25、基于边缘检测的医疗机器人与深度学习手势识别技术

基于边缘检测的医疗机器人与深度学习手势识别技术

1. 引言

当前，医疗系统正从传统模式向以患者为中心的现代化模式转变。为帮助残障人士解决获取药品和水的难题，提出了一种专门用LabVIEW编程的机器人原型。该系统通过摄像头捕捉手部手势，经Vision Assistant处理后，利用无线模块控制机器人手臂完成相应操作。同时，采用卷积神经网络（CNN）进行静态手势识别，模型准确率达99.83%。

1.1 研究背景

人机交互（HRI）应用已超越鼠标、键盘等传统输入设备，成为跨学科研究的关键领域。手部手势和身体姿势的计算机分析在普适计算、智能房间、虚拟现实等领域具有重要科学价值。通过理解人类手部手势来编程机器人是一种独特自然的方法，目前已有多种基于捕获数据对人类需求进行分类的方式。

1.2 相关研究

• 传统手势识别方法 ：如基于3轴加速度计的空间识别，自由度处理效率低；使用柔性传感器和模糊逻辑算法控制机器人手臂，存在短距离通信和传感器不可预测性的问题。
• 基于LabVIEW的应用 ：开发用于独居老人的电子救援系统、通过肌电信号（EMG）实时控制机器人手臂等。
• 图像识别 ：利用不同手势完美识别图像，以及基于LabVIEW控制的模仿人类手臂和基于图像处理的目标跟随与避障机器人。

1.3 主要贡献

• 手势识别 ：使用边缘检测算法识别手部手势，根据检测到的边缘数量判断残障人士