基于虚拟试验箱的康复手势识别算法研究
本文选题:虚拟康复 + 试验箱 ; 参考:《高技术通讯》2017年03期
【摘要】:研究了基于自主研发的手部康复训练系统的康复手势识别方法。针对现有手势识别算法识别手势过于单一、不具备针对性的问题,通过对手部功能障碍患者的手部运动及控制力的分析,提出了一种新的基于虚拟试验箱的康复手势识别算法。该算法的核心是利用摄像头捕捉不同的康复手势,并通过辅助训练标志板来实现手和辅助康复器械定位。基于改进的形状上下文识别算法的处理器实现了康复手势识别功能,并进一步控制虚拟场景中的物体做出相应的反应。该算法可以完成推、拉、悬垂、托举、二指捏等典型康复手势的准确识别,并与现有的手势识别算法进行了准确的对比。实验结果表明,该算法在识别率上有一定的提高,并且在识别的手势上更具有针对性。
[Abstract]:The method of hand hand gesture recognition based on hand rehabilitation training system is studied. Aiming at the problem that the existing hand gesture recognition algorithms are too simple to be targeted, a new rehabilitation gesture recognition algorithm based on virtual test box is proposed by analyzing the hand movement and control power of the patients with hand dysfunction. The core of the algorithm is to use camera to capture different rehabilitation gestures, and to achieve hand and rehabilitation device localization through auxiliary training marker board. The processor based on the improved shape context recognition algorithm realizes the rehabilitation gesture recognition function and further controls the objects in the virtual scene to react accordingly. The algorithm can be used to recognize typical rehabilitative gestures such as push, pull, drape, lifting, two-finger pinch and so on, and is compared with the existing gesture recognition algorithms. The experimental results show that the algorithm can improve the recognition rate and is more specific in the recognition of gestures.
【作者单位】: 上海交通大学机械与动力工程学院;燕山大学电气工程学院;
【基金】:中国国家留学生基金资助项目
【分类号】:TP391.41
【参考文献】
相关期刊论文 前2条
1 刘修泉;马研;宋爱国;;基于物联网远程控制的上肢康复机器人系统研究[J];高技术通讯;2015年01期
2 隋云衡;郭元术;;融合Hu矩与BoF-SURF支持向量机的手势识别[J];计算机应用研究;2014年03期
相关硕士学位论文 前1条
1 朱书华;基于边缘方向的物体特征识别算法研究及其应用[D];燕山大学;2012年
【共引文献】
相关期刊论文 前8条
1 丁伟利;胡艳玲;申亚辉;刘洪海;;基于虚拟试验箱的康复手势识别算法研究[J];高技术通讯;2017年03期
2 LE Vanbang;朱煜;NGUYEN Anhtu;;深度图像手势分割及HOG-SVM手势识别方法研究[J];计算机应用与软件;2016年12期
3 丁毅;曹江涛;李平;姬晓飞;;复杂背景下的手势识别算法研究[J];自动化技术与应用;2016年08期
4 王龙;刘辉;王彬;李鹏举;;结合肤色模型和卷积神经网络的手势识别方法[J];计算机工程与应用;2017年06期
5 罗建桥;刘甲甲;李柏林;熊鹰;;基于局部特征和语义信息的扣件图像检测[J];计算机应用研究;2016年08期
6 丁伟利;高晓阳;苏玉萍;李小俚;;基于曲率估计的运动平滑性度量算法[J];高技术通讯;2015年Z1期
7 余思泉;曹江涛;李平;姬晓飞;;基于空间金字塔特征包的手势识别算法[J];智能系统学报;2015年03期
8 王景中;李萌;;基于LBP和PCA机器学习的手势识别算法[J];计算机测量与控制;2015年04期
相关硕士学位论文 前1条
1 高晓阳;基于多模态交互和反馈的虚拟康复系统研究[D];燕山大学;2016年
【二级参考文献】
相关期刊论文 前6条
1 许祥;侯丽雅;黄新燕;章维一;;基于外骨骼的可穿戴式上肢康复机器人设计与研究[J];机器人;2014年02期
2 黄明;黄心汉;温月;涂细凯;;便携式二自由度腕关节康复机器人设计[J];华中科技大学学报(自然科学版);2013年S1期
3 王静;朱琳;王瑞平;;上肢机器人对脑卒中患者上肢功能恢复的影响[J];中国实用神经疾病杂志;2013年22期
4 章华涛;吴常铖;郭晏;包加桐;宋爱国;;带触觉的肌电假手握力模糊控制方法[J];仪器仪表学报;2013年07期
5 张秋余;王道东;张墨逸;刘景满;;基于特征包支持向量机的手势识别[J];计算机应用;2012年12期
6 吕广明,孙立宁,彭龙刚;康复机器人技术发展现状及关键技术分析[J];哈尔滨工业大学学报;2004年09期
相关硕士学位论文 前2条
1 梁艳;角点检测理论及算法研究[D];华中科技大学;2010年
2 谭庆;非参数曲线提取方法研究[D];河北工业大学;2007年
【相似文献】
相关期刊论文 前10条
1 ;新型手势识别技术可隔着口袋操作手机[J];电脑编程技巧与维护;2014年07期
2 任海兵,祝远新,徐光,
本文编号:1809178
本文链接:https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/1809178.html