[发明专利]一种基于神经网络的手势数据采集手套及识别方法

说明书

本发明提供了一种基于神经网络的手势数据采集手套及识别方法，包括向计算平台发送手部数据的数据采集手套和根据手部数据的基于神经网络的手势识别方法；装置采集的数据首先经过MATLAB平台预处理后，传送到卷积神经网络进行学习，得到相应的计算模型；之后应用此模型对新的手部数据进行识别，得到手势类别。本发明传感器等电子元件不搭建在皮革或织物手套上，采用“骨架”式手套设计方式。该设计方式易于手套穿脱、拆卸组装，不易产生污垢，易于清洁，且清洁风险与成本小；采用电子设计的方式以及柔性FPC线材，相比于现有机械结构，可大大减小设备体积和重量，增强手指运动灵活性，便于长时间穿戴。

技术领域

本发明属于神经网络深度学习以及柔性电子领域，尤其涉及一种基于神经网络的手势数据采集手套及识别方法。

背景技术

手势姿态识别在医疗康复领域起着至关重要的作用，是复健过程中的关键参考因素，不同的实现方式、不同的设备都会让用户得到不同的体验。目前数据手套现有代表性的商业成熟产品是Cyberglove和5DT。Cyberglove产品至今已有20年的积累经验，在这20年间的不断研究与进步中打造出了性能越发优质的数据手套产品。Cyberglove产品主要基于弯曲传感器进行实现，工作原理是基于应变效应制作的。将弯曲传感器安布在手套的关节处，当关节弯曲时，传感器阻值发生变化，终端接收到的信号也会发生相应的变化。通过对不断变化的信号进行分析，可以得到手部大致的活动情况。发展后期逐渐产生新的产品，CyberGlove II-18 Sensors数据手套。18-传感器型号产品的每根手指处配有两个曲度传感器，此外还有四个外展传感器、以及测量拇指交叉截面、手掌拱度、腕关节弯曲和外展的传感器。5DT数据手套在发展初期同样是采用了以弯曲传感器为主的设计方式。而新版的5DT数据手套系列产品基于纤维光学曲型传感器。5DT Data Glove Ultra系列包括5个传感器和14个传感器两种型号。5传感器型号每个手指配有一个传感器，测量指节和第一关节；14传感器型号每个手指两个传感器，一个测量指节，另一个测量关节，且在手指之间展开了传感器。

目前现有产品存在以下缺点。第一，数据手套作为商品价格高昂，且后续维护成本费用极高。第二，手套在使用时注意事项多，使用步骤繁琐，穿戴使用过程不便利，体验不佳。第三，数据手套除了抓取数据外，没有成熟便利的手势判断方法。现有的手势判断步骤需要先利用数据手套传感器采集的相关数据绘制出手部姿势模型，再根据手部姿势、手指间位置关系来判断当前手部姿势以及相关状态，步骤略繁琐。第四，现有数据手套产品多以皮革手套或其他织物手套为主题，在上面排布传感器等其他电子元件。使用者频繁穿脱后将留下污垢，而手套上排布的电子元件将阻碍清洗工作，不管是手套内部还是外部都将难以保持清洁。

发明内容

本发明目的在于提供一种基于神经网络的手势数据采集手套及识别方法,为解决上述技术问题，本发明的具体技术方案如下：

一种基于神经网络的手势数据采集手套，包括手指关节模块、连接杆、连接键、盖板、掌托、主传感器模块和弹力带；

所述手指关节模块的末端与连接杆连接；

所述盖板通过连接键与连接杆连接；

所述主传感器模块设置在盖板的上表面；

所述掌托通过所述弹力带与盖板连接；

所述主传感器模块包括微处理器，无线发送模块和主惯性传感器；

所述微处理器汇总手指关节模块采集到的指关节角度和运动信息，进行姿态拟合；

所述无线发送模块将处理后的数据发送给上位机，进行进一步的处理；

所述主惯性传感器采集手掌的运动信息。

进一步的，所述手指关节模块包括第一指套、活动关节、第二指套、第三指套、第一传感器模块、第二传感器模块和第三传感器模块；所述第一指套和第二指套之间通过活动关节连接；