基于数据手套和神经网络的数字手势识别方法

• 作者: 吴常铖 宋爱国 徐宝国 曹青青 曾洪 杨德华 费飞 陆熊
• 来源期刊: 东南大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据手套 自学习 神经网络 数字手势识别
• 年，卷（期）: 2020,（3）
• 页码范围: 563-569
• 页数: 7页
• 分类号: TP911.7|TP241
• 字数: 4618字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-0505.2020.03.020

摘要

针对使用数据手套进行数字手势识别时存在个体差异的问题,使用弯曲电阻片设计了数据手套并提出了基于神经网络的数字手势识别方法.首先,在分析测量电路原理的基础上结合弯曲电阻片的特性优选了电路参数,使手指弯曲角度测量的灵敏度最大化.其次,针对用户在手指长度、手势习惯上存在个体差异的情况,提出了一种基于弯曲信号自学习和广义回归神经网络(GRNN)的数字手势识别方法.数据手套信号测试及数字手势试验结果表明,采用优选的电路参数时测量电路的输出振幅最大;在全体评估试验和个体交叉评估试验中,经过自学习预处理后的数字手势识别平均准确率分别为99.2％和96.1％,与未进行自学习处理的识别结果相比分别提高了2.8％和10.7％.在全体评估试验和个体交叉评估试验中,GRNN的识别结果均优于决策树的识别结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐宝国	东南大学仪器科学与工程学院	40	575	12.0	23.0
2	陆熊	南京航空航天大学自动化学院	30	111	6.0	9.0
3	吴常铖	南京航空航天大学自动化学院	16	186	9.0	13.0
5	杨德华	南京航空航天大学自动化学院	17	23	3.0	4.0
6	费飞	南京航空航天大学自动化学院	16	32	4.0	5.0
9	曹青青	南京工业职业技术学院航空工程学院	3	0	0.0	0.0
10	曾洪	东南大学仪器科学与工程学院	8	18	2.0	4.0