文档名：一种基于循环时空深度神经网络的手势识别方法
摘要：针对表面肌电信号解码模型因缺乏时空信息等重要性表征,面临解码精度低、鲁棒性差等问题,提出了一种基于循环时空深度神经网络的手势识别模型,来提高挖掘表面肌电信号的表征能力.首先,设计多通道卷积神经网络,并融入双向循环神经网络来提取强判别力的时空特征信息.其次,采用通道注意力机制来捕捉时空特征中通道重要性信息,设计基于时空特征的注意力模块以进一步增强时空特征信息.同时,基于特征金字塔网络思想来设计多尺度特征融合模块,从多尺度、多角度获取多级特征信息,提高模型对肌电信号的解码能力.最后,将所提出的手势识别模型在大型手势识别数据库Ninapro上进行测试,结果表明所提方法能有效提高对表面肌电信号的表征挖掘能力,为人体手势动作识别的深度学习建模工作提供借鉴意义.
Abstract：Tosolvetheproblemofweakrobustnessandlowprecisionofexistinghandgesturerecognitionmodelsinducedbylackofspa-tiotemporalinformation,ahandgesturerecognitionmodelbasedonrecurrentspatialandtemporaldeepneuralnetworkisproposedtoimprovethecharacterizationabilityforsurfaceEMG(sEMG)signals.Firstly,amulti-channelconvolutionalneuralnetworkisdesignedandintegratedintothebidirectionalrecurrentneuralnetworktoextractthespatiotemporalcharacteristicsinformationwithstrongdis-crimination.Secondly,channelattentionmechanismisusedtocatchthechannelimportanceinformationinspatiotemporalcharacteris-tics,thenanattentionmodulebasedonspatiotemporalcharacteristicsisdesignedtofurtherenhancethespatiotemporalcharacteristicsinformation.Thirdly,basedontheideologyoffeaturepyramidnetwork,amulti-scalefeaturefusionmoduleisdesignedtoacquiremulti-stagefeatureinformationbasedonmulti-scaleandmulti-angleaspectstoimprovethedecodingabilityofthemodeltoelectromyographysignals.Finally,theproposedhandgesturerecognitionmodelistestedbasedonalargehandgesturerecognitiondatabaseofNinapro.TheresultsshowthattherepresentationcapabilityforsEMgsignalsiseffectivelyimprovedbytheproposedmethod.Itprovidesreferenceforthedeeplearningmodelingworkofhumanbodyhandgesturerecognition.
作者：杨旭升 范京哲 胡佛 张文安Author：YANGXusheng FANJingzhe HUFo ZHANGWenan
作者单位：浙江工业大学信息工程学院,浙江杭州310023
刊名：传感技术学报
Journal：ChineseJournalofSensorsandActuators
年，卷(期)：2024, 37(2)
分类号：TP393
关键词：手势识别 表面肌电信号 神经网络 特征融合 注意力机制
Keywords：gesturerecognition surfaceelectromyographysignals neuralnetwork featurefusion attentionmechanism
机标分类号：TP391.41TN911.7TP183
在线出版日期：2024年3月28日
基金项目：浙江省尖兵领雁研发攻关计划项目，国家自然科学基金一种基于循环时空深度神经网络的手势识别方法[
期刊论文] 传感技术学报--2024, 37(2)杨旭升 范京哲 胡佛 张文安针对表面肌电信号解码模型因缺乏时空信息等重要性表征,面临解码精度低、鲁棒性差等问题,提出了一种基于循环时空深度神经网络的手势识别模型,来提高挖掘表面肌电信号的表征能力.首先,设计多通道卷积神经网络,并融入双向...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
一种基于循环时空深度神经网络的手势识别方法 A Gesture Recognition Method Based on Recurrent Spatiotemporal Depth Neural Network
一种基于循环时空深度神经网络的手势识别方法.pdf
- 文件大小:
- 3.88 MB
- 下载次数:
- 60
-
高速下载
|
