基于惯性传感器和深度学习的上肢动作识别研究

作者：段晨; 廖福元

来源：国外电子测量技术, 2019, 38(11): 57-61.

DOI：10.19652/j.cnki.femt.1901608

• 上肢动作识别
• 惯性传感器
• 主成分分析法
• 深度信念网络

基于传感器的上肢动作识别技术,研究的热点主要在于传感器的种类、数量,特征值的选择以及分类算法的设计上,这些因素决定了识别效果的优劣。针对这些问题,提出一种基于多个惯性传感器和深度学习的上肢动作识别方法。使用惯性传感器模块采集上肢动作时手腕和肘部的加速度、角速度数据,在预处理后提取如均值、最大(小)值、频率等9种特征值,然后采用主成分分析法对特征集进行降维处理,在减小计算量的同时使其具有更好的鲁棒性,最后使用深度信念网络训练数据,对6种上肢动作进行分类。实验结果表明,该方法可完成多种上肢动作的识别,以最少的传感器数量完整的描述了复杂的上肢动作,而深度信念网络相较于传统的支持向量机、人工神经网络等算法,有着更高的识别精度。

• 单位
  西安工业大学; 电子信息工程学院