲看片一区| 蜜月aⅴ免费一区二区三区| 久久免费少妇高潮久久精品99| 精品1区2区3区4区| 亚洲欧美日韩精品| 国产欧美精品一区aⅴ影院| 久久另类ts人妖一区二区| 亚洲精品国精品久久99热一| 亚洲欧美区自拍先锋| 久久国产精品久久精品国产| 国产亚洲一本大道中文在线| 国产一区观看| 国产精品久久久| 久久精品久久综合| 欧美国产日本在线| 黄色成人免费网站| 久久精视频免费在线久久完整在线看| 久久久噜噜噜久久狠狠50岁| 亚洲精品美女在线| 亚洲国产经典视频| 久久精品国产一区二区三| 久久aⅴ乱码一区二区三区| 在线视频国产日韩| 欧美激情第10页| 欧美性感一类影片在线播放| 国产精品二区三区四区| 在线免费日韩片| 欧美激情久久久久久| 欧美日韩一本到| 极品少妇一区二区| 夜色激情一区二区| 亚洲国产国产亚洲一二三| 夜夜爽夜夜爽精品视频| 欧美精品一区二| 欧美v国产在线一区二区三区| 99国产精品久久久久久久| 蜜臀a∨国产成人精品| 国产无遮挡一区二区三区毛片日本| 亚洲一区二区欧美| 欧美剧在线免费观看网站| 亚洲一区国产精品| 999亚洲国产精| 久久国产精品毛片| 国内成+人亚洲+欧美+综合在线| 亚洲欧美变态国产另类| 激情综合色综合久久综合| 国产欧美欧洲在线观看| 欧美+日本+国产+在线a∨观看| 亚洲影院色在线观看免费| 精品动漫3d一区二区三区免费版| 国产亚洲精品久久久| 久久亚洲欧美国产精品乐播| 欧美视频在线观看免费| 欧美一区二区日韩一区二区| 欧美日韩日本视频| 一区二区三区免费在线观看| 欧美成人自拍视频| 欧美一区视频| 亚洲精品中文字幕有码专区| 国产亚洲免费的视频看| 麻豆国产精品一区二区三区| 久久人人看视频| 欧美一级黄色录像| 久久免费视频这里只有精品| 久久一区二区三区四区五区| 欧美国产精品va在线观看| 国产亚洲视频在线| 亚洲一区观看| 噜噜噜久久亚洲精品国产品小说| 久久久久久久久一区二区| 欧美日韩精品免费看| 亚洲一区精品电影| 欧美日本亚洲| 欧美三日本三级三级在线播放| 久久久一区二区| 黄色日韩精品| 亚洲人屁股眼子交8| 久久国产夜色精品鲁鲁99| 欧美日韩亚洲一区在线观看| 亚洲电影免费观看高清完整版在线| 免费人成精品欧美精品| 欧美成人免费观看| 欧美成人小视频| 欧美日韩18| 亚洲欧美日韩一区| 99亚洲伊人久久精品影院红桃| 欧美一区二区三区免费观看视频| 久久五月天婷婷| 国产伦精品一区二区三区高清版| 亚洲欧洲在线观看| 久久www免费人成看片高清| 欧美日韩三级一区二区| 国产午夜精品全部视频播放| 欧美一级淫片aaaaaaa视频| 欧美视频在线不卡| 国产一区欧美日韩| 久久久水蜜桃| 亚洲午夜精品久久久久久浪潮| 日韩视频免费在线| 国产精品午夜在线观看| 午夜国产不卡在线观看视频| 久久久精品国产一区二区三区| 欧美日本韩国一区| 亚洲第一精品久久忘忧草社区| 欧美国产欧美亚州国产日韩mv天天看完整| 国产精品日韩专区| 国产伦精品一区二区三区免费| 久久精品国产亚洲一区二区三区| 亚洲日本黄色| 激情综合色综合久久| 亚洲精品视频中文字幕| 国产精品久久久久久亚洲调教| 