多传感器融合手语识别算法

融合肌电与运动

通过耦合隐马尔可夫模型融合肌电与运动信息，实现中国手语词汇的可靠识别。

罗志增 · 李文国 · 席旭刚

PLoS ONE 2023

参数信息

平均识别率

90.41 %

技术优势

识别率够高

对120个常用中国手语词汇的平均识别率达到90.41%，证明该融合方法在手语识别中具有实用性。

融合更准

将sEMG信号和运动信息进行决策融合，利用耦合隐马尔可夫模型完成手语词汇识别。

分而治之

将手语识别有机地分为基于手势的识别和手势相关运动轨迹识别，利用手势与轨迹的内在关联。

应用场景

• 手语翻译：可集成到手语翻译设备，实时识别词汇。
• 可穿戴手势识别：基于可穿戴传感器信号，适合手势交互。
• 肌电传感：利用肌电信号识别手势。
• 生物电信号处理：处理肌电和运动信号，提取特征。