基于深度卷积神经网络的手势动作识别

• 作者: 张朝柱 张艺漫 顾晓婷
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 表面肌电信号 卷积神经网络 批次归一化 梯度下降 手势识别
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 专题: 模式识别+人工智能
• 页码范围: 587-591
• 页数: 5页
• 分类号: TP183
• 字数: 4049字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2019.07.007

摘要

针对传统手势识别方法中人工特征提取信息不完整导致的识别率较低以及识别手势类别较少的问题,基于卷积神经网络(Convolutional Neural Network,CNN)的原理,设计了一种深度CNN框架,对多通道的表面肌电信号进行手势动作识别.所应用的表面肌电信号数据来自Ninapro数据库中DB2健康个体数据集,分别识别9种手指动作和49种手势动作(49种手势动作包含9种手指动作),另外40种手势动作是17种基本手势动作和23种手腕动作.对数据集的表面肌电信号数据进行提取均方根值特征,生成12通道的训练集、 验证集和测试集.将处理过的表面肌电信号送入到深度CNN中,经过卷积、 批次归一化、 池化、 梯度下降及dropout层处理,仿真测试后,DB2数据集的9种手势动作识别率是99.10％,49种手势动作手势不识别率是64.58％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张朝柱	哈尔滨工程大学信息与通信工程学院	51	229	8.0	13.0
2	顾晓婷	哈尔滨工程大学信息与通信工程学院	1	2	1.0	1.0
3	张艺漫	哈尔滨工程大学信息与通信工程学院	1	2	1.0	1.0