CN113977589B - 一种手势识别阈值调整方法、装置及存储介质 - Google Patents

一种手势识别阈值调整方法、装置及存储介质 Download PDF

Info

Publication number
CN113977589B
CN113977589B CN202111587617.4A CN202111587617A CN113977589B CN 113977589 B CN113977589 B CN 113977589B CN 202111587617 A CN202111587617 A CN 202111587617A CN 113977589 B CN113977589 B CN 113977589B
Authority
CN
China
Prior art keywords
gesture
signal data
action
frequency
electromyographic signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202111587617.4A
Other languages
English (en)
Other versions
CN113977589A (zh
Inventor
韩璧丞
黄琦
阿迪斯
王俊霖
张胜男
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Mental Flow Technology Co Ltd
Original Assignee
Shenzhen Mental Flow Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Mental Flow Technology Co Ltd filed Critical Shenzhen Mental Flow Technology Co Ltd
Priority to CN202111587617.4A priority Critical patent/CN113977589B/zh
Publication of CN113977589A publication Critical patent/CN113977589A/zh
Application granted granted Critical
Publication of CN113977589B publication Critical patent/CN113977589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1602—Programme controls characterised by the control system, structure, architecture
    • B25J9/161—Hardware, e.g. neural networks, fuzzy logic, interfaces, processor
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J13/00—Controls for manipulators
    • B25J13/08—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices
    • B25J13/087—Controls for manipulators by means of sensing devices, e.g. viewing or touching devices for sensing other physical parameters, e.g. electrical or chemical properties
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
    • B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
    • B25J9/00—Programme-controlled manipulators
    • B25J9/16—Programme controls
    • B25J9/1656—Programme controls characterised by programming, planning systems for manipulators
    • B25J9/1661—Programme controls characterised by programming, planning systems for manipulators characterised by task planning, object-oriented languages
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Mechanical Engineering (AREA)
  • Robotics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本发明公开了一种手势识别阈值调整方法、装置及存储介质，所述方法包括：获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；根据所述频率信息，调整所述手势动作所对应的识别阈值。本发明可以将预设时间段手势动作对应的频率信息与预设的频率阈值进行比较，根据所述频率信息与所述预设的频率阈值的比较结果，调整所述手势动作所对应的识别阈值，从而提高用户使用仿生手的便利性与舒适性。

