利用手机波形对手部微运动进行计算机分类
计算机视觉与模式识别
2021-10-14 v1 机器学习
摘要
我们的双手揭示重要信息，例如可用于确定血压的静脉搏动、指示运动控制或诸如原发性震颤与帕金森病等神经退行性疾病的震颤。利用手机视频中的波形对手部微运动进行计算机分类是一种新颖的方法，其使用欧拉视频放大、骨架化、热图映射以及 kNN 机器学习模型来检测人手中的微运动、合成其波形并对其进行分类。预处理通过欧拉视频放大、骨架化和热图映射分别实现微运动放大、手部关键特征点定位以及运动程度判定。预处理后，将可见运动通过适当分组像素以正确表示特定标签进行手动标注。这些标注的像素运动被转换为波形。最后，使用 kNN 模型将这些波形分为四类——手或手指运动、静脉运动、背景运动以及因呼吸导致的身体其余部分运动。最终获得的准确率约为 92%。
引用
@article{arxiv.2110.06723,
title = {The Computerized Classification of Micro-Motions in the Hand using Waveforms from Mobile Phone},
author = {Ranjani Ramesh},
journal= {arXiv preprint arXiv:2110.06723},
year = {2021}
}
备注
10 pages, 25 figures