用户手势识别方法、装置、手部智能穿戴设备及存储介质

    公开(公告)号:CN113496165B

    公开(公告)日:2024-04-16

    申请号:CN202010251639.2

    申请日:2020-04-01

    IPC分类号: G06V40/20 G06V40/10

    摘要: 本发明实施例提供了一种用户手势识别方法、装置、手部智能穿戴设备及存储介质,所述方法包括:确定目标手指合并位姿态对应的第一偏置四元数,以及确定目标手指旋转位姿态对应的第二偏置四元数;获取当前时刻目标手指的手指四元数,以及当前时刻手掌的手掌四元数;根据所述第一偏置四元数、所述手指四元数以及所述手掌四元数,计算目标手指相对于手掌的屈伸角度;根据所述第二偏置四元数、所述手指四元数以及所述手掌四元数,计算目标手指相对于手掌的旋转角度;基于所述屈伸角度以及所述旋转角度识别用户手势。如此直接解算手部姿态特征来识别用户手势,避免了因复杂的特征提取以及手势识别处理所花费的大量时间和资源,提高了用户手势识别的实时性以及稳定性。

    一种识别握姿的方法、装置、假肢及可读存储介质

    公开(公告)号:CN111700718B

    公开(公告)日:2023-06-27

    申请号:CN202010671196.2

    申请日:2020-07-13

    摘要: 本申请提供了一种识别握姿的方法、装置、假肢及可读存储介质,属于肌电技术领域。本申请通过获取采集的握姿的肌电信号和惯性信号;基于肌电信号和惯性信号,分别提取肌电数据特征和惯性数据特征;对肌电数据特征和惯性数据特征进行特征降维;将特征降维后的肌电数据特征和惯性数据特征,输入到预先训练的目标分类模型中,得到目标分类结果;基于预先存储的分类结果与握姿的对应关系,确定目标分类结果对应的目标握姿,并生成用于控制肌电假肢执行目标握姿对应的握姿动作的指令。以实现在最小维数特征空间中,异类模式点相距较远,同类模式点相距较近,从而保证最大限度的动作分离,提高分类性能。

    一种姿势检测方法、装置、系统、电子设备及存储介质

    公开(公告)号:CN111241983B

    公开(公告)日:2023-09-26

    申请号:CN202010014951.X

    申请日:2020-01-07

    IPC分类号: G06F18/24 G06F18/213

    摘要: 本申请涉及一种姿态检测方法、装置、系统、电子设备及存储介质,该方法包括:接收第一采样时刻的运动数据;确定所述运动数据对应的包络信号;分析所述包络信号确定所述第一采样时刻的姿势信息。该技术方案通过对运动数据进行处理得到运动数据对应的包络信号,通过对包络信号进行分析确定当前时刻的姿势,由此实现了对日常人体坐下或者站起等瞬时姿态的快速检测,以便智能可穿戴设备的及时反馈。该方法可以广泛应用在医疗康复、人机交互、虚拟实现等领域。

    一种运动状态的监测方法、装置、系统及存储介质

    公开(公告)号:CN111714125B

    公开(公告)日:2022-09-06

    申请号:CN202010519628.8

    申请日:2020-06-09

    IPC分类号: A61B5/103 A61B5/11

    摘要: 本发明涉及一种运动状态的监测方法、装置、系统及存储介质。方法包括:获取监测对象移动时的足底压力数据;根据足底压力数据,得到监测对象的足底压力中心的左侧坐标最值偏差量和足底压力中心的右侧坐标最值偏差量;根据左侧坐标最值偏差量和右侧坐标最值偏差量,得到监测对象的运动状态评价值。本发明实施例通过获取监测对象移动过程中的足底压力数据,并以此得到监测对象的足底压力中心在其左右两侧的坐标最值的偏差量,基于监测对象的足底压力中心变化情况得到该监测对象的运动状态评价值,用户可以基于本方案给出的运动状态评价值确定自身的运动状态是否良好,用户还可以根据运动状态评价值及时调整自身的运动姿态。

    表面肌电信号后处理方法、装置
    5.
    发明公开

    公开(公告)号:CN113869079A

    公开(公告)日:2021-12-31

    申请号:CN202010530688.X

    申请日:2020-06-11

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明实施例提供了一种表面肌电信号后处理方法、装置,所述方法包括:获取第一表面肌电信号以及第二表面肌电信号,并确定所述第一表面肌电信号中第一有效电位段,及所述第二表面肌电信号中第二有效电位段;基于多个不同长度的时间窗中任一时间窗,从所述第一有效电位段中提取多个第一特征,及从所述第二有效电位段中提取多个第二特征;将多个所述第一特征与多个所述第二特征,基于预设拼接规则拼接生成多个特征向量,利用预设分类器对每个所述特征向量进行分类识别;从分类识别结果中确定所述第一表面肌电信号与所述第二表面肌电信号对应的目标分类识别结果。

