基于 SEDCNN-SVM 的手势识别方法研究
计算机视觉与模式识别
2024-10-25 v1
摘要
基于表面肌电信号 (sEMG) 的手势识别是最常用的方法之一。传统的手动特征提取只能提取一些低层次信号特征，这会导致在处理复杂信号时分类器性能差、识别准确率低。提出一种称为 SEDCNN-SVM 的识别方法，用于识别不同手势的 sEMG。SEDCNN-SVM 由改进的深度卷积神经网络 (DCNN) 和支持向量机 (SVM) 组成。DCNN 通过卷积层的卷积运算自动提取和学习 sEMG 的特征信息，从而能够捕获数据中复杂的高层次特征。添加了squeeze and excitation 网络 (SE-Net) 和残差模块，以改善每个通道的特征表示，减少卷积操作中特征信息的损失，捕获有用的特征信息，并缓解网络梯度消失的问题。SVM 通过构建特征空间的最优超平面来提高模型的泛化能力和分类准确率。因此，SVM 用于取代 DCNN 中的全连接层和 Softmax 函数层，采用合适的核函数可提高模型的泛化能力和分类准确率。为验证所提出分类算法的有效性，对其进行分析和与其他比较分类方法进行比较。SEDCNN-SVM 的识别准确率可达 0.955，显著优于其他分类方法，SEDCNN-SVM 模型能够在线实时识别。
关键词
引用
@article{arxiv.2410.18557,
title = {Research on gesture recognition method based on SEDCNN-SVM},
author = {Mingjin Zhang and Jiahao Wang and Jianming Wang and Qi Wang},
journal= {arXiv preprint arXiv:2410.18557},
year = {2024}
}