TripCEAiR：一种基于表面肌电的空中书写识别多损失最小化方法
人机交互
2023-03-21 v3
摘要
空中书写识别指的是通过手指运动识别在空间中书写的字母的问题。它可视为动态手势识别的一种特例，其中手势集合为特定语言中的字母。表面肌电（sEMG）是一种非侵入式方法，用于捕获由肌肉收缩和放松产生的电信号。sEMG已广泛用于手势识别应用。与静态手势不同，动态手势对用户友好，并可作为人机交互中输入方法的应用。利用sEMG信号进行动态手势（如空中书写）识别的工作有限，构成本研究的核心。在这项工作中，提出了一种基于sEMG的空中书写识别多损失最小化框架。该框架旨在学习最小化三元组损失的特征嵌入向量，同时学习分类器头的参数以识别相应字母。所提方法在实验室记录的数据集上进行了验证，该数据集包含50名参与者书写英文大写字母的sEMG信号。还展示了不同三元组损失变体、三元组挖掘策略和特征嵌入维度的影响。在使用半硬正样本和硬负样本三元组挖掘的用户相关和独立场景中，所取得的最佳准确率分别为81.26%和65.62%。我们的实现代码将在 https://github.com/ayushayt/TripCEAiR 提供。
引用
@article{arxiv.2212.02870,
title = {TripCEAiR: A Multi-Loss minimization approach for surface EMG based Airwriting Recognition},
author = {Ayush Tripathi and Prathosh AP and Suriya Prakash Muthukrishnan and Lalan Kumar},
journal= {arXiv preprint arXiv:2212.02870},
year = {2023}
}