基于fHMM分类优化的多传感器手语手势识别方法
作者：杨俊岭 整理 来源： 日期：2015-12-24
导读
近期，中国科学技术大学电子科学与技术系研究人员发表论文，旨在探索基于角速度、加速度、表面肌电信息融合的算法，使在嵌入式设备上实现实时手势识别成为可能。研究指出，本文为实时手语手势识别设备的研制提供了一种可行的方案。该文发表在2015年第03期《航天医学与医学工程》杂志上。 以表面肌电样本熵检测动作起止点，配合多级决策树融合轨迹和肌电信息实现手语手势的识别；采用分帧隐马尔可夫（framin
近期，中国科学技术大学电子科学与技术系研究人员发表论文，旨在探索基于角速度、加速度、表面肌电信息融合的算法，使在嵌入式设备上实现实时手势识别成为可能。研究指出，本文为实时手语手势识别设备的研制提供了一种可行的方案。该文发表在2015年第03期《航天医学与医学工程》杂志上。
以表面肌电样本熵检测动作起止点，配合多级决策树融合轨迹和肌电信息实现手语手势的识别；采用分帧隐马尔可夫（framing Hidden Markov Model，fHMM）优化策略降低识别延时；在运行速度为300 MHz的嵌入式软件上进行算法测试。
结果显示， 融合三类信息后，30个中国手语词获得97.5%±1.6%的识别率，角速度的加入使得识别率平均提高4%；同时，使用基于f HMM的分类优化策略将平均识别延时降低至（175±38）ms，减小约670 ms。
相关链接：http://c.wanfangdata.com.cn/PeriodicalProfile-htyxyyxgc.aspx
分享：
相关文章
评论
我要跟帖
发表
回复
小鸭梨：
发表
