-
公开(公告)号：CN113205605A
公开(公告)日：2021-08-03
申请号：CN202110595988.0
申请日：2021-05-29
Applicant: 浙江大学
Abstract: 本发明公开了一种从深度图像中获取手部三维参数化模型的方法，步骤如下：获取深度图像序列和深度相机内参；利用手部的深度图像序列和对应的深度相机参数，重建粗略的手部的三维点云；人工去除粗略的手部三维点云中的非手部点云与噪声点云，得到精细的手部三维点云；通过对精细的手部三维点云三阶段的迭代优化，获取用户个性化的手部三维参数化模型。本方法通过深度图像序列即可获得用户个性化的手部三维参数化模型。由于用户个性化的手部三维参数化模型相比传统无模型或通用手部模型提供了更多基于用户的先验信息，因此本发明可以在进行手势姿态估计时具有更高的精度和适配性，在人机交互，康复医疗等具体场景下具有应用前景。
-
公开(公告)号：CN113205074B
公开(公告)日：2022-04-26
申请号：CN202110595989.5
申请日：2021-05-29
Applicant: 浙江大学
Abstract: 本发明公开了一种融合肌电和微惯性测量单元多模态信号的手势识别方法，步骤如下：使用肌电电极和微惯性测量单元采集肌电数据和运动数据，并对两者进行同步处理后，进行训练集和测试集的划分；使用滑动窗口将每个信号段分割为多个固定长度的子信号段，并对每个子信号段的肌电数据与运动数据分别提取时域和频域特征；使用卷积神经网络分别提取肌电特征和运动特征的浅层和深层特征，并分别进行融合后输入分类网络，最后在决策层融合，输出每一手势类别的概率，识别模型进行训练后测试得到手势识别率。本发明融合肌电和微惯性测量单元多模态信号的手势识别方法能够充分利用肌电和运动数据各自的优势，故能更准确地识别同一被试的多种不同手势。
-
公开(公告)号：CN113205605B
公开(公告)日：2022-04-19
申请号：CN202110595988.0
申请日：2021-05-29
Applicant: 浙江大学
Abstract: 本发明公开了一种从深度图像中获取手部三维参数化模型的方法，步骤如下：获取深度图像序列和深度相机内参；利用手部的深度图像序列和对应的深度相机参数，重建粗略的手部的三维点云；人工去除粗略的手部三维点云中的非手部点云与噪声点云，得到精细的手部三维点云；通过对精细的手部三维点云三阶段的迭代优化，获取用户个性化的手部三维参数化模型。本方法通过深度图像序列即可获得用户个性化的手部三维参数化模型。由于用户个性化的手部三维参数化模型相比传统无模型或通用手部模型提供了更多基于用户的先验信息，因此本发明可以在进行手势姿态估计时具有更高的精度和适配性，在人机交互，康复医疗等具体场景下具有应用前景。
-
公开(公告)号：CN113205074A
公开(公告)日：2021-08-03
申请号：CN202110595989.5
申请日：2021-05-29
Applicant: 浙江大学
Abstract: 本发明公开了一种融合肌电和微惯性测量单元多模态信号的手势识别方法，步骤如下：使用肌电电极和微惯性测量单元采集肌电数据和运动数据，并对两者进行同步处理后，进行训练集和测试集的划分；使用滑动窗口将每个信号段分割为多个固定长度的子信号段，并对每个子信号段的肌电数据与运动数据分别提取时域和频域特征；使用卷积神经网络分别提取肌电特征和运动特征的浅层和深层特征，并分别进行融合后输入分类网络，最后在决策层融合，输出每一手势类别的概率，识别模型进行训练后测试得到手势识别率。本发明融合肌电和微惯性测量单元多模态信号的手势识别方法能够充分利用肌电和运动数据各自的优势，故能更准确地识别同一被试的多种不同手势。
-
-
-
Search Results
4
records
(took 0.011 seconds)
