基于数据手套的手势识别及无人机控制系统

与载人飞机相比,商用无人机具有体积小、造价低、使用方便、对作战环境要求低、战场生存能力强等优点,备受多方面的青睐。面对复杂的飞行环境,遥控器、地面站等传统控制系统已无法满足应用要求。考虑到用户使用习惯和无人机控制的可及性,本文提出了一种基于数据手套的无人机端侧控制系统和一种实时的动态手势分割算法。首先通过设置角速度阈值,分割长短不一的动态手势;然后采用线性插值法和组合数据均值法,将长短不一的动态手势重新采样至定长;最后还提出了一种多流一维卷积与Transformer相结合的手势识别算法,在测试集与户外实验上分别取得了98.76%和97.78%的高识别率,这比传统LSTM算法的识别率分别提高了3.39%和5.56%,表明该算法不仅具有良好的识别性和泛化能力,且具有良好的实时性和快速响应能力,户外实验中单次手势完成后0.8s内,无人机便可以执行相应指令,展现出了良好的应用潜力。

基于智能可穿戴设备的复杂人体活动识别方法设计

针对复杂人体活动识别使用的传感器类型单一、识别率不高的难题,提出了一种基于智能可穿戴设备的复杂人体活动识别方法。由于智能可穿戴设备中融合了高精度的弹性弯曲传感器,可以弥补传统仅基于惯性传感器识别设备的不足,实现人体活动时关节弯曲度、以及运动加速度和角速度全方位捕捉。结合能够有效捕捉局部特征的卷积神经网络(CNN)模型和全局特征的Transformer模型,能够实现更高的识别率。实验结果表明:该方法在所设计的13种活动中实现了98.89%的识别率,并且由于设备易于穿戴,在智慧医疗、运动监测等领域有着广阔的应用场景。