    假肢控制方法、装置、电子设备和存储介质

    公开(公告)号:CN111743668B

    公开(公告)日:2023-12-05

    申请号:CN202010617576.8

    申请日:2020-06-30

    发明人: 李红红 姚秀军

    IPC分类号: A61F2/72

    摘要: 本申请涉及一种假肢控制方法、装置、电子设备和存储介质,应用于假肢技术领域,其中,方法包括:获取安装假肢的肢体的动作数据,根据动作数据,获得肢体的动作所属的动作类别的预分类概率,若判定预分类概率大于动作类别的预设分类阈值,向假肢发送执行动作类别的动作指令。解决了现有技术中,用于肌电控制的传感器数量较少时,分类不准确,假肢执行错误率高的问题。

    检测人体跌倒的方法、装置、计算机设备和存储介质

    公开(公告)号:CN113367686B

    公开(公告)日:2024-09-20

    申请号:CN202010163275.2

    申请日:2020-03-10

    发明人: 李红红 韩久琦

    IPC分类号: A61B5/11

    摘要: 本申请涉及一种检测人体跌倒的方法、装置、计算机设备和存储介质。所述方法包括:获取运动数据,所述运动数据包括三轴加速度、三轴角速度,所述运动数据为运动传感器采集得到人体的下肢的运动数据;根据所述运动数据计算得到合加速度、合角速度、倾角和多个目标时序特征,所述倾角为人体的下肢与重力方向的夹角;根据所述多个目标时序特征判断人体的行为是否异常;当所述人体的行为被判定为异常时,根据所述合加速度、所述合角速度和所述倾角判断人体是否处于跌倒状态。采用运动传感器采集的人体下肢的运动数据进行检测,数据采集设备成本低,且检测的稳定性好。

    手指与手掌间屈伸自由度解算方法、装置及数据手套

    公开(公告)号:CN113467599B

    公开(公告)日:2024-05-17

    申请号:CN202010235154.4

    申请日:2020-03-31

    IPC分类号: G06F3/01 G06F3/0346

    摘要: 本发明实施例涉及一种手指与手掌间屈伸自由度解算方法、装置、及数据手套,该方法包括:在第一时刻,获取第一惯性传感器采集的第一四元数,以及第二惯性传感器采集的第二四元;在第二时刻,获取第一惯性传感器采集的第三四元数和第一三轴加速度数据,第二惯性传感器采集的第二三轴加速度数据和第四四元数;根据第一四元数至第四四元数、第一三轴加速度数据和第二三轴加速度数据,计算在第二时刻,第i手指与手掌间的屈伸自由度。相较于传统技术而言,该方法不需要考虑外界电磁干扰,不需要考虑标记点被遮挡等问题,成本低,对于数据手套的使用位置也没有任何要求。降低外展自由度角度偏差,增加手指单指的屈伸角度解算精度。

    拇指与手掌间自由度解算方法、装置及数据手套

    公开(公告)号:CN113268136B

    公开(公告)日:2024-05-17

    申请号:CN202010094836.8

    申请日:2020-02-14

    IPC分类号: G06F3/01 G06F3/0346

    摘要: 本发明实施例涉及一种拇指与手掌间自由度解算方法、装置、及数据手套,该方法包括:从第一惯性传感器和第二惯性传感器分别采集的四元数中,提取第一四元数至第四四元数。获取第k时刻第一惯性传感器采集的第五四元数和第二惯性传感器采集的第六四元数;根据第一四元数至第六四元数,计算与第五四元数分别对应的第一参考四元数和第二参考四元数;根据第五四元数、第一参考四元数、第二参考四元数,计算在第k时刻,数据手套中拇指与手掌间的屈伸自由度和旋转自由度。本申请提供的技术方案实时性更高,稳定性更强。测算出数据手套中拇指与手掌间的屈伸自由度和旋转自由度两个参数更有利于提高手势识别精度,便于识别复杂的手势动作。

    肌电信号处理、外骨骼机器人控制方法及装置

    公开(公告)号:CN111844032B

    公开(公告)日:2022-04-12

    申请号:CN202010680429.5

    申请日:2020-07-15

    发明人: 李红红 姚秀军

    IPC分类号: B25J9/16 B25J9/00

    摘要: 本申请实施例提供的一种肌电信号处理、外骨骼机器人控制方法及装置,获取肌电信号,对肌电信号活动段进行特征提取,得到肌电信号的第一特征,对第一特征进行降维,得到第一特征对应的第二特征,将第二特征输入到预先训练好的分类器,得到肌电信号对应的类型。在本方案中通过特征提取和降维的方式,降低了特征的维数,降低了计算量,减少了计算开销,通过分类器对属于不同类型的肌电信号进行分类,得到较高分类准确率,进一步的可以根据肌电信号的分类结果实现对外骨骼机器人的多自由度控制。