Description

一种手势识别阈值调整方法、装置及存储介质
技术领域
本发明涉及机器人技术领域，尤其涉及一种手势识别阈值调整方法、装置及存储介质。
背景技术
智能仿生手是一款脑机接口技术于人工智能算法高度融合的智能产品。智能仿生手可以通过提取佩戴者手臂神经肌肉信号，识别佩戴者的运动意图，并将运动示意图转化成智能仿生手的动作，从而做到灵巧智能，手随心动。
但是目前的仿生手在识别手势的时候并不会考虑用户的操作习惯或者操作规律来进行识别，比如，用户在早上7点-7点半个时间段经常会做手部的伸展运动，而现有的仿生手在手势识别时也并不会将这个时间段的用户习惯考虑进行，导致识别准确度不高且识别效率偏低。
因此，现有技术还有待改进和提高。
发明内容
本发明要解决的技术问题在于，针对现有技术的上述缺陷，提供一种手势识别阈值调整方法、装置及存储介质，旨在解决现有技术在识别手势的时候并不会考虑用户的操作习惯或者操作规律来进行识别，导致识别准确度不高且识别效率偏低，从而影响用户的使用的问题。
为了解决上述技术问题，本发明所采用的技术方案如下：
第一方面，本发明提供一种手势识别阈值调整方法，其中，所述方法包括：
获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；
根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；
根据所述频率信息，调整所述手势动作所对应的识别阈值。
在一种实现方法中，所述获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作，包括：
获取历史肌电信号数据；
基于所述历史肌电信号数据，获取所述预设时间段内的所述肌电信号数据；
对所述肌电信号数据进行分析，确定出所述肌电信号数据所对应的所述手势动作。
在一种实现方法中，所述基于所述历史肌电信号数据，获取所述预设时间段内的所述肌电信号数据，包括：
获取所述历史肌电信号数据所对应时间信息；
根据所述时间信息，确定所述预设时间段，并获取所述预设时间段内的所述肌电信号数据。
在一种实现方法中，所述对所述肌电信号数据进行分析，确定出所述肌电信号数据所对应的所述手势动作，包括：
对采集到的若干所述肌电信号数据进行分析，得到每一个所述肌电信号数据所对应的动作电位信息；
根据所述动作电位信息，确定每一个所述动作电位信息所对应的手势动作。
在一种实现方法中，所述根据所述手势动作，确定所述手势动作对应的频率信息，包括：
对所述手势动作进行区分，并统计每一种所述手势动作所对应的出现次数；
根据所述出现次数，确定出每一种所述手势动作所对应的频率信息。
在一种实现方法中，所述根据所述频率信息，调整所述手势动作所对应的识别阈值，包括：
将每一个所述手势动作所对应的所述频率信息与预设的频率阈值进行比较；
若所述频率信息大于所述频率阈值时，将所述频率信息大于所述频率阈值所对应的手势动作作为高频动作；
对所述高频动作所对应的识别阈值进行调整。
在一种实现方法中，所述对所述高频动作所对应的识别阈值进行调整，包括：
获取所述高频动作所对应的识别阈值曲线；
将所述识别阈值曲线中的识别阈值进行降低。
第二方面，本发明实施例还提供一种手势识别阈值调整装置，其中，所述装置包括：
手势动作确定模块，用于获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；
频率信息确定模块，用于根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；
识别阈值调整模块，用于根据所述频率信息，调整所述手势动作所对应的识别阈值。
第三方面，本发明实施例还提供一种智能仿生手，其中，所述智能仿生手包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的手势识别阈值调整方法的程序，所述处理器执行所述手势识别阈值调整方法的程序时，实现如上述方案中任一项所述的手势识别阈值调整方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其中，所述计算机可读存储介质上存储有手势识别阈值调整方法的程序，所述手势识别阈值调整方法的程序被处理器执行时，实现如上述方案中任一项所述的手势识别阈值调整方法的步骤。
有益效果：
与现有技术相比，本发明提供了一种手势识别阈值调整方法，本发明首先获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；根据所述频率信息，调整所述手势动作所对应的识别阈值。本发明通过对预设时间段内的肌电信号数据进行分析，确定出在预设时间段内的手势动作，并对该预设时间段内的手势动作的识别阈值进行调整，以使得在智能仿生手在特定的时间段内的识别特定的手势动作时，可以更为准确且快速地识别出来。此外，本申请中的预设时间段内的肌电信号数据可从用户对于智能仿生手的历史使用数据中得到，这样用户的智能仿生手就可以基于用户的操作习惯或者操作规律来进行进行分析，以便提高识别的准确度和识别效率，从而提高用户使用仿生手的便利性与舒适性。
