公开(公告)号：CN119625785A

公开(公告)日：2025-03-14

申请号：CN202411703282.1

申请日：2024-11-26

Applicant: 哈尔滨工业大学

Inventor： 姜力 ,  曾琳 ,  吴闻昊 ,  程明

IPC: G06V40/10 ,  G06V10/82 ,  G06V10/56 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于sEMG的小波变换图像与CNN‑LSTM网络融合的人手运动估计方法，所述方法包括如下步骤：步骤一、将表面肌电信号进行预处理，并识别活动段；步骤二、处理和可视化表面肌电信号的连续小波变换结果，合成每个采样时刻的瞬时图像：步骤三、构建CNN‑LSTM神经网络模型；步骤四、将瞬时图像输入至CNN‑LSTM神经网络模型中进行训练，以预测和估计人手的运动，并输出相应的预测结果。该方法在人手运动估计的过程中不需要任何额外信息或手动设计特征提取器，可以适用于少通道信号，在保证预测结果准确的条件下，解决了数据处理量大、成本高的问题，并通过构建CNN‑LSTM神经网络模型缩短了训练时间。

公开(公告)号：CN119229537A

公开(公告)日：2024-12-31

申请号：CN202411384416.8

申请日：2024-09-30

Applicant: 哈尔滨工业大学

Inventor： 姜力 ,  曾琳 ,  吴闻昊 ,  程明

IPC: G06V40/20 ,  G06F3/01 ,  G06V10/764 ,  G06F18/10 ,  G06T3/4038 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  A61B5/389 ,  A61B5/397 ,  A61B5/00

Abstract: 本发明公开了一种基于表面肌电信号连续小波变换图像的手势识别方法，所述方法如下：一、将表面肌电信号进行预处理，进行活动段的识别以及不同手势的切分；二、对每一个通道进行连续小波变换处理；三、绘制能量分布图像，并将每个通道图片以jpg格式单独保存；四、对各个通道图像进行整合处理；五、对图像进行加窗处理；六、利用卷积神经网络模型对手势进行模式分类。本发明解决了现有的基于表面肌电信号手势识别过程中特征提取和选择的方法仍存在提取到的肌电信息存在一定的冗余性和局限性的问题，对手势识别能力的提升具有重要意义。同时，该方法可进行高维数据处理，捕捉复杂手势的细节，可应用于人机交互、医疗康复以及智能控制等多项领域。