某小型地面无人作战平台控制手势识别方法研究

针对某小型地面无人作战平台控制手势识别率低的问题,该文提出了一种控制手势识别方法。首先,对控制手势的肌电图(EMG)信号进行预处理,提取平均绝对值、平均绝对值斜率、波长和方差4种特征构成特征集,输入支持向量机(SVM)中进行分类;然后,针对其中的相近手势引入了角速度信号和EMG信号特征融合的方法进行识别,并进行了手势控制地面无人作战平台的实验验证。结果表明,该文方法的识别率较传统Hudgins特征集识别方法提高了3.29%,在引入角速度信号后相近手势识别率提高了13%,手势整体识别率提高了5.56%。

基于手形和姿态的军用动态手势识别方法研究

针对士兵在训练军用作战手势时无统一判别标准的问题,提出了一种通过识别手部细微动作和手臂姿态动作,按既定的时序输出识别为军用手势的方法。使用MYO臂环获取表面肌电和加速度信号,采用巴特沃斯滤波对信号进行预处理,使用移动平均阈值法确定动作区间,分别提取肌电信号特征和加速度信号特征,输入到支持向量机(SVM)和BP神经网络分类器,实现了军用动态手势的分类,并将识别结果可视化实时显示。结果表明:该方法可实时识别14种复杂军用手势,使用SVM分类效果更好,整体识别率可达91%,可用于帮助士兵训练军用作战手势。