附图说明
图1为本发明实施例提供的手势识别阈值调整方法的具体实施方式的流程图。
图2是本发明实施例提供的手势识别阈值调整方法的装置的原理框图。
图3是本发明实施例提供的智能仿生手的内部结构原理框图。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
智能仿生手可以通过提取佩戴者手臂神经肌肉信号，识别佩戴者的运动意图，并将运动示意图转化成智能仿生手的动作，从而做到灵巧智能，手随心动。而现有技术在识别手势的时候并不会考虑用户的操作习惯或者操作规律来进行识别，从而在手势识别时也并不会将某个时间段的用户习惯考虑进行，导致识别准确度不高且识别效率偏低。为了解决上述技术问题，本实施例提供一种手势识别阈值调整方法，本实施例首先获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；根据所述频率信息，调整所述手势动作所对应的识别阈值。本实施例可以将预设时间段手势动作对应的频率信息与预设的频率阈值进行比较，根据所述频率信息与所述预设的频率阈值的比较结果，调整所述手势动作所对应的识别阈值，这样用户的智能仿生手就可以基于调整后的识别阈值更加准确的识别用户的手势动作，从而提高用户使用仿生手的便利性与舒适性。
举例说明,当获取到仿生手用户的肌电信号数据后，本实例再基于此获取仿生手用户在时间段A内的肌电信号数据，并对采集到的时间段A内的若干肌电信号数据进行分析，得到每一个所述肌电信号数据所对应的手势动作，并根据每个手势动作对应的频率信息调整所述手势动作所对应的识别阈值。比如，本实例分析得到仿生手用户在时间段A内的手势动作有握手和拿笔，再根据握手和拿笔手势动作分别在时间段A内出现的次数得到握手和拿笔动作各自所对应的频率信息，再根据握手和拿笔手势动作的频率信息，调整其对应的识别阈值。这样用户的仿生手在时间段A做高频手势动作时，更容易被准确地识别，从而提高识别的准确性和识别效率。
示例性方法
实施例的手势识别阈值的调整方法可应用于终端设备中，该终端设备可为电脑、手机以及其他智能终端产品。并且，本实施例中手势识别阈值调整方法是应用在仿生手上的，因此本实施例的终端设备可与仿生手建立通讯连接，或者直接设置在仿生手上，形成智能仿生手。
具体实施时，如图1所示，本实施例中的手势识别阈值的调整方法包括如下步骤：
步骤S100、获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作。
肌电信号数据是众多肌纤维中运动单元（比如手臂）动作电位信息在时间和空间上的叠加，且由于每个肌电信号数据会有不同的动作电位信息，而动作电位信息反映的是表面肌电信号是浅层肌肉和神经干上电活动在皮肤表面的综合效应，因此基于该动作电位信息就可确定出用户所作出的动作手势对应的手势特征。本实施例可从这些有效肌电信号数据中获取对应的动作电位信息，然后再来分析出对应的手势特征。
举例说明，当获取到仿生手用户在预设时间段10:00AM-11:30AM内的肌电信号数据有A1、A2、A3、A4、A5，就可以基于所述肌电信号确定仿生手用户的手势动作分别为A1是握手，A2是拿杯子，A3是握笔，A4是拿杯子，A5是拿鼠标。可见，每个肌电信号数据可能代表相同的手势动作，也可能代表不同的手势动作。
在一种实现方式中，本实施例中在基于预设时间段内肌电信号数据确定手势动作时包括如下步骤：
步骤S101、获取历史肌电信号数据；
步骤S102、基于所述历史肌电信号数据，获取所述预设时间段内的所述肌电信号数据；
步骤S103、对所述肌电信号数据进行分析，确定出所述肌电信号数据所对应的所述手势动作。
具体应用时，本实施例的智能仿生手对获取到的历史肌电信号数据进行分析。通过对历史肌电信号数据的时间信息进行分析，就获取到预设时间段内的所有肌电信号数据。再对预设时间段内的肌电信号数据进行分析，进而得到预设时间段内的肌电信号数据所对应的所述手势动作。
在一种实现方式中，用户在使用智能仿生手执行动作会产生肌电信号数据。由于受用户的的操作习惯或者操作规律影响，用户在一天的不同时段使用仿生手时，某个手势动作出现频率会和一某个时间段相关，即某个仿生手的手势动作在某些时间段出现的频率较高，在某些时间段出现的频率不高。所以，本实施例会对采集到的的若干肌电信号数据进行分析，会将肌电信号数据和预设时间段建立联系。首先会对历史肌电信号数据的时间信息进行分析，获取到预设时间段内的所有肌电信号数据，也就获取了预设时间段内的动作电位信息。如果动作电位信息与某个手势动作的动作电位信息相似度超过识别阈值，就可确定在预设时间段内所述动作电位信息所对应的手势动作是什么动作。在预设时间段内，如有多个动作电位信息，就需要确定每一个动作电位信息所对应的手势动作。
