【论文阅读笔记】基于肌电信号的人手姿态多模式识别方法、基于肌电信号的手部动作模式识别新思路、基于支持向量机的人手姿态肌电模式识别与力检测

最新推荐文章于 2024-03-27 17:52:18 发布
最新推荐文章于 2024-03-27 17:52:18 发布
阅读量711 收藏 12
点赞数 1
文章标签： 支持向量机 论文阅读 笔记
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_50830241/article/details/131168685
版权
标题作者单位期刊关键词
基于肌电信号的人手姿态多模式识别方法杨大鹏 赵京东 姜力 刘宏哈尔滨工业大学 机器人技术与系统国家重点实验室上海交通大学学报肌电控制 模式识别 支持向量机 假手
基于肌电信号的手部动作模式识别新思路王焕玲 尤波 黄玲 杨大鹏哈尔滨工业大学 机器人技术与系统国家重点实验室计算机工程与应用表面肌电信号 模式识别 误差反向传播神经网络
基于支持向量机的人手姿态肌电模式识别与力检测杨大鹏 赵京东 崔平远 姜力 刘宏哈尔滨工业大学 机器人技术与系统国家重点实验室高技术通讯肌电控制 模式识别 支持向量机 假手

三篇文章的共通之处：分类模式

将拇指、食指 其余指作为单一的自由度，他们的放松、弯曲、伸展各作为一个“态”，最终由27种可能的类别。
在这里插入图片描述

基于肌电信号的人手姿态多模式识别方法

一、特征提取

选取特征：均值（采样频率：1kHz，10个通道，得到6维特征）

二、分类方法：SVM

1.SVM思想

找到使得两类数据距离最大的超平面进行分割

2.“核”的概念

  • RBF核
    在这里插入图片描述

3.问题转化（没懂）

  • 拉格朗日优化算法：将SVM二次规划问题转化为对偶问题求解
    在这里插入图片描述

基于肌电信号的手部动作模式识别新思路

一、特征提取

选取特征：均值

二、分类方法：BP神经网络

  • 思想：三个神经网络分别识别三个手指的状态
  • 隐藏层结点数设定
    在这里插入图片描述- 初试权值设定：要求在初始权值设定时，在初始输入累加时每个神经元状态接近于零（较小的随机数）
  • 参数设置
    在这里插入图片描述

