[实用新型]基于MEMS传感模块的音乐手套

说明书

本实用新型提供了一种基于MEMS传感模块的音乐手套，包含手套本体，手套本体上还设有控制模块、供电模块、无线传输模块与若干MEMS传感模块；MEMS传感模块分别设置于手套本体对应在五根手指的背面关节处、手掌背面中部、手腕背面的位置；供电模块与控制模块设置于手套本体手腕位置；MEMS传感模块的输出与控制模块的输入相连；控制模块与无线传输模块通信连接。在手各个活动位置设置MEMS传感模块,以此达到精确识别手指弯曲，手掌转动和手腕转动的复杂手部运动，通过特定的手势发出相应指令，能够随时随地演奏音乐，创作音乐，灵活方便，并且不再局限于在平面上演奏，特定的手势可以在空中演奏出美妙的音乐，实现无空间限制的音乐演奏。

技术领域

本实用新型涉及电声乐器技术领域，具体涉及一种基于MEMS传感模块的音乐手套。

背景技术

音乐手套中最主要的技术就是手势识别技术，而手势识别目前的技术手段主要分为基于视觉的手势识别和基于传感器的手势识别。

1.对于基于视觉的手势识别主要有以下几种：

(1)基于人工神经网络的手势识别

神经网络基于统计和概率学方法的组织和判断具有抗干扰、自学习、易控制和处理高效的特点，可用于处理信息缺失的模式并进行模式推广。如果整个神经网络包括的全部神经元都是时空效能好的算法，那就可以判断手势细微部分的运动。但人工神经网络对时间序列处理能力不强。在静态手势的识别中应用较多，动态手势识别中几乎没有应用。此外，尽管对神经网络的相关研究及应用已经有了几十年，但是该方法本身的复杂性使成功构建一个效果良好的神经网络对大多数人比较困难。

(2)基于隐马尔可夫模型的手势识别

隐马尔可夫模型是一种能细致描述信号的时空变化统计分析模型，适用于动态手势的识别。由于其分析复杂，计算量大，速度慢，故而大多采用离散马尔可夫模型。

(3)基于几何特征的手势识别，包括手势分割法与几何特征法

手势分割包括2种方法：单目视觉和立体视觉。基于单目视觉的方法又分为基于徒手的表观特征(肤色，轮廓)；人为增加限制，如要求使用者戴上有色手套及各种光学标识；建立数据库的方法。

由于基于视觉的手势识别对于硬件设备的需求，将导致音乐手套的使用不方便，所以目前的音乐手套都采用基于传感器的手势识别。

2.对于音乐手套主要有以下几种：

(1)按键音乐手套：

以金属接触式按键，薄膜按键、轻触按键等开关方式，将按键放置在手套指尖部位。当按键按下则发出特定音乐，松开按键则停止发声。这种手套制作简单，价格低廉。缺点在于无法识别出手势姿态，使用单一。

(2)压力传感器音乐手套：

将压力传感器放置在每根手指上，识别出手指的弯曲程度，以此判断手指的状态，当判断为按下时发出音乐。优点是比之按键手套的基础上更加准确的识别五根手指的姿态，数据读取简单，容易上手，缺点是无法判断手指的复杂动作和整个手的运作状态。

在脱离空间的束缚、不再局限平面接触、精确识别手势方面实现音乐的弹奏，仍需要进行深入研究。

实用新型内容

针对现有技术中所存在的不足，本实用新型提供了一种能够更方便实现音乐弹奏控制的基于MEMS传感模块的音乐手套。

为实现上述目的，本实用新型采用了如下的技术方案：