例如，当在历史一天中智能仿生手采集到编号为A1，A2…A100的肌电信号数据后，对这100个肌电信号数据进行分析，得到A1-A100肌电信号数据对应的时间信息。如果，确定预设时间段为9:00AM-10:00AM，进而获取到预设时间段内的肌电信号数据为A10-A19，那么得到肌电信号数据A10对应的动作电位信息为a10,肌电信号数据A11对应的动作电位信息为a11，依次类推到肌电信号数据A19对应的动作电位信息为a19。再根据动作电位信息确定每一个动作电位信息对应的手势动作。例如，得到动作电位信息a10、a11、a12和握手这个手势动作的动作电位信息相似度超过识别阈值，那么确定动作电位信息a10、a11、a12对应的手势动作是握手，如果动作电位信息a13和任何手势动作的动作电位信息相似度都不超过识别阈值，那么不会将动作电位信息a13确定为任何手势动作。如果动作电位信息a14、a15、a16、a17、a18、a19和握笔这个手势动作的动作电位信息相似度超过识别阈值，那么确定动作电位信息a14、a15、a16、a17、a18、a19对应的手势动作是握笔。
步骤S200、根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次。
当确定预设时间段内每一个肌电信号数据所对应的所述手势动作后，本实施例可继续确定所述手势动作对应的频率信息。由于本实施例中得到的手势动作仅反映在预设时间段内所述手势动作出现的频次，因此更能贴近用户的操作习惯和操作规律。
在一种实现方式中，确定所述手势动作对应的频率信息时包括如下步骤：
S201、对所述手势动作进行区分，并统计每一种所述手势动作所对应的出现次数；
S202、根据所述出现次数，确定出每一种所述手势动作所对应的频率信息。
具体应用时，同一个手势动作可能出现多次，比如上述举例中的握手手势动作出现了3次，握笔的手势动作出现了6次，而未确定的手势动作出现1次。
举例说明，若仿生手用户在在一天24小时中，产生了了A1,A2……A1000号肌电信号数据，确定预设时间段为4:30PM-5:55PM。对这1000个肌电信号数据进行分析，得到预设时间段内的肌电信号数据为A501-A730号，进而确定肌电信号数据A501-A730对应的动作电位信息分别为a501-a730。再根据动作电位信息确定每一个动作电位信息对应的手势动作，在本例中，假设确定的手势动作为握手、握笔、拿杯子、打字、拿勺子。则对所述手势动作进行区分，并统计每一个所述手势动作出现的次数，假设统计的结果为：握手10次，握笔80次，拿杯子5次，打字110，拿勺子10，和不能确认的手势动作15次。根据所述出现次数，确定出每一种手势动作所对应的频率信息分别为握手4.35%，握笔34.78%，拿杯子2.17%，打字47.83%，拿勺子4.35%。同样地，未确定的手势动作暂不统计出现频率。
在一种实现方式中，本实施例中在确定手势动作对应的频率信息时包括如下步骤：
步骤S300、根据所述频率信息，调整所述手势动作所对应的识别阈值。
由于采集到的频率信息是基于预设时间段的，因此根据所述手势动作的频率信息，调整所述手势动作所对应的识别阈值，用户的智能仿生手就可以基于调整后的识别阈值更加准确的识别用户的手势动作，从而提高用户使用仿生手的便利性与舒适性。
在一种实现方式中，本实施例在调整手势动作所对应的识别阈值时，包括如下步骤：
步骤S301、将每一个所述手势动作所对应的所述频率信息与预设的频率阈值进行比较；
步骤S302、若所述频率信息大于所述频率阈值时，将所述频率信息大于所述频率阈值所对应的手势动作作为高频动作；
步骤S303、对所述高频动作所对应的识别阈值进行调整。
具体应用时，确定出的手势动作可能有多个，每一个手势动作的出现频率也有高有低。本实施例会基于手势的出现频率来对手势进行进一步的划分，若所述频率信息大于所述频率阈值时，将所述频率信息大于所述频率阈值所对应的手势动作作为高频动作。具体地，如上述举例，在4:30PM-5:55PM这个预设时间段内，每一种手势动作所对应的频率信息分别为握手4.35%，握笔34.78%，拿杯子2.17%，打字47.83%，拿勺子4.35%，若频率阈值是30%，意味着在4:30PM-5:55PM这个预设时间段内，握手、拿杯子、拿勺子手势动作的出现频率小于频率阈值，而握笔、打字手势动作的出现频率大于频率阈值。则将握手、拿杯子、拿勺子手势动作不作为高频动作，握笔、打字手势动作作为高频动作。然后，本实施例就可以对4:30PM-5:55PM这个预设时间段内的握笔和打字手势动作所对应的识别阈值进行调整，包括获取握笔、打字手势动作分别对应的识别阈值曲线，将各自识别阈值曲线中的识别阈值进行降低。从而在预设时间段内,用户的智能仿生手就可以基于调整后的识别阈值更加准确的识别用户的手势动作，手势动作的识别更加贴近用户的操作习惯或者操作规律，从而提高用户使用仿生手的使用舒适度，更能满足用户的使用需求。
