22、手势识别与混合动力汽车控制技术研究

手势识别与混合动力汽车控制技术研究

1. 基于FETSA的手势识别

1.1 手势识别方法

人类利用手腕和手指大致能做出八种动作，包括手腕的桡侧和尺侧偏移、手腕的伸展和弯曲、手指的伸展和弯曲以及手腕的旋后和旋前。由于这些动作理论上使用不同的肌肉，在提出的设备的每个传感器上应能观察到不同的信号。

为验证这一点，我们根据手腕的运动研究传感器的峰值。当采集数据时，受试者先放松手部进行轻微动作，再做出这八种动作，观察信号的变化。结果表明，在这八种动作中，四个通道的信号变化不同，通过不同信号可以区分这八种动作，验证了该方法能检测手部手势。

1.2 特征提取

为了区分手势，我们提取反映信号变化和幅度的特征。提取的时间序列特征在计算复杂度上相对简单，而非频域特征。具体提取的特征如下：
- 差异绝对均值（DAMV） ：是信号变化的一种度量，等于两个连续值的平均绝对差值。公式如下：
[DAMV = \frac{\sum_{i = 1}^{N - 1} |X(i) - X(i + 1)|}{N - 1}]
- 平均绝对值（MAV） ：是信号功率的一种度量，等于信号的平均绝对值。公式如下：
[MAV = \frac{\sum_{i = 1}^{N} |X(i)|}{N}]

1.3 手势识别

手势识别可采用多种方法，这里介绍一种基于支持向量机（SVM）的方法。SVM是一种可用于分类或回归分析的监督学习模型，旨在生成能预测特征类别标签的分类模型。

所有提取的特征都可应用于SVM，但这