在线半监督Kohonen网络的预抓取手势识别

为实现智能仿生手的抓取,提高模式识别的实时性和灵敏性,提出一种在线半监督Kohonen网络。该网络针对表面肌电信号(s EMG)的特性,在有监督Kohonen网络基础上,将有监督和无监督网络的优势进行结合,应用数据剪辑方法处理训练集更新识别网络,在线识别侧边抓取、球形抓取、三指精确抓取和圆柱形抓取4种预抓取手势。实验表明,与不同Kohonen网络相比,此识别方法具有很好的在线识别能力和正确率。     

基于Kinect的无标定人机交互控制系统设计

手部跟踪主从控制机械臂是一种新型的人机交互方式。利用Kinect传感器骨骼追踪技术处理景深数据获取手部位置,构建手部相对于髋骨中心与末端执行器相对于机械臂基座的运动映射关系,进行主从控制,实现人手与机器臂的实时交互。针对手部抖动消除和异常值处理,提出一种基于位置增量的移动平均轨迹平滑算法。实验结果表明,该系统能够很好完成手部跟踪和主从控制任务,具有较高的实时性和交互性。     

基于FPGA的仿人假手控制系统设计

为了满足生机电一体化仿人假手的控制需求,提出了基于FPGA的仿人假手电气控制系统设计方案。采用模块化设计思想,由FPGA构成的主控芯片模块便于功能拓展与二次开发;由DSP构成的手指运动控制模块、肌电信号采集模块、电刺激模块、USG接口模块和电池管理模块均可独立工作,与主控芯片模块间通过通用接口连接。系统集成度高,可完全放置于假手内部。应用该控制系统在HIT V代手上进行多指抓取实验,实验结果证明其工作效果良好。     

基于加速度传感器的可扩展手势识别

为了提高基于加速度传感器的动态手势识别算法的性能,并且增强系统的可扩展性,提出了一种有效结合机器学习模型与模板匹配的方法.将手势分为基本手势和复杂手势两大类,其中复杂手势可分割为基本手势组成的序列;根据手势运动的特点提取有效的特征量,并利用基本手势样本训练随机森林模型,然后用其对基本手势序列进行分类预测;将预测结果进行约翰逊编码,再与标准模板序列进行相似度匹配.实验结果表明,该方法获得了99.75%的基本手势识别率以及100%的复杂手势识别率.算法既保证了手势识别的精度,也提高了系统的可扩展性.     

结合手指检测和HOG特征的分层静态手势识别

目的 基于手势的交互方式在人机交互中发挥着越来越重要的作用,手势识别是大多数手势交互系统的核心技术.当手势种类较多时,目前已有的大多数手势识别方法往往无法获得足够高的识别率.为此,提出了一种结合手指检测和梯度方向直方图(HOG)特征的分层静态手势识别方法.方法 提出一种基于形态学操作的手指检测算法作为手势识别方法的基础.首先由肤色模型从输入图像中提取出手部区域,然后利用手指检测算法识别出手势包含的手指个数,并根据手指个数从事先训练好的支持向量机分类器集合中选取一个,最后提取手部区域的HOG特征,并利用选择好的分类器完成识别任务.结果 对25种常用手势进行了识别实验,将本文方法与单独使用HOG特征的方法进行对比.本文方法可以将传统HOG方法的识别率提高20%左右.结论 基于手指个数的分层识别策略可以有效地解决传统单层识别方法在手势种类较多时识别率不高的问题.在手部区域能被成功检测的情况下,提出的结合手指检测和HOG特征的方法可以取得较理想的手势识别结果,且能达到实时性要求.     

基于语音识别技术的语音控制智能手系统

本文以凌阳SPCE061A单片机作为核心控制器,设计了一种基于语音识别技术的语音控制智能手系统.系统由微控制器、语音模块、电机模块、光电寻迹模块、无线控制模块等部分组成.控制器利用语音模块识别出操作人员的语音命令后,通过电机模块与光电寻迹模块的协同工作来完成预设的多个复杂动作.本设计还加入了无线控制功能,可以在特殊情况下替代部分语音指令来操控智能手.     

基于OPENCV的手势识别系统的设计与实现

人与计算机的交互技术是一种新型的计算机技术,且逐渐演变为一种主流技术和计算机领域的技术热点;为了能够更好地识别手势和跟踪手势的运动轨迹,提出了基于OPENCV的手势识别系统,系统引入了OPENCV计算机视觉库,OPENCV作为优秀的计算机视觉库,为设计的实现提供了便捷的代码,利用OPENCV技术中的图像处理算法,首现通过摄像头采集数据图像,并对采集到的图像进行一系列的缩放,去噪以及锐化等处理,然后对人体手势建立肤色模型,然后经过灰度阈值化来转换成二值图像,得到手轮廓的数据图像后,采用轮廓匹配方法识别出手型;最后通过10种基本的手势模型对比验证了本系统具有一定的实时性,并且识别率可以达到95％以上.     

Remote-Controlled Ambidextrous Robot Hand Concept

In the development of robotic limbs, the side of members is of importance to define the shape of artificial limbs and the range of movements. It is mainly significant tbr biomedical applications concerning patients suffering arms or legs injuries, fn this paper, the concept of an ambidextrous design lbr robot hands is introduced. The fingers can curl in one xvay or another, to imitate either a right hand or a left hand. The advantages and inconveniences of different models have been investigated to optimise the range and the maximum force applied by fingers. Besides, a remote control interthce is integrated to the system, allowing both to send comrnands through internet and to display a video streaming of the ambidextrous hand as feedback. Therefore, a robotic prosthesis could be used for the first time in telerehabilitation. The main application areas targeted are physiotherapy alter strokes or management of phantom pains/br amputees by/earning to control the ambidextrous hand. A client application is also accessible on Facehook social network, making the robotic limb easily reachable for the patients. Additionally the ambidextrous hand can be used tbr robotics research as well as artistic performances.     

基于BP神经网络的手势识别系统

给出了采用ADXL335加速度传感器来采集五个手指和手背的加速度三轴信息,并通过ZigBee无线网络传输来提取手势特征量,同时利用BP神经网络算法进行误差分析来实现手势识别的设计方法。最后,通过Matlab验证,结果表明,该系统在测试中识别率较高,系统稳定。