综上，本实施例首先获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；根据所述频率信息，调整所述手势动作所对应的识别阈值。本实施例可以将预设时间段手势动作对应的频率信息与预设的频率阈值进行比较，根据所述频率信息与所述预设的频率阈值的比较结果，调整所述手势动作所对应的识别阈值，这样用户的智能仿生手就可以基于调整后的识别阈值更加准确的识别用户的手势动作， 从而提高用户使用仿生手的便利性与舒适性。
示例性装置
基于上述实施例，本发明还公开了手势识别阈值调整方法的装置，如图2，所述装置包括：信号数据获取模块10、手势特征获取模块20以及识别阈值调整模块30。具体地，本实施例中的所述信号数据获取模块10，用于获取肌电信号数据，并对所述肌电信号数据进行筛选，得到有效肌电信号数据。所述手势特征获取模块20，用于根据所述有效肌电信号数据，获取所述有效肌电信号数据所对应的手势特征。所述识别阈值调整模块30，用于根据所述频率信息，调整所述手势动作所对应的识别阈值。
在一种实现方式中，本实施例中的手势动作确定模块10包括：
肌电信号数据获取单元，用于获取历史肌电信号数据；
手势动作确定单元，根据预设时间段，确定所述肌电信号数据所对应的手势动作。
在一种实现方式中，本实施例中的肌电信号数据获取单元包括：
时间信息获取子单元，用于获取所述历史肌电信号数据所对应的时间信息；
动作电位信息获取子单元，用于获取若干肌电信号数据，确定每一个所述肌电信号数据所对应的动作电位信息；
在一种实现方式中，本实施例中的所述频率信息确定模块20包括：
频率信息区分单元，用于对不同的手势动作进行区分；
频率信息确定单元，用于确定对每一种手势动作对应的频率信息。
在一种实现方式中，本实施例中的所述识别阈值调整模块30包括：
出现频率获取单元，用于获取所述手势特征所对应的频率信息；
高频动作识别单元，用于识别频率信息高于频率阈值的手势动作；
识别阈值调整单元，用于调整将所述高频动作的识别阈值。
在一种实现方式中，本实施例中的高频动作识别单元单元，包括：
频率比较子单元，用于将所述频率信息与预设的频率阈值进行比较；
高频动作筛选子单元，用于若所述出现频率大于所述频率阈值，则将所述出现频率大于所述频率阈值的手势动作作为高频动作；
在一种实现方式中，本实施例中的识别阈值调整单元，包括：
识别阈值曲线获取子单元，用于获取所述高频动作所对应的识别阈值曲线；
识别阈值曲线调整子单元，用于将所述识别阈值曲线中的识别阈值进行降低。
本实施例中的手势识别阈值调整装置的工作原理与上述方法实施例所记载的内容相同，此处不再赘述。
基于上述实施例，本发明还提供了一种智能仿生手，其原理框图可以如图3所示。该智能仿生手包括通过***总线连接的处理器、存储器。其中，该智能仿生手的处理器用于提供计算和控制能力。该智能仿生手的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作***和计算机程序。该内存储器为非易失性存储介质中的操作***和计算机程序的运行提供环境。该智能仿生手的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种手势识别阈值调整方法。
本领域技术人员可以理解，图3中示出的原理框图，仅仅是与本发明方案相关的部分结构的框图，并不构成对本发明方案所应用于其上的智能仿生手的限定，具体的智能仿生手以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种智能仿生手，智能仿生手包括存储器、处理器及存储在存储器中并可在处理器上运行的手势识别阈值调整方法的程序，处理器执行手势识别阈值调整方法的程序时，实现如下操作指令：
获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；
根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；
根据所述频率信息，调整所述手势动作所对应的识别阈值。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、运营数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双运营数据率SDRAM（DDRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink） DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM（RDRAM）等。
