基于 EMG 和 IMU 的手腕与前臂姿态识别比较研究
人机交互
2025-12-10 v1 机器学习
摘要
姿态是我们日常与环境交互的重要组成部分。手势识别 (HGR) 是通过各种输入模态（如图像和视频）来解释人类意图的过程。生物信号因其可通过置于手臂上的传感器非侵入式捕获而广泛应用于 HGR。其中，表面电生理信号 (sEMG) 由于测量肌肉的电活动，是最受关注的模态。然而，较少探索的替代方案如惯性测量单元 (IMU) 可以提供关于肌肉细微运动的补充信息，这使其对姿态识别具有重要价值。在本研究中，我们调查了使用来自不同肌肉群的 IMU 信号来捕获用户意图的潜力。我们的结果表明，IMU 信号包含足够的信息，可作为静态姿态识别的唯一输入传感器。此外，我们比较了不同肌肉群的质量，并检查了在单个肌肉群上进行模式识别的质量。我们进一步发现，由 IMU 捕获的腱诱导的微运动是静态姿态识别的主要贡献者。我们认为，利用肌肉微运动信息可以增强肢体义肢手臂的可用性。该方法还为机器人、遥控、手语解释等领域的手势识别提供了新的可能性。
引用
@article{arxiv.2512.07997,
title = {A Comparative Study of EMG- and IMU-based Gesture Recognition at the Wrist and Forearm},
author = {Soroush Baghernezhad and Elaheh Mohammadreza and Vinicius Prado da Fonseca and Ting Zou and Xianta Jiang},
journal= {arXiv preprint arXiv:2512.07997},
year = {2025}
}