基于支持向量机的人手姿态肌电模式识别与力检测

一、激发态与空闲态判断

在这里插入图片描述

二、模式识别：C-SVM

  • 识别函数
    在这里插入图片描述
  • 高斯核
    在这里插入图片描述

总结

一、收获

  • 通过对三篇文章的对比学习，比较文章的共同之处与不同之处，对手势识别的方法有了更具体的了解
  • 学习到了将手分为三个部分，对每个部分指定三个“态”的思想

二、展望

  • 了解到对C-SVM以及“核”的概念不熟悉，日后将重点学习
支持向量机用于肌电信号模式识别的程序matlab
05-30
初步了解支持向量机，支持向量机的入门程序，和用于肌电信号模式识别的入门程序。
医疗电子中的便携式肌电信号采集及人体动作识别设计方案
10-19
在医疗电子领域，便携式肌电信号采集及人体动作识别设计方案是一种先进的技术，它能够非侵入性地监测和分析肌肉活动，从而为临床诊断、康复治疗和生物力学研究提供重要信息。肌电信号（Electromyography，EMG）是...
【手势识别】基于matlab GUI SIFT+SVM算法手势识别【含Matlab源码 1789期】
订阅付费专栏Matlab（奶茶价版），可赠送奶茶价版付费专栏指定代码1份；
03-21 4424
SIFT+SVM算法手势识别 完整代码，直接运行，适合小白！可提供运行操作视频！
【肌电信号ECG】BP神经网络表面肌电信号识别【含Matlab源码 4174期】
订阅付费专栏Matlab（奶茶价版）或下载付费资源，可赠送奶茶价版付费专栏指定代码1份；
03-27 1036
BP神经网络表面肌电信号识别 完整的代码，方可运行；可提供运行操作视频！适合小白！
手势识别.rar_SVM手势识别_图像识别_手势识别_数据识别svm_雷达 手势
07-15
通过雷达采集手势数据，产生手势图像，再用SVM识别
用OpenCV的SVM实现简单的手势识别（切水果）[附源码]
weixin_44571865的博客
06-03 2757
二、SVM 因此容易写得一个基于HOG特征SVM分类器 三、测试 简单尝试了一下训练，然后把训练的xml读入，做了测试（这里表格里的单位应该是ms不是s） 运用SVM+Qt+openCV写了小demo测试 适当调整灵敏度后点击“抢占”就能调用windows.api控制鼠标，开始愉快(智杖)的玩耍了！时间比较久，有些东西已经没了，不过代码还在，之前没上传的原因就是感觉代码写得太烂，而且就是个本科作业级别的玩具，不好意思上传，但是有人需要，所以上传修改了一下文章，如下。该项目主要有三个工程， 一个是vs_tes
基于SVM的运动手势识别模型
SingWeek
01-21 3139
1、通过捕捉手在空中的运动手势，通过卷积进行图像特征提取和PCA特征降维最后通过SVM进行分类。具体代码如下，通过 sklearn、numpy等相关库实现。 #!usr/bin/python3 # -*- coding:utf-8 -*- # author:SingWeek import cv2 import numpy as np import os from sklearn.mode...
HOG+SVM手势识别
03-07
利用HOG特征和SVM学习算法实现对不同手势的识别 其中对于张开的手识别率可高达90%以上 资源里本人的毕业论文，没有具体的代码，详细介绍了HOG算法和SVM算法，并给出了实现手势识别的具体操作，以及识别效果 请勿随意转载
基于sift和SVM算法实现的手势识别 MATLAB GUI程序
11-06
基于sift和SVM算法实现的手势识别程序，用MATLAB GUI编写的，附有手势库，可拷贝至任何磁盘运行不必担心路径问题，但可能要求版本高一点的MATLAB软件
基于HOG特征和SVM的手势识别
09-12
为克服环境带来的影响，借鉴了近年来在目标检测研究中应用较多的梯度方向直方图（HOG）技术，将其用于手势识别中。这种方法使得基于视觉的手势识别对环境不再敏感，得到了较好的识别效果。
VS2013+OPENCV2.4.10 提取HOG特征使用SVM多分类手势识别
05-12
使用VS2013+OPENCV 2.4.10 离线训练及识别手势图片获得识别率
HOG+SVM手势识别可运行程序，识别车
02-14
HOG+SVM手势识别可运行程序，识别车。编译时要把opencv设置好。核心程序C++，不是采用opencv
基于SVM的数字手势识别模型
qq_43182766的博客
04-13 1955
1.将一张图片扩展为n张图片 from keras.preprocessing.image import ImageDataGenerator, array_to_img, img_to_array, load_img datagen = ImageDataGenerator( rotation_range=30, width_shift_range=0.2, heig...
opencv手势识别（2_KNN算法识别）
Mr Qin的博客
01-18 2801
手势识别系列博文2：KNN算法识别手势前言原理介绍代码实现 前言 琴某人辛辛苦苦码的报告，当然不能让你们这么容易复制过去(๑• . •๑) 原理介绍 代码实现 1.程序中有很多冗余的函数 2.要运行此代码还需要提前制作好模板库，否则识别个der啊 3.代码有点乱，不想改了 #include <iostream> #include <string> #include <opencv2\opencv.hpp> #include <stdio.h> usi
python手势识别上下左右(SVM+HOG特征)
12-21
项目环境：opencv==3.4.5       scikit-learn =>=0.20.2.     numpy == 1.17.4 参考博客：https://blog.csdn.net/qq_41562704/article/details/88975569 一、收集数据集 1、数据集图片的大小 300×300 2、获取上、下、左、右的手势，进行皮肤检测，将背景二值化 3、皮肤检测参考文章（https://blog.csdn.net/weixin_40893939/article/details/84527037） dataset.py # -*- coding: utf8 -*- #
肌电信号手部动作识别
最新发布
02-10
### 使用肌电信号进行手部动作识别的技术实现方法 #### 数据采集 为了有效实施基于肌电信号的手部动作识别，数据采集阶段至关重要。这涉及到通过传感器获取高质量的肌电信号。通常采用表面电极贴附于皮肤上来捕捉肌肉活动期间产生的电信号[^1]。 #### 特征提取 一旦获得了原始肌电信号，下一步就是从中抽取有意义的信息片段作为特征向量的一部分。这些特征能够代表不同手势下的特定模式变化。常见的做法是从时间域、频率域以及非线性动力学等多个角度分析信号特性，并选取最能反映差异性的参数组合形成输入给分类器的数据集[^3]。 #### 模型训练与验证 选择合适的机器学习算法对于提高识别精度非常关键。支持向量机(SVM)、随机森林(Random Forests)等都是较为常用的模型选项。通过对已标注好的样本库反复迭代优化权重系数直至达到满意的泛化能力为止。在此过程中还需要注意交叉验证以确保结果具有统计显著性和稳定性[^2]。 #### 应用实例展示 下面给出一段简单的MATLAB代码示例用于模拟基本的手势识别流程： ```matlab % 加载预处理后的肌电信号矩阵EMGdata,每列对应一个通道 load('processed_EMG.mat'); % 定义标签变量Labels表示各个试验条件下实际执行的手势编号 labels = [1;2;3]; % 假设有三种不同的手势类型 % 提取时频域联合特征并构建训练测试集合划分 features_train = extractFeatures(EMGdata(:,trainIdx)); features_test = extractFeatures(EMGdata(:,testIdx)); % 训练SVM分类器 model = fitcsvm(features_train', labels(trainIdx), 'KernelFunction','rbf'); % 测试性能评估 predicted_labels = predict(model, features_test'); accuracy = sum(predicted_labels == labels(testIdx)) / length(labels(testIdx)) ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值