综上，本发明公开了一种手势识别阈值调整方法方法、装置、智能仿生手及存储介质，所述方法包括：获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；根据所述频率信息，调整所述手势动作所对应的识别阈值。本发明可以将预设时间段手势动作对应的频率信息与预设的频率阈值进行比较，根据所述频率信息与所述预设的频率阈值的比较结果，调整所述手势动作所对应的识别阈值，这样用户的智能仿生手就可以基于调整后的识别阈值更加准确的识别用户的手势动作，从而提高用户使用仿生手的便利性与舒适性。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种手势识别阈值调整方法，其特征在于，所述方法包括：
获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；
根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；
根据所述频率信息，调整所述手势动作所对应的识别阈值。
2.根据权利要求1所述的手势识别阈值调整方法，其特征在于，所述获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作，包括：
获取历史肌电信号数据；
基于所述历史肌电信号数据，获取所述预设时间段内的所述肌电信号数据；
对所述肌电信号数据进行分析，确定出所述肌电信号数据所对应的所述手势动作。
3.根据权利要求2所述的手势识别阈值调整方法，其特征在于，所述基于所述历史肌电信号数据，获取所述预设时间段内的所述肌电信号数据，包括：
获取所述历史肌电信号数据所对应时间信息；
根据所述时间信息，确定所述预设时间段，并获取所述预设时间段内的所述肌电信号数据。
4.根据权利要求2所述的手势识别阈值调整方法，其特征在于，所述对所述肌电信号数据进行分析，确定出所述肌电信号数据所对应的所述手势动作，包括：
对采集到的若干所述肌电信号数据进行分析，得到每一个所述肌电信号数据所对应的动作电位信息；
根据所述动作电位信息，确定每一个所述动作电位信息所对应的手势动作。
5.根据权利要求1所述的手势识别阈值调整方法，其特征在于，所述根据所述手势动作，确定所述手势动作对应的频率信息，包括：
对所述手势动作进行区分，并统计每一种所述手势动作所对应的出现次数；
根据所述出现次数，确定出每一种所述手势动作所对应的频率信息。
6.根据权利要求1所述的手势识别阈值调整方法，其特征在于，所述根据所述频率信息，调整所述手势动作所对应的识别阈值，包括：
将每一个所述手势动作所对应的所述频率信息与预设的频率阈值进行比较；
若所述频率信息大于所述频率阈值时，将所述频率信息大于所述频率阈值所对应的手势动作作为高频动作；
对所述高频动作所对应的识别阈值进行调整。
7.根据权利要求6所述的手势识别阈值调整方法，其特征在于，所述对所述高频动作所对应的识别阈值进行调整，包括：
获取所述高频动作所对应的识别阈值曲线；
将所述识别阈值曲线中的识别阈值进行降低。
8.一种手势识别阈值调整装置，其特征在于，所述装置包括：
手势动作确定模块，用于获取预设时间段内的肌电信号数据，并基于所述肌电信号数据确定手势动作；
频率信息确定模块，用于根据所述手势动作，确定所述手势动作对应的频率信息，所述频率信息用于反映所述手势动作在所述预设时间段内出现的频次；
识别阈值调整模块，用于根据所述频率信息，调整所述手势动作所对应的识别阈值。
9.一种智能仿生手，其特征在于，所述智能仿生手包括存储器、处理器及存储在所述存储器中并可在所述处理器上运行的手势识别阈值调整方法的程序，所述处理器执行所述手势识别阈值调整方法的程序时，实现如权利要求1-7任一项所述的手势识别阈值调整方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有手势识别阈值调整方法的程序，所述手势识别阈值调整方法的程序被处理器执行时，实现如权利要求1-7任一项所述的手势识别阈值调整方法的步骤。
CN202111587617.4A 2021-12-23 2021-12-23 一种手势识别阈值调整方法、装置及存储介质 Active CN113977589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111587617.4A CN113977589B (zh) 2021-12-23 2021-12-23 一种手势识别阈值调整方法、装置及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111587617.4A CN113977589B (zh) 2021-12-23 2021-12-23 一种手势识别阈值调整方法、装置及存储介质

