25、水下手势识别与低滞后柔性应变传感器的研究进展

水下手势识别与低滞后柔性应变传感器的研究进展

1. 水下手势识别潜水手套研究

1.1 研究目的与手势选择

研究旨在评估所设计潜水手套的水下手势识别能力，并比较三种经典机器学习分类器（NC、RF 和 SVM）的性能。选取了十种典型水下手势作为目标手势，从时域波形来看，不同手势的不同通道传感器数据有显著差异，且同一手势的传感器数据相对稳定，这表明简单分类器即可完成水下手势识别任务。

1.2 离线与在线实验结果

• 离线实验 ：三种机器学习分类器分别在每个受试者上进行训练和测试。当训练集和测试集来自同一受试者时，三种分类器都表现出色。NC、RF 和 SVM 分类器的平均识别准确率分别为 97.5% ± 5.4%、98.6% ± 0.6% 和 99.2% ± 0.3%。
• 在线实验 ：三种分类器都能对三名新受试者进行在线识别，但准确率有不同程度下降。NC、RF 和 SVM 分类器的平均识别准确率分别降至 86.4% ± 2.18%、88.6% ± 7.4% 和 96.5% ± 0.31%。

分类器	离线平均准确率	在线平均准确率
NC	97.5% ± 5.4%	86.4% ± 2.18%
RF