99国产精品99久久久久久| 在线成人激情视频| 91久久久一线二线三线品牌| 91久久精品日日躁夜夜躁欧美| 国产精品h在线观看| 亚洲另类春色国产| 一区二区三区无毛| 国产日韩精品久久| 国产视频一区在线观看| 久久久久久网站| 在线一区二区视频| 免费h精品视频在线播放| 亚洲视频在线观看一区| 亚洲永久在线观看| 国内外成人免费激情在线视频网站| 亚洲自拍偷拍福利| 亚洲欧美久久久| 欧美日韩福利视频| 亚洲精品黄网在线观看| 99国产精品久久久久老师| 国产精品jvid在线观看蜜臀| 国产精品一二三| 欧美一区二区三区视频在线| 欧美伊人久久久久久午夜久久久久| 亚洲视频综合在线| 欧美日韩美女| 国内精品国语自产拍在线观看| 狠狠久久综合婷婷不卡| 在线观看日韩一区| 久久成人资源| 国产精品国产亚洲精品看不卡15| 蜜臀av国产精品久久久久| 国产精品护士白丝一区av| 亚洲自拍偷拍麻豆| 麻豆国产精品777777在线| 日韩小视频在线观看| 一色屋精品视频在线看| 国产真实乱偷精品视频免| 午夜精品久久久久久久99樱桃| 亚洲国产精品久久久久| 国产小视频国产精品| 在线观看视频一区二区欧美日韩| 久久久久国产精品麻豆ai换脸| 亚洲片国产一区一级在线观看| 在线观看日韩欧美| 国产精品视频99| 一本一本a久久| 国产精品国产三级国产专播品爱网| 国产精品毛片高清在线完整版| 免费欧美在线视频| 国产人久久人人人人爽| 亚洲永久免费av| 久久久国际精品| 国产日韩久久| 国产一区深夜福利| 亚洲国产综合视频在线观看| 亚洲欧洲视频在线| 亚洲国产精品va在看黑人| 欧美三级第一页| 亚洲国产欧美另类丝袜| 国产精品xnxxcom| 国产精品日本精品| 欧美国产高潮xxxx1819| 国产乱码精品一区二区三区av| 欧美在线观看一区二区三区| 91久久综合亚洲鲁鲁五月天| 一区二区三区色| 久久久久久穴| 日韩亚洲一区二区| 免费观看亚洲视频大全| 亚洲人永久免费| 久久久久**毛片大全| 久久精品亚洲乱码伦伦中文| 欧美体内谢she精2性欧美| 久久婷婷综合激情| 亚洲一级片在线观看| 在线观看国产成人av片| 免费看黄裸体一级大秀欧美| 老色批av在线精品| 亚洲精品中文在线| 亚洲精品在线三区| 一本久久综合亚洲鲁鲁五月天| 国产一区二区欧美| 99国产欧美久久久精品| 99国产精品99久久久久久| 欧美gay视频激情| 日韩网站在线观看| 欧美日韩国产在线一区| 久久久精品动漫| 久久久精品国产99久久精品芒果| 国产精自产拍久久久久久蜜| 欧美午夜不卡视频| 美国十次成人| 欧美亚洲一区二区三区| 欧美三级特黄| 欧美日韩另类丝袜其他| 国产精一区二区三区| 欧美激情第8页| 欧美精品手机在线| 99精品99久久久久久宅男| 欧美freesex8一10精品| 一本色道久久综合亚洲精品婷婷| 欧美制服丝袜第一页| 日韩午夜视频在线观看| 欧美久久成人| 亚洲欧美在线磁力| 久久av在线看| 亚洲国产欧美一区二区三区丁香婷| 欧美三级视频在线观看| 国产精品成av人在线视午夜片| 欧美视频久久| 欧美日韩免费观看一区| 免费观看国产成人| 亚洲精品一二区|