Publications (2)

Publication Number Publication Date
CN113977589A CN113977589A (zh) 2022-01-28
CN113977589B true CN113977589B (zh) 2022-03-08

Family

ID=79734139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111587617.4A Active CN113977589B (zh) 2021-12-23 2021-12-23 一种手势识别阈值调整方法、装置及存储介质

Country Status (1)

Country Link
CN (1) CN113977589B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114167996B (zh) * 2022-02-14 2022-05-17 浙江强脑科技有限公司 一种基于传感器的动作预判方法、装置及存储介质
CN114625257B (zh) * 2022-05-16 2022-08-16 浙江强脑科技有限公司 一种基于肌电信号的动作识别方法和识别装置
CN114652493B (zh) * 2022-05-25 2022-08-30 深圳市心流科技有限公司 一种肌电信号控制方法、装置、肌电设备、存储介质
CN114676737B (zh) * 2022-05-26 2022-09-27 深圳市心流科技有限公司 一种肌电信号的采样频率的动态调节方法
CN114668564B (zh) * 2022-05-26 2022-09-20 深圳市心流科技有限公司 一种基于肌电信号数据对采样频率进行动态调整的方法
CN114683292B (zh) * 2022-06-01 2022-08-30 深圳市心流科技有限公司 肌电设备的采样频率控制方法、智能仿生手及存储介质
CN115204242B (zh) * 2022-09-09 2022-12-09 深圳市心流科技有限公司 一种调整动作模板比对阈值的方法、装置及存储介质
CN117149046B (zh) * 2023-10-25 2024-03-15 荣耀终端有限公司 交互手势强度阈值调整方法及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298442A (zh) * 2010-06-24 2011-12-28 索尼公司 手势识别设备、手势识别方法及程序
CN109189218A (zh) * 2018-08-20 2019-01-11 广州市三川田文化科技股份有限公司 一种手势识别的方法、装置、设备及计算机可读存储介质
CN109283999A (zh) * 2018-07-26 2019-01-29 杭州懒陈鑫网络科技有限公司 一种手势交互方法以及交互***

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8433138B2 (en) * 2008-10-29 2013-04-30 Nokia Corporation Interaction using touch and non-touch gestures

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298442A (zh) * 2010-06-24 2011-12-28 索尼公司 手势识别设备、手势识别方法及程序
CN109283999A (zh) * 2018-07-26 2019-01-29 杭州懒陈鑫网络科技有限公司 一种手势交互方法以及交互***
CN109189218A (zh) * 2018-08-20 2019-01-11 广州市三川田文化科技股份有限公司 一种手势识别的方法、装置、设备及计算机可读存储介质

Also Published As

Publication number Publication date
CN113977589A (zh) 2022-01-28

Similar Documents

Publication Publication Date Title
CN113977589B (zh) 一种手势识别阈值调整方法、装置及存储介质
CN113946224B (zh) 智能仿生手的肌电手势识别的控制方法、装置及存储介质
CN113986017B (zh) 一种肌电手势模板的生成方法、装置及存储介质
CN113970968B (zh) 一种智能仿生手的动作预判方法
CN111209885B (zh) 一种手势信息处理方法、装置、电子设备及存储介质
CN113946225B (zh) 一种手势锁定方法、智能仿生手、终端以及存储介质
KR102619981B1 (ko) 근전도 신호를 이용한 동작 분류 방법 및 장치
CN114167995B (zh) 一种仿生手的手势锁定方法、装置、终端及存储介质
CN114652493B (zh) 一种肌电信号控制方法、装置、肌电设备、存储介质
CN114452054A (zh) 智能假肢的控制方法、装置、智能假肢及存储介质
CN114201052A (zh) 一种仿生手的动作力度控制方法、装置及存储介质
CN114668563B (zh) 一种肌电信号的采样频率的多层级调节方法
Huang et al. EMG pattern recognition using decomposition techniques for constructing multiclass classifiers
Ghalyan et al. Gaussian filtering of EMG signals for improved hand gesture classification
CN114167996B (zh) 一种基于传感器的动作预判方法、装置及存储介质
CN112417985A (zh) 一种人脸特征点追踪方法、***、电子设备和存储介质
US10782791B2 (en) Time domain feature transform for user gestures
Fu et al. Gesture recognition of sEMG signal based on GASF-LDA feature enhancement and adaptive ABC optimized SVM
Lewis et al. Mixed effects random forests for personalised predictions of clinical depression severity
Mullen et al. Real-time estimation and 3D visualization of source dynamics and connectivity using wearable EEG
CN114668564B (zh) 一种基于肌电信号数据对采样频率进行动态调整的方法
Liu et al. A novel unsupervised dynamic feature domain adaptation strategy for cross-individual myoelectric gesture recognition
CN114625246A (zh) 一种手势组合触发方法、装置、智能仿生手及存储介质
CN114683292B (zh) 肌电设备的采样频率控制方法、智能仿生手及存储介质
CN114676737B (zh) 一种肌电信号的采样频